构建基于贝叶斯(Bayes)网络的中医辅助诊疗系统模型

介绍了贝叶斯（Bayes）网络技术的隐结构模型在中医辨证思维中的应用，提出了中医辅助诊疗系统的设计思路，指出应将中医信息化的研究成果惠及大众。

Bayes推断和神经网络求解美式回望期权的隐含波动率

首先,用原始对偶活跃集方法求解期权定价正问题,将相应的数值解作为监督学习的输出,然后用训练好的神经网络替代期权定价正问题模型.其次,结合Bayes推断与神经网络进行Metropolis-Hastings采样,求解隐含波动率反问题.该方法减少了采样过程中正问题计算量庞大的问题,从而加速了反问题求解过程.

基于Bayes和LSTM神经网络模型的基坑变形值预测研究

为了提高基坑变形预测的准确性和可靠性,提出了一种基于贝叶斯方法(Bayes)和长短期记忆(Long Short-Term Memory,LSTM)神经网络的复合模型,并结合杭州市文一西路改造工程现场监测数据,比较了Bayes-LSTM模型与其他预测模型在大跨度基坑上方的地表沉降与水平位移数据预测误差。研究结果表明:与LSTM模型和支持向量机(SVM)模型相比,Bayes-LSTM模型对基坑上方地表沉降的预测精度分别提高了1.0和1.26,证明了Bayes-LSTM模型在地表沉降预测方面表现出较高的预测精度和泛化能力。该研究成果可为大跨度基坑施工安全管理提供决策与支持。

故障树和模糊贝叶斯网络在管廊运维风险评估中的应用研究

地下综合管廊是城市的生命线,一旦出现问题就会对人们生命财产安全造成巨大损害。为了系统地分析管廊运维风险,建立了基于模糊贝叶斯网络的风险评估框架。首先,通过分析管廊运维风险源与风险形成的原因以确定风险事件和风险类别;其次,建立管廊运维风险故障树来梳理风险因素之间的逻辑关系,将故障树映射为贝叶斯网络;最后,结合专家模糊评价,构建地下综合管廊运维风险评估模型。案例分析结果显示:中间事件“火灾、爆炸”与“危害气体浓度过高”的发生概率较高。敏感性分析结果显示:“运维人员操作和维护不当”是导致管廊运维风险发生的根本事件,因此需要制定严格管理措施及规范,加强对运维人员的素质培训,以降低管廊运维过程中各种风险的发生概率。

改进贝叶斯网络模型在起重作业人机交互差错风险分析中的应用

为量化分析起重作业人机交互差错风险,根据安全工效学原理及安全技术规范将起重作业人、机、环相关影响因素作为根节点,按照事故致因层次关联关系确定子节点,构建起重作业人机交互差错的3层级贝叶斯网络模型(Bayesian Network, BN);基于模糊集理论,采用认知可靠性与失误分析方法(Cognitive Reliability and Error Analysis Method, CREAM),厘定贝叶斯网络父节点失效概率以及中间节点条件概率;利用逆向推理仿真技术分析起重作业人机交互差错发生的因果链,探究起重伤害事故发生的人机交互差错风险。结果表明:起重作业人机交互差错最可能致因链为起重设备安全检查不到位→管理人员失误→人员操作失误→起重伤害事故发生;单因素失效条件下,起重作业人机交互差错风险概率呈线性增长趋势;在多因素失效条件下,一级节点因素失效概率愈大则人机交互差错效应愈显著,且呈现非线性增长态势。

基于动态贝叶斯网络的装配式建筑吊装施工安全风险分析

针对装配式建筑吊装施工期间风险影响因素多、不确定性高及风险状态随时间动态变化等问题,提出基于动态贝叶斯网络的装配式建筑吊装施工安全风险动态分析方法。首先,根据装配式建筑吊装施工特点和事故致因理论,从“人、物、环、管”4个方面建立风险指标体系。其次,引入时间维度建立动态贝叶斯网络模型,利用模糊理论和专家打分法量化网络节点的概率,并结合Leaky Noisy-or Gate扩展模型修正条件概率。最后,利用动态贝叶斯网络的双向推理功能对装配式建筑吊装施工安全风险进行动态风险分析。由实例分析得到某装配式建筑吊装施工安全风险的时序变化曲线,通过反向推理得到导致吊装事故发生的关键风险因素。研究成果可为分析和有效控制装配式建筑吊装施工安全风险提供新思路。

