Plieninių indų fragmentacijos prognozavimas taikant Bajeso statistinius metodus
Grigas, Eimantas | Darbo ir gaisrinės saugos katedra |
Baigiamajame darbe nagrinėjamos sunkios avarijos, kurios įvyksta sprogstant cilindriniams automobilinių cisternų indams. Tokie sprogimai specialiojoje literatūroje yra vadinami BLEVE sprogimais. Išnagrinėti automobilinių cisternų eismo avarijų duomenys. Išanalizuota, kaip matematiškai modeliuoti cilindrinių indų sprogimo metu susidarančių skeveldrų trajektorijas ir kokios įvesties tam modeliavimui reikia. Rasta, kad BLEVE metu skeveldrų išmetimo greičiui vertinti reikia prognozuoti skeveldrų skaičių ir mases. Ištirti ir susisteminti matematiniai metodai ir cilindrinių indų fragmentacijos sprogimų metu statistiniai duomenys. Pasiūlyta, kaip prognozuoti cilindrinio indo irimo pobūdį bei skeveldrų skaičių ir mases remiantis Bajeso statistinės teorijos metodais. Toks prognozavimas pagrįstas irimo pobūdžio nusakymu multinominiu tikimybių skirstiniu ir skeveldrų skaičiaus nusakymu Puasono tikimybių skirstiniu. Šių tikimybių skirstinių parametrai yra išreiškiami aprioriniais ir aposterioriniais skirstiniais, naudojamais statistiniame Bajeso modeliavime.
The final work investigates major accidents occurring as explosions of cylindrical vessels of road tankers. Such explosions are known in the special literature as BLEVE explosions. Data on traffic accidents of road tankers is analysed. Mathematical modelling the trajectories of cylindrical vessel fragments and input information necessary for such modelling is considered. The necessity of assessing the number and masses of fragments for the modelling of the trajectories of BLEVE induced fragments is stated. Mathematical methods and statistical data on fragmentation of cylindrical vessels allowing a prediction of this process are reviewed. A prediction of fragmentation pattern and fragment number by means of Bayesian statistical theory is suggested. This prediction is based an application of a multinomial probability distribution of assessing the fragmentation pattern and Poisson distribution for estimating the number of fragments. Parameters of these distributions are expressed by means of apiori and aposteriori distributions used in the Bayesian statistical modelling.