基于Credal网络的企业科技竞争力评价模型

通过分析现存企业科技竞争力评价方法的局限性,提出利用带隐变量的Credal网络对企业科技竞争力进行评价的方法,以反映企业科技竞争力系统中的不确定性及复杂性,并能提供对企业科技竞争力的预测和诊断。建立了企业科技竞争力评价的通用Credal网络模型,并结合算例,采用枚举法阐述了具体推理过程,结果表明该方法是有效的。

Credal网络在港口生产安全评价中的应用

提出一种基于Credal网络的港口生产安全评价方法。建立了基于Credal网络的安全评价模型,并融合多专家的各种不确定性概率知识进行推理。然后,结合BNT工具箱,给出了Credal网络模型的双向推理算法实现,在诸多不精确局部概率条件下,进行前向的故障预测和后向的诊断分析,并通过对码头前沿机损的安全评价实例说明该评价方法的合理性和有效性。

扩展关系数据模型下的Credal网络近似推理

对扩展关系数据模型作进一步延伸,构建了扩展乘积连接和扩展边缘连接操作。提出利用上述操作计算Credal网络中各结点联合概率分布和后验概率的方法,从而实现了Credal网络的近似推理,并给出了该近似推理的SQL语言实现算法,算例结果表明该方法是有效的。建立了Credal网络的关系数据结构,利用关系数据库的查询优化机制,有效规避了Credal网络推理过程中Credal集顶点组合爆炸问题,提高了Credal网络推理的效率。

基于Credal网络的权重融合方法

针对多属性决策中属性权重的确定问题,利用Credal网络提出了一种新的融合方法。该方法假设属性权重有多方面的来源,包括以前决策时的经验信息,不同决策者的偏好产生的权重信息,不同方法计算的权重信息,等等。建立了一个Credal网络模型进行推理计算,得到了各属性的综合权重区间,使之既包含了以前的经验信息,又包含了多个决策者给出的偏好信息。用2个数值算例说明了方法的有效性。

基于Credal网络的车间通风系统火灾风险管理模型

介绍Credal网络相关理论,提出基于Credal网络的车间通风系统火灾风险管理模型,通过建立Credal网络拓扑结构、确定网络节点参数对火灾风险进行识别、评估、处理。以某轮胎制造企业密炼车间为例,根据该车间通风系统火灾发生的历史数据和专家定性知识对Credal网络模型的各节点进行参数确定,阐述该模型的具体推理过程。结果表明,该模型不仅可以通过基本参数的收集实现通风系统火灾风险的实时评估,还可以在火灾风险超出危险阈值时辅助安全管理人员确定危险源,为制定针对性措施、降低火灾风险提供依据。

Credal网络推理的一种不完全枚举法

Credal网络是研究不确定环境下知识表示和因果推理的一种图模型,其条件概率值可以用不精确的区间或不等式定性地表示,使得表达方式更加灵活有效。Credal网络的推理是计算一定证据下的后验概率最大值和最小值,给出了一种Credal网络推理的新方法,该方法是在桶消元框架下通过枚举计算部分因子函数值,使计算量大大减小,并且可以得到精确的结果。最后用一个实例说明了该方法的可行性。

基于credal网络的软件项目风险管理模型

针对软件项目的复杂性和不确定性,本文在贝叶斯网络基础上,提出了一种基于credal网络的软件项目风险管理模型。该模型不仅能处理专家估计风险因素的影响时给出的不精确概率,还能集结多专家的不同意见。实践证明该模型能充分利用项目数据和专家经验,通过概率推理,有效地预测潜在风险,辅助风险管理者确定风险源并及时采取措施以降低风险发生的概率。