粤港澳大湾区内地城市群路网韧性的贝叶斯网络评估

随着我国城市化进程的推进,城市路网的韧性问题愈发凸显。构建了一种基于贝叶斯网络模型的城市路网韧性评价模型,并以粤港澳大湾区内地城市群为例,评估了2000—2019年该地区9个城市的路网韧性。基于韧性功能函数从容灾性、稳定性、重构性、恢复性4个方面建立功能层,选取稳定性、可变性、可维护性、可靠性、服务性、安全性、鲁棒性、可修性、适应性9个因素建立性能层,选取客运量、公共汽车数量、道路面积率、出租车数量、交通事故死亡人数、公共交通投资、每万人公共汽车数、道路运输从业人数、人均道路面积9个因素建立因素层。研究结果表明:路网韧性指数最高的为深圳(60%),而最低的为中山(43%);广州、深圳、珠海、东莞的路网韧性一直稳定增长,其余城市的路网韧性浮动较小;路网韧性并非总是随着城市GDP的增长而提高,还与人均GDP有关;敏感性分析表明,路网重构性、路网可靠性、交通事故死亡人数分别为各自所在层中对路网韧性影响最大的因素;加强中心城市与其他城市之间的联系可以提高城市路网韧性。研究成果可为粤港澳大湾区城市群交通路网功能完善与韧性提升提供技术参考。

基于Bayes序贯估计的无线传感器网络数据融合算法

移动代理被认为是无线传感器网络中解决数据融合的有效方法,但代理访问节点的次序以及总数对算法有较大影响,为此该文提出一种基于Bayes序贯估计的移动代理数据融合算法.该算法通过构造特定数据结构的报文,在多跳环境中由Bayes序贯估计调整梯度向量,据此动态决定移动代理的访问路径,使移动代理有选择地在传感器节点之间移动,且在节点处由移动代理对数据进行融合,将多余的感知数据剔除,而不是把原始数据传输到Sink节点。理论分析和模拟实验表明,该算法有较小的能量消耗和传输延时。

基于贝叶斯网络的拉线塔安全性评估方法

针对拉线塔安全性的影响因素众多,安全评估受主观性影响较大的问题,提出一种基于贝叶斯网络的输电拉线塔安全性评估方法。该方法根据故障树进行构建贝叶斯网络模型,利用拉线塔实际检测数据获取根节点故障状态及其概率,克服了根节点故障概率难以获取的问题。基于贝叶斯网络因果推理,实现拉线塔故障概率计算、致灾因子识别以及故障诊断,实现对拉线塔安全性的分析。通过实例分析表明:基于贝叶斯网络的拉线塔安全性评估方法克服了传统综合评价法主观性强的问题,评估结果与运行情况的一致性较强,可作为拉线塔安全评估的决策工具。

基于故障树和贝叶斯网络的管廊运维风险评估

城市地下综合管廊在运维过程中事故时有发生,为了量化管廊运维风险并分析关键风险因素,提出一种基于故障树和模糊贝叶斯网络的城市地下综合管廊运维风险评估方法。在综合考虑管廊风险因素的基础上构建故障树模型,将其映射为贝叶斯网络。基于ALARP准则划分风险因素状态等级,根据模糊数和模糊子集计算底事件的发生概率,利用最大似然估计法求解中间事件的条件概率,构建管廊运维风险贝叶斯网络模型,精准评估城市地下综合管廊运维风险。结果表明:所评估的管廊运维过程风险等级为High的概率为28%,接近30%的风险阈值,因此需要及时对管廊风险进行管控。该方法能够科学、合理地评价风险水平并确定关键因素,可为管廊运维安全保障和管理提供参考。

分组样本下Bayes网络条件概率的学习算法

本文应用带盘的 Bayes网络作为分析模型 ,对于学习实例数据库为分组样本的关于各组样本私有条件概率的学习算法进行讨论 ,构建出两层学习结构 :第一层针对各组私有条件概率分布 Θij(l) s的学习 ;第二层针对是各组公有条件概率分布Θij的学习 .算法在在综合公有后验条件概率分布和本组学习实例数据的基础上 ,实现对各组私有条件概率分布的学习 ,并可以通过调整组间差异性信度

主观Bayes方法与神经网络相结合的多传感器数据融合空间点目标识别方法

根据对空间弹道式目标及其伴随诱饵信息获取过程中存在的不确定性，将主观Ｂａｙｅｓ方法引入到空间点目标的识别中．为解决应用不精确推理方法所必需的知识和经验的前提问题，将神经网络的输出代替领域专家的知识和经验，并给出了将神经网络与主观Ｂａｙｅｓ方法结合起来的具体方法，进而提出一种多传感器数据融合识别空间复杂弹道式目标及其伴随诱饵的识别模型．实验仿真结果表明，大大改善了识别效果．

基于故障树和Bayes网络组合的装备故障诊断

针对故障树和Bayes网络在故障诊断中的局限性,提出一种使用故障树和Bayes网络组合的方式建立诊断故障Bayes网络,并基于诊断故障Bayes网络运用联合树推理进行故障诊断的方法.该方法解决了在复杂系统故障诊断过程中独立运用故障树和Bayes网络出现故障推理能力弱和建模难等问题.实验结果表明,使用该方法对某型舰船上的甲板灯光照明系统进行故障诊断,得出了各个故障征兆节点或故障原因节点的概率分布,从而可快速准确地定位甲板灯光照明系统故障.

