该系统的总体目标为计算事故树各底事件风险度，计算泵站各组成部分的权重，在此基础上确定各底事件的发生概率，并且计算顶事件加权发生概率，判定风险等级。风险评估辅助系统主要由四个模块组成，泵站运行风险事故树分析模型模块主要用于选定事故树模型和统计底事件名称及个数、底事件风险度计算模块完成各底事件的风险度计算、泵站各组成部分的权重计算模块通过用户输入完成各部分的权重计算，计算结果输出模块则显示泵站各组成部分的权重计算值，系统自动计算组合权重、底事件概率、顶事件概率并判别泵站风险等级，同时显示其计算和判别结果

产品详细介绍请登录 中国科学软件网 了解更多Decisiontools软件信息和报价。每个人都想知道诸如此类问题的答案。掌握了此类信息，您就可以在作出重大决策时大胆猜测并能有把握地规划策略。使用 DecisionTools Suite，您可以在 Excel 电子表格中解答诸如此类的更多问题。DecisionTools Suite 中文版是一套在 Microsoft Excel 量身定制集成程序，从而使用户可以在一个软件包中针对不确定因素完成风险优化及决策分析的操作。DecisionTools Suite 中文版包括使用蒙特卡罗模拟执行风险分析的 @RISK、执行决策分析的 PrecisionTree 和执行自动“假设”灵敏度分析的 TopRank。此外，Suite 还包括执行预测、数据分析和最优化的 StatTools、NeuralTools 和 Evolver。所有程序的设计和开发均旨在使其易于配合使用。第 6 版新增功能 — 项目管理改进及其他功能全新 DecisionTools Suite 第 6 版包含多项改进，包括功能强大的 @RISK 与 Microsoft Project 的新型集成，借助该集成，您可以对 Microsoft Project 进度表上执行风险分析和蒙特卡罗模拟，而所有这一切都来自 @RISK for Excel 平台！@RISK 还添加了时间序列模型模拟、易于理解的用于确定风险推动因素的龙卷风图、更佳的制图选项、改进后的分布拟合及新的分布函数。但 DecisionTools Suite 6 绝非只包含 @RISK。PrecisionTree 6 添加了功能强大的贝叶斯修正功能，以及可在决策树任意位置插入节点的功能。RISKOptimizer 和 Evolver 6 目前含有 OptQuest 解法引擎，可在众多类型的模型中更快速地提供解法。RISKOptimizer 之前便一直与 @RISK 共享函数，而目前出于无缝建模的目的再次提高了与 @RISK 的集成度。同时，StatTools 和 NeuralTools 也已向神经网络测试中添加了多项散点图和灵敏度分析改进。新增功能：Office 2013/Windows 8 兼容性 DecisionTools Suite 内含的所有产品均与 Excel 2013、Project 2013 和 Windows 8（32 和 64 位），以及 Office 和 Windows 的先前版本（如 Office 2003/Windows XP）兼容。支持简体中文DecisionTools Suite 6 已完全翻译为中文。所有菜单、对话框、帮助文件和示例文件都是以中文显示。DecisionTools Suite 还提供英文版、西班牙语版、德语版、法语版、葡萄牙语版和日语版。 此外，DecisionTools 6.1 版的所有产品均支持您随意切换语言，仅需一个安装程序即可，绝对是跨国公司的完美之选。新的中文版示例现在，所有 DecisionTools 产品都加入了经修正和更新的示例文件，还有各行各业的示例。所有示例都采用有条理的方式加以编排，方便导览。视频提供中文版，并以中文演示 DecisionTools 软件。这些示例是由印第安纳大学的 MBA 教授兼作者 Chris Albright 博士设计和撰写。它们提供循序渐进的指引，从设置到运行模型，详细列举了在多个行业中的应用情况。Excel 易于使用 DecisionTools Suite 与您的电子表格完全集成。浏览、定义和分析 — 全部在 Excel 中完成。所有 DecisionTools Suite 函数均是真正的 Excel 函数，并且与 Excel 基本函数的行为方式完全一样。窗口全部与电子表格中的单元格直接链接，因此在某一位置进行更改，其他位置会相应进行更改。图表通过调用窗口指向其单元格。方便的拖放操作、上下文相关的右键菜单和直观的工具栏使您可以快速学习和使用 DecisionTools。组合的威力更强DecisionTools套装的每个组成部分都可以单独的执行强大的分析。当您把这些产品组合起来，执行分析就能够得到比任何单个的程序可以提供的更完整的结果。对您电子表单中的模型的组合分析通过使用PrecisionTree创建一个决策树开始，然后通过TopRank执行擶hat-it?#20998;析来识别在模型中的关键变量。然后把它带入到@RISK中进行分析，这时主要分析您的PrecisionTree模型中固有的机会事件和不确定收益分险。使用BestFit和RISKview来量化在您的@RISK，PrecisionTree，和TopRank模型中的分险.使用@RISK来执行不确定因子分险分析，然后使用RISKOptimizer来帮助您指定您可以控制的变量。DecisionTools套装包括下列工具：@risk- 流行的分险分析Excel插件,帮助您识别隐藏的机会和避免缺陷。增加蒙特卡洛(Monte Carlo)模拟功能到Excel电子表单中。通过@RISK分布函数和模拟来替换您工作表中的不确定值，并使用历史数据来选择合适的@RISK函数，得到那些可能的输出和那些输出发生的概率值，最后使用高质量的图像和图表来向其他人展示您的发现。PrecisionTree-适用Excel的决策分析插件，让您可以向其他人描绘什么是我们应该做的及为什么要这么做。在电子表单中创建决策树和影响图解，使用决策树来可视化模型制定事件的顺序。结果包括一份完整的统计报表，敏感度图表，和分析剖面图。TopRank 在 Microsoft Excel 电子表格自动“假设”灵敏度分析。您可以定义任何输出项或“结果”单元格，而且 TopRank 将自动找到并更改影响您的输出项的所有输入单元格。最终结果是确定影响您的结果的所有输入因素，并对这些因素进行排名。RISKOptimizer-解决各类顽固组合问题的Excel功能插件。使用遗传算法来找到可以达到预期结果的可控制因子的最佳可能组合，然后在特定的情况下运行蒙特卡罗(Monte Carlo)模拟来查看不可控变量的效果。RISKOptimizer自动组合这些分析。在DecisionTools工业版套装中包含该模块.