基于Credal网络的农作物单产预测模型研究

现存农作物单产预测方法往往是在历史数据完备的前提下进行精确数值预测,未能真实体现农作物单产系统的不确作定性,而且无法对既成现实进行诊断分析。在决策需求仅仅要求产量等级水平的假设下,本文把不确定性信息处理方法 Credal网络模型引入到农作物单产预测系统,通过分析农作物单产系统各影响因素之间的关系,提出类要素和影响因子的概念,构建了进行农作物单产预测的通用Credal网络模型。把农作物单产量的等级水平状态作为概率事件,通过Credal网络前向推理功能预测其状态发生的概率,把高概率事件发生的等级状态作为其单产预测等级,实现了在已知部分事实发生情况下的知识推理。此外,利用Credal网络的后向推理功能,实现对农作物低产事实下的诊断分析,找出影响低产的关键类要素和影响因子。最后结合算例,采用基于扩展关系模型的近似推理算法阐述了利用该模型对农作物单产进行预测和诊断的应用过程,推理结果合理,表明该方法是可行的,且具有可释性,为农业生产科学决策提供了方法指导。

基于d-分隔的Credal推理网络约简算法研究

针对Credal网络推理应用中出现的Credal集顶点组合爆炸等问题,系统地提出了Credal推理网络约简的概念,并利用Credal网络中变量间的d-分隔特性,通过变量间独立性验证,设计了求解大规模Credal推理网络约简的算法。应用实例表明,该算法简化了目标网络,有效规避了Credal集顶点组合爆炸问题,对特定推理问题具有适用性和可行性,提高了Credal网络推理的效率。

基于智能算法的面向目标Credal网络近似推理方法研究

针对大规模Credal网络的推理问题,提出了面向目标分别与遗传算法、蚁群算法、遗传-蚁群算法相结合的智能化近似推理方法.对这些推理方法进行了设计、实现和比较.结果表明:智能化近似推理方法获取最优解的效率较高,给决策人员提供影响查询变量特定状态极值概率的敏感Credal集,用于决定对极值决策的信任程度.

不确定证据下的后验概率集结

任何变量的后验概率计算都假定证据变量E是确定的,无法处理不确定证据下的后验概率。针对这个问题,提出在贝叶斯网络及其扩展的Credal网络中应用证据出现的概率对后验概率进行折中处理,并用不确定的Credal集表达其结果,从一定程度上为决策人员提供有意义的决策依据。最后,结合GeNIe软件,应用实例说明了该方法的有效性和合理性。

考虑日周期性影响的光伏功率爬坡事件非精确概率预测

光伏功率爬坡事件的可靠预测对电力系统运行决策至关重要。针对现有光伏发电功率爬坡事件预测存在误报与漏报的问题,提出了一种考虑日周期性影响的光伏功率爬坡事件非精确概率预测方法。首先,定义了新的光伏爬坡特征量,以有效剔除光伏发电功率中的日趋势性变化。进而,为了避免光伏爬坡样本数据有限可能引发的预测误差,通过结构学习构建了最优信度网络,对光伏功率爬坡事件进行非精确概率预测;其中,信度网络节点关联的非精确条件概率由多状态随机变量的非精确狄利克雷模型统计得到。最后,根据给定气象条件,推理计算各爬坡状态发生的概率区间。基于某光伏电站数据的算例仿真验证了所述方法的有效性,表明所提方法可有效捕捉光伏发电功率变动中由气象条件引发的突变事件。

风电爬坡事件的非精确条件概率预测

风电爬坡事件(wind power ramp events,WPRE)易破坏电力系统的有功功率平衡,劣化频率稳定性及电能质量,威胁电网的安全稳定运行。由此,提出一种基于信度网络(credal network,CN)的WPRE非精确条件概率预测方法,对WPRE各状态发生概率的区间范围进行预测。运用贪婪搜索算法挖掘WPRE与多个气象变量之间的相依性关系,并搭建CN结构以抽象表达;在超参数设置方面对非精确狄利克雷模型(imprecise Dirichlet model,IDM)进行了拓展,使用拓展后的IDM对变量间的条件相依性关系进行不确定性量化,完成CN的参数估计;基于建立的CN模型,在获取气象预测信息的条件下,结合CN概率推断算法对多状态WPRE的分布进行非精确概率推断;采用宁夏某风电场的实测数据对本方法进行测试,验证了该方法在观测样本不充足的预测情景下优异的预测性能。