基于动态贝叶斯网的航班延误传递分析

为对航班延误传递的特性进行研究,采用动态贝叶斯网络对延误传递过程进行分析。在动态贝叶斯网络结构确定的条件下,不同的参数学习方法效果不同,以似然函数作为度量准则,比较两种不同的参数学习方法在相同数据集下的学习结果,在较好的学习结果上,对航班延误传递的特性进行分析。分析结果表明,当上游航班发生延误时,若飞机过站时间充分,大多数情况下延误可被吸收,为航班延误传递的关键环节过站时间的设置提供了很好的参考;航班延误传递是一个非稳态过程,当延误在传递的过程中时,延误时间的不确定性是逐渐增大的,预测准确的可能性是逐渐减小的。

动态贝叶斯网络结构学习的依赖分析方法研究

针对现有动态贝叶斯网络结构学习方法具有低效率和低可靠性等问题,基于变量之间的基本依赖关系和依赖分析方法进行动态贝叶斯网络结构学习。建立变量之间依赖关系草图,通过条件独立行检验去除多余的边,使用碰撞识别和条件相对预测能力确定边的方向,便可得到构成动态贝叶斯网络结构的先验网和转换网。该方法在效率和可靠性方面均具有优势。

基于动态贝叶斯网的技术创新风险预警方法

技术创新是一项高风险活动,需要及时地识别、测度和预警风险。文章提出了基于动态朴素贝叶斯网的技术创新风险测度与预警模型,介绍了风险因素设置,贝叶斯网建模,风险判别与测度,风险预警以及风险诊断,并应用企业技术创新案例数据验证了模型的有效性。

基于动态贝叶斯网的炮兵战斗效果评估建模仿真

依据炮兵火力作战的特点规律,分析炮兵战斗效果评估的内容、程序、建模过程和影响因素,运用动态Bayesian网建立炮兵战斗效果评估模型,运用主成分分析方法确定评估专家权重,运用Poly Tree的消息传递算法进行评估网络推理分析,最后结合案例仿真验证。结果表明,该研究解决了情报信息不确定性、模糊性和动态性等影响战斗效果精确评估问题。

基于贝叶斯网的评价数据分析和动态行为建模

随着Web2.0的不断普及和电子商务应用的迅速发展,大规模的在线评价数据不断产生,使用户行为数据分析和用户行为建模成为可能,具有重要意义.考虑到用户评价数据和评价行为的动态性,提出以带有隐变量的贝叶斯网作为各属性间依赖关系及其不确定性表示的基本框架,构建既能刻画用户评价数据中各属性间相互依赖的不确定性、也能描述用户行为动态性的评价行为模型.首先,以贝叶斯信息标准(BIC)分值作为模型与数据拟合度的度量标准,提出基于打分搜索方法来构建各时间片的隐变量模型,并给出基于期望最大(EM)算法的隐变量取值填充方法;其次,基于条件互信息和时序的不可逆性,提出了相邻时间片间隐变量模型的构建方法.建立在MovieLens数据集上的实验结果验证了提出的动态用户行为建模方法的高效性及有效性.

基于动态贝叶斯网的双燃料船舶适航性评估

随着柴油-LNG双燃料船舶新型技术的兴起,迫切需要科学有效的方法对其进行适航性评估与安全监管。本文首先根据双燃料船舶的营运特点,从船舶动力丧失概率的角度分析和确定了适航性评估的内容、程序和建模方法。然后针对船舶使用双燃料和纯柴油两种工况下的失效模式特点,建立了相应不同结构的可靠性框图。最后基于可靠性框图建立了动态贝叶斯网络并计算了各节点的条件概率,解决了双燃料船舶适航性分析中的动态性,小子样、相关失效等难点。实例计算表明双燃料工况下由于共因失效冲击船舶动力丧失概率明显增大,验证了评估模型的正确性。

一种基于动态贝叶斯网的视觉注意力识别方法

头部姿态估计是识别用户视觉注意力目标的主要依据.但在实际应用场合下,大范围头部姿态、低分辨率图像以及光照变化等因素使得可靠、准确的头部姿态估计难以实现.针对这些困难,提出一种基于动态贝叶斯网模型的视觉注意力目标识别方法.通过人脸图像与多个人脸姿态类别的相似度向量对头部姿态进行度量而不是显式的计算具体姿态值.模型融合多注意力目标、多用户位置、多摄像机图像等因素间的概率依赖关系并进行联合推理.智能厨房原型环境下的实验结果表明提出的模型是有效的.