建立了我国首个针对食源性致病菌建立的可视化预测建模与定量风险评估预警平台，实现了食源性致病菌污染信息的荟萃分析、实验观测数据的建模评价、种群大小的模拟预测，及目标食品-致病菌组合的模块化定量风险评估。所建平台作为通用型工具，减轻了微生物风险评估相关科研人员、生产者、监管者等的学习负担和时间成本，提高了预测微生物模型的实用性，推动了我国微生物风险评估的发展和普及。

当代国际竞争的加剧，让国家安全意识日益深入人心。但如何利用创新科技防范，水/空气/食品中存在的，包括人为制造的未知毒素所带来的安全风险，中美澳三国科学家和企业倾力合作10年推出，全新的生物智能安全风险评估技术： WAFSA（Water/Air/Food Safety Assessment Technology） 水/空气/食品安全/风险评估科技 WAFSA服务对象，主要是各类学校及机关企事业单位，提供常年水/空气/食品的安全风险评估，为保障广大师生及各级领导/公务员/职员正常的工作秩序提供科学依据。   WAFSA已获得《中关村NMT产业联盟》相关技术及服务认证！   1）什么是WAFSA？ WAFSA以活体生物环境有害毒素检测为理论基础，以NMT为技术基础，以斑马鱼、日本鲭鱼、酵母等为活体生物传感器，结合大数据分析和数据可视化技术，将水/空气/食品中可能存在的已知及未知毒素进行安全风险评估。 2）如何得知我们的水/空气/食品有安全风险？ 通过WAFSA监测，您将得到WSI（水安全风险指数），ASI（空气安全风险指数）以及FSI（食品安全风险指数）及相关说明。   3）知道有风险后，我们该如何应对？ 请首先远离/隔离毒素源，然后联系国家相关监测机构进行进一步分析和检测。   4）什么是‘未知毒素’？ 对人类有害，但又超出目前人类传统检测能力的生物及非生物因子。 目前已知水中的有害物质（毒素）有300多种，而且仍以每年十几种到几十种的速度迅速递增。 ‘未知毒素’主要来源于‘叠加毒素’和‘人工毒素’。 ‘叠加毒素’由不同的已知或未知毒素的随机叠加效应而成；而‘人工毒素’则是人类通过物理化学方法或生物工程技术所制造出的，自然界本不存在的，并且对人类有害的物质。   5）什么是‘生物监测’？ 利用活体生物通过漫长的进化而具备的，超出人类对环境的感知能力，对环境有害物质进行定性定量检测的方法。   6）‘生物监测’相比‘传统监测’的优势？ 主要是两点：一是速度快，二是可以覆盖对人类健康具备危害的‘未知毒素’。