遥感影像居民地目标Bayesian网络识别算法研究

利用Nave Bayesian网络的学习和推理机制,提出一种在遥感影像上提取居民地目标的方法。该方法通过对所选取的正负样本进行学习,获取Bayesian网络的重要参数,即条件概率和概率分布密度。在此基础上,根据正负样本所构建的条件概率网,对未知类别信息的影像进行分类,从而获取居民地目标的信息。通过对实际全色SPOT5影像中居民地目标的提取,表明该方法具有较高的识别率。

基于Bayes网络的惯导系统多源试验信息融合方法

提出了一种基于Bayes网络的惯导系统多源试验信息融合方法,旨在为惯导系统的精度鉴定工作提供新的研究思路。首先利用环境折合因子建立不同类别试验信息间的相互联系,然后通过Bayes网络构建反映所有变量关系的图形映射模型。根据试验信息,Bayes网络中的MCMC算法可以快速获得环境折合因子等变量的验后统计特性,继而可以实现不同试验条件下惯导系统误差模型的信息折合。针对惯导试验数据的小样本特性,还讨论了两种不同的信息折合方法。地面标定试验和车载试验信息融合的仿真结果表明了上述方法的有效性。

基于Bayes网络的航空图象理解模型

提出一种基于Bayes网络的图象理解模型,用于检测与描述城市航空图象中的停车场、空地、房屋等二维和三维目标.模型首先使用一种基于感知组织的算法生成焦点区域,然后使用Bayes网络建立焦点区域的图象特征与目标之间的(不确定性)联系,由Bayes网络推理机制完成对焦点区域的识别.对于屋顶区域,模型使用一种基于DEM(digitalelevationmap)方向直方图的匹配算法进行模板匹配,生成房屋的三维几何模型描述.模型中所有Bayes网络组成层次结构,可以方便地增加被识别目标的种类;图象特征与提取图象特性的算法之间由一种称为证据源的数据结构相连接,可以方便地扩充图象特征的提取算法.由此实现了模型的易扩展性.实验结果表明了本文模型的有效性.

融合案例挖掘与贝叶斯网络的溃坝事故致因风险分析

为了更加深入、全面探究溃坝事故致因风险发生机理,提出了融合历史溃坝事故案例挖掘与贝叶斯网络的溃坝事故致因风险计算方法。该方法在采集国内外大量历史溃坝事故案例的基础上,采用24Model识别和提取溃坝事故致因及致因链,构建了溃坝事故致因拓扑结构,利用贝叶斯正向因果推理计算了溃坝发生概率,并结合反向诊断推理分析溃坝成因机理,基于贝叶斯敏感性分析挖掘影响溃坝关键风险因素。结果表明:在人为因素方面,闸门控制问题比例较高;在管理因素方面,施工问题、运维管理缺陷、设计问题是溃坝重要间接诱因;洪水漫顶、渗透侵蚀和渗透管涌是导致溃坝的主要风险因素。

改进贝叶斯网络在变压器故障诊断中的应用

针对变压器故障诊断精度低的问题,文中提出一种基于改进黏菌优化算法(Improved Slime Mould Algorithm,ISMA)优化贝叶斯网络(Bayesian Network,BN)的变压器故障诊断方法。通过爬山算法对定向最大支撑树搜索得到贝叶斯网络初始结构即初始种群,在改进黏菌优化算法中引入反向学习策略,增加种群多样性。添加正弦-余弦算法(Sine Cosine Algorithm,SCA),更新解的位置以避免种群陷入局部最优。根据改良的无编码比值法选取变压器故障状态的特征,利用改进黏菌优化算法优化贝叶斯网络结构,提高基于贝叶斯网络的变压器故障诊断的准确率,并利用不同种类的测试函数验证了改进黏菌优化算法具有收敛速度快、收敛精度高的优良性能。仿真结果表明,ISMA-BN诊断模型的训练集和测试集准确率分别为98.2%和97.14%,具有一定的研究价值。

基于粒子群优化算法的Bayesian网络结构学习

近年来,Bayesian网络已经成为人工智能领域的研究热点.为了更广泛的应用Bayesian网络,本文采用粒子群优化搜索算法,通过对粒子群算法中各个算子的确定,从训练数据样本中学习到Bayesian网络结构,并用测试数据样本测试学习结果与训练数据的匹配程度,试验结果表明,该算法能有效地学习到Bayesian网络结构.

Bayes网络学习的MCMC方法

基于Bayes统计理论,提出了一种从数据样本中学习Bayes网络的Markov链Monte Carlo(MCMC)方法。首先通过先验概率和数据样本的结合得到未归一化的后验概率,然后使用此后验概率指导随机搜索算法寻找“好”的网络结构模型。通过对Alarm网络的学习表明了本算法具有较好的性能。