基于动态贝叶斯网模型的股指收益率序列预测

证券市场预测,是当前研究的热点和难点。动态贝叶斯网(DBNs),能够学习变量间的概率依存关系及其随时间变化的规律,表达时间序列蕴含的潜在信息。利用DBNs方法,在证券心理分析技术的基础上,建立中国证券指数的日收益率预测模型。文中使用上海证券交易所综合指数日收益率数据对模型进行训练与预测。在离散量预测环境下,模型能达到80.12%预测命中率,在采用混合高斯(GMM)分布的连续量预测中,模型的平均绝对比例误差(MAPE)指标<1%,低于BP神经网络和GARCH-BP神经网络,而且累计误差增长稳定。说明:在市场高噪声的情况下,模型具有良好的稳定性和预测能力。

基于动态贝叶斯网的野战防空演练效果评估研究

动态贝叶斯网是对不确性问题进行建模分析的有效工具,基于动态贝叶斯网,以作战效能为主要准则建立了野战防空演练效果评估的模型;仿真算例分析结果表明,采用动态贝叶斯网能够合理评估野战防空演练效果;与其他方法相比,由于考虑了时间因素的影响,动态贝叶斯网具有较好的准确性以及容错能力,能够更好地反映野战防空演练效果及其变化规律。

飞机地面除冰保障过程动态预测

针对冰雪气象下除冰保障过程的精细化管理及预测精度低下的问题,提出了一种基于时空关联动态贝叶斯网络的飞机地面除冰保障过程动态预测方法。在系统性分析除冰保障过程的基础上,设计了面向离港除冰队列的时空关联节点判别方法,基于K最近邻算法简化关联节点并构建了变结构动态贝叶斯网络模型。基于核注意力机制的除冰保障节点先验概率密度估计方法,结合条件概率更新结果构建了面向不同状态的飞机地面除冰保障过程动态预测方法。实验结果表明:所提方法在考虑除冰保障演化不确定性的基础上实现了各节点的动态预测,平均绝对误差为2.34 min,整体精度相比静态贝叶斯网络方法最大提升8.66%,为地面除冰运行战术组织及决策控制提供了有效依据。

基于贝叶斯网络时序模拟的含微网配电系统可靠性评估

依据贝叶斯网络的逻辑关系进行推理,针对微网内分布式电源输出功率的不确定性以及负荷的时变特性,采用分时段方法求解含微网配电系统的可靠性指标。在微网孤岛运行模式下,考虑分布式电源与储能元件的不同逻辑组合状态,设置等值功率(电源)结点,根据潮流计算,建立了微网内电源–负荷结点的"动态–供给"逻辑关系模型。运用贝叶斯网络时序模拟推理算法,对改进的RBTS Bus6-F4系统进行可靠性评估。借助贝叶斯网络因果推理可分析任意元件可靠性参数对系统可靠性指标的影响大小,利用贝叶斯网络诊断推理可分别求解出假设整体配电系统故障、微网系统故障、微网中重要负荷及不重要负荷故障时各元件故障的条件概率,进而找出影响系统或重要负荷点供电可靠性的关键因素,并识别系统可靠性的薄弱环节。

基于动态影响网的C2组织COA问题建模

提出了用动态影响网(Dynamic Influence Nets,DINs)对指挥控制(Command and Control,C2)组织行动过程(Course of Actions,COA)问题进行建模的方法。该方法通过引入因果强度参数,替代了传统动态贝叶斯网络中的条件概率表。给出了利用因果强度参数进行概率传播的具体计算方法。结合一个联合作战的仿真算例,验证了该建模方法的优越性和有效性。

采用排序和打分-搜索的多阶转换网学习方法

针对现有学习方法主要用于先验网和一阶转换网,且对于多变量复杂转换网其效率和可靠性难以得到保障等问题,建立了一种从向量时间序列数据中发现多阶转换网的方法.在给出多阶数据集构造方法的基础上,通过条件相对平均熵计算建立完全有向无环图,并基于完全有向无环图排序结点,在结点顺序的基础上,通过局部打分-搜索建立转换网.这种方法将更加高效、可靠和实用.