疫情防控，快速识别出潜在的感染者是关键。近日，西安交大管理学院刘跃文副教授研发出新冠肺炎感染风险的大数据评估模型，可基于旅行大数据，综合计算新冠肺炎感染风险指数和级别。该模型在云南省全面推广应用，大幅度提升了防控一线现场核查工作的效率，在一定程度上控制了疫情传播风险，得到了云南省委、省政府领导的高度认可。 当前，在阻断新型冠状病毒传播的工作中，存在三个盲区也是关键点，严重影响着疫情防治的效果，即：一是很难知道某个人是否在公共交通工具及场所中与已确诊人员或疫源地人员接触过；二是个别人员近期到过疫源地或接触过确诊人员，但是毫不在意，不汇报也不主动自我隔离；三是个别人员甚至刻意隐瞒自己曾到过疫源地或接触过确诊人员的历史。为此，上述三种类型人员给疫情防治工作带来了巨大的挑战，使其无法开展有效核查，也无法有效规避风险。据刘跃文介绍，2月4日，新型冠状病毒感染风险的大数据评估模型及系统在云南省正式上线应用，基于个人的旅行数据，自动分析其是否到过疫源地、是否与疫源地人员接触、是否与已感染病例接触等多项指标，利用贝叶斯方法，计算其感染新冠病毒的可能性指数，并预警高风险人员。

iED 是由清华大学信息研究院联合武警总医院、倍肯公司专门为心脑血管意外早期现场快速鉴别诊断研发设计的。可在院前急救现场对患者生命体征进行采集分析，帮助现场急救医护人员进行心梗的自动诊断及处理，并将患者的生命体征等信息实时发送到区域医疗中心、医院和专家手机上，专家可以在患者到达医院前给予病情分析与指导，指定合理化的治疗方案。 

压力容器设计阶段风险评估的技术思路是世界压力容器设计技术的革命，最早是由欧盟在2002年强制执行的法规——《承压设备指令》（PED）中提出的。2009年以后我国借鉴这个思路，TSG R0004-2009《固定式压力容器安全技术监察规程》规定了对第Ⅲ类压力容器在设计阶段应出具风险评估报告。但我国开展Ⅲ类压力容器设计阶段风险评估缺乏相应的理论依据和技术标准，只能参照国外RBI（基于风险的检验）技术进行。首先，无论是从风险识别、同类失效频率还是风险定量计算等环节国内外都存在着较大差异。如果完全采用国外的数据库及风险评估模型势必造成评估结果的不准确，影响容器本质安全。其次，设计阶段的风险评估并不等同于RBI，国内缺乏这方面系统的研究。本成果通过调研和理论研究，提出适合于我国实际的Ⅲ类压力容器失效可能性计算模型与失效后果分析模型修正方法并开发相应的风险评估软件。对我国重要压力容器在设计阶段开展风险评估，做到所谓“优生优育”，提高本质安全性具有重要的指导意义。另外，本软件能指导Ⅲ类压力容器设计阶段的风险评估工作，不仅为设计工作提供科学的理论依据，又能极大提高设计工作效率。 该软件能自动识别设计阶段Ⅲ类压力容器可能的风险因素、自动验算容器类别、自动定量计算风险值、自动生成风险评估报告并自动导出word文档的报告、失效事故案例库查询。

新型毒品正在扩大对青少年的毒害，青少年对新型毒品的识别能力较差、应用新型毒品诱惑能力较弱，因此容易陷入新型毒品泥坑里。 研究开发了《华西青少年吸食新型毒品风险评估量表》，旨在识别具有陷入新型毒品泥坑风险的青少年，及时采取干预措施，帮助青少年远离新型毒品的伤害。

系统开展了单增李斯特菌、肠炎沙门氏菌、蜡样芽胞杆菌、气单胞菌等食源性致病菌的定量风险评估，完善了肉类中致病菌的定量暴露评估研究体系，开展了冷却猪肉中气单胞菌暴露评估的不确定性和变异性比较，明确了阴性样品中致病菌分布对微生物定量风险评估的影响，完善了致病菌不同剂量效应模型的构建及优化，完善了食源性致病菌之一的单增李斯特菌的竞争建模、定量风险评估及风险管理等。基于以上开发整合设计了具有自主知识产权的食品安全风险预警软件，开发设计了具有自主知识产权的“食品安全风险预警软件”，进一步以微软 Excel 的加

《科学·进展》（Science Advances）在线刊登了清华大学水利系杨大文教授课题组题为“青藏高原多年冻土融化的碳排放风险（ Permafrost thawing puts the frozen carbon at risk over the Tibetan Plateau）”的研究论文。这是该课题组近年连续在专业领军期刊发表多项关于青藏高原冻土变化的研究成果后，在青藏高原冻土变化对土壤有机碳的影响与潜在风险评估方面的又一重要研究进展。 北半球分布的多年冻土面积约占北半球陆表面积的1/4，其中环北极多年冻土区储存着大量土壤有机碳，约为当前大气中碳储量的二倍。近年来，随着气温升高与冻土退化，原本冻结在多年冻土层中的土壤有机碳，通过微生物分解以CO2、CH4等形式释放到大气当中，这些温室气体反馈到大气进一步加剧气温升高与冻土退化，形成冻土-气候的正反馈效应。青藏高原地区分布着环北极地区以外最大范围的多年冻土，有地球“第三极”之称。青藏高原多年冻土区储存的土壤有机碳可能成为气候变化背景下的潜在碳源，而这些冻土碳的空间分布尚不明晰，融化风险也亟待评估。基准期(2006-2015年)多年冻土活动层厚度与表层(0-3m)土壤有机碳分布杨大文教授团队整合青藏高原地区最新的冻土与土壤碳观测数据，模拟了青藏高原多年冻土与活动层厚度分布，基于数据驱动的机器学习方法得到青藏高原冻土碳空间分布信息，估算了青藏高原冻土有机碳的储量。结果表明，青藏高原土壤有机碳总储量约为50.43 Pg，其中37.21 Pg在当前气候条件下常年位于冻结的多年冻土层中。这一成果填补了全球已有冻土碳数据中关于青藏高原地区冻土碳分布状况的空白。不同排放情景下未来青藏高原融化冻土有机碳的变化预测该研究还首次评估了升温背景下青藏高原冻土有机碳释放对区域碳循环的潜在影响。随着气候变暖，至本世纪末青藏高原多年冻土层中储存的土壤有机碳约22.2-45.4%将发生融化，这一融化量可在相当程度上抵消了生物群系净固碳量，从而极大地增加了青藏高原多年冻土区从碳汇转变为碳源的风险。其中，3m以下深层冻土中有机碳融化量占冻土碳总融化量的比例高达29.6-46.2%，这一结果凸显了青藏高原地区深层冻土碳的重要性，弥补了现有研究仅关注浅层（0-3m）冻土碳释放的不足，为评估气候变化背景下冻土融化对区域乃至全球碳循环的影响提供了新思路。清华大学水利系博士生王泰华为论文第一作者，杨大文教授、杨雨亭副教授为共同通讯作者，合作者包括北京大学朴世龙教授、中国科学院青藏高原研究所李新研究员、中国科学院寒区旱区环境与工程研究所程国栋院士和中国科学院生态环境研究中心傅伯杰院士。该研究工作得到了国家自然科学基金、中科院战略性先导科技专项等项目资助。原文链接：https://advances.sciencemag.org/content/6/19/eaaz3513