军事指挥控制中的贝叶斯决策支持

军事指挥控制是一个复杂的决策过程,该过程中信息是结合定性的专家知识和定量的融合数据而得到的。贝叶斯网为指挥控制系统提供了一个框架来处理这种专家知识和具体数据相结合的问题,并且影响图作为贝叶斯网的延伸可被用于分析指挥控制系统中某个决策的可行性。进一步地,为了减少所需指定的条件概率的数量并引入时变的概念,提出动态影响网作为一种新的决策支持方法。

载运车辆多源驱动系统动态可靠性关键技术及应用

针对目前城轨列车、货运机车等载运车辆存在的外在因素(运行环境恶劣、弓网关系异常等)和内在因素(供能和动力模式多样化、应力复杂化等)所共同导致的多源驱动系统的可靠性问题,研究团队依据"需求导引-方法验证-架构实现"的思路,在软硬件层面规划了多点多车多变量协同、车地联合、车-地-云端分层边缘实现特征的总体系统架构,实现了部件的关键特征提取分析、基于贝叶斯模型的可靠性设计与规划评估,最终实现了关键部件的可靠性管理.

基于动态贝叶斯网的状态预测

由于状态的取值不仅依赖于前一时刻状态而且还受到多种随机因素的影响,因此预测模型应当能够表示出变量之间的这些依赖关系.而动态贝叶斯网络是解决此问题的一个有效工具.基于动态贝叶斯网提出了一种状态预测模型,并根据随机事件之间的互信息量提出了节点之间的支持度,还提出了利用支持度的证据传播算法来修正预测结果的方法.最后,给出了综合预测过程.

组织过程策略优化的案例分析与求解

组织过程策略优化是依据组织的使命和资源能力约束建立组织的最佳行动过程。以联合战役为背景对基于效果的组织过程策略优化方法进行了案例分析,并对最佳策略搜索的不同方法进行了比较,通过案例的求解结果分析了基于效果的过程策略优化方法的可行性。

基于EAP-GA的联合作战行动计划

建立了行动计划生成模型,利用混合遗传算法来优化可行的行动计划,提出了在复杂不确定环境中求解有效联合作战行动计划的方法框架EAP-GA,有效解决了不确定环境中行动计划问题。结合一个联合登岛作战想定案例,对行动计划建模及求解进行了验证。

基于MEBN的战术意图识别

战术意图识别是不确定性战场环境中理解战场态势、预测敌军将来行动过程的关键。意图识别模型的构建是作战仿真系统中实体行为建模的难点之一,如何表示不确定的意图元素及其不确定性关系并进行有效推理是意图识别的核心问题。分析了影响敌人战术意图的因素及各因素之间不确定性表示途径,提出了采用多实体贝叶斯网(multi-entity Bayesian network,MEBN)来描述敌人的战术意图,采用一阶谓词来表示意图影响因素,大大扩展了贝叶斯网表示不确定性问题的能力。MEBN采用实体片断集描述敌人的作战知识,方便重用。基于描述的敌人意图知识库,给出了基于知识的模型构建算法来动态构建战术意图识别模型。最后,通过仿真实验,对基于MEBN的战术意图识别方法进行了实验验证,结果表明该方法是有效可行的。

基于贝叶斯网的舰艇防空威胁评估

现有威胁评估模型的参数大多由专家直接给出,很难应对不确定的对抗场景,以舰艇防空为背景,探讨如何建立适应能力更强的评估模型。首先通过领域专家构建一个舰艇防空威胁评估的静态BN模型;接着加入时间变量,将威胁评估BN扩展为DBN模型;然后结合专家约束,用约束最大后验概率估计算法学习网络参数;最后,通过推理威胁评估的结果来验证模型的有效性以及对不确定对抗场景的适应能力。该建立模型的流程具有更好的普适性,能很好地处理不确定对抗场景下的威胁评估任务。