基于预测能力的连续贝叶斯网络结构学习

通过对连续随机变量之间预测能力及其计算方法的讨论,提出基于预测能力的连续贝叶斯网络结构学习方法。该方法包括两个步骤,每个步骤都伴随环路检验。首先建立初始贝叶斯网络结构,其次调整初始贝叶斯网络结构,包括增加丢失的弧、删除多余的弧及调整弧的方向,并使用模拟数据进行了对比实验,结果表明该方法非常有致。

连续贝叶斯网络在系统动态安全性分析上的应用

复杂系统失效往往表现出动态行为和不确定性。针对系统安全性分析的动态问题及高精度难题,基于各种逻辑门,提出了连续贝叶斯网络建模方法,并将该方法应用于系统安全性分析。通过实例证明了该方法的正确性,结果表明该方法具有较高的精度。

血尿酸与慢性代谢性疾病的连续型和离散型贝叶斯网络效果比较

目的建立血尿酸与相关代谢性指标的连续型和离散型贝叶斯网络模型,探寻血尿酸的影响因素,并比较两种网络结果的特点和优劣。方法利用山西省2015年慢性病监测的血尿酸及其代谢性疾病的特征指标共4646例,采用(improved partial-correlation-based,IPCB)算法建立血尿酸的连续型贝叶斯网络,同时将上述指标离散化,采用(max-min hill-climbing,MMHC)建立高尿酸的离散贝叶斯网络。结果离散贝叶斯网络发现14条边,其中甘油三酯和舒张压异常与高尿酸直接关系,导致高尿酸的发生;年龄为间接因素;而连续贝叶斯网络共包含24条有向边,年龄、TG、LDL、HDL、SP、DP与尿酸水平直接相关,随着年龄、TG、LDL的增大和HDL的降低,尿酸水平升高,而尿酸水平升高又导致SP、DP升高;TC与尿酸间接相关。结论两种网络模型适应的资料类型不同,但连续型贝叶斯网络发现的直接相关因素更多,整体解释度更好。

连续贝叶斯网络在尿酸与慢性代谢性疾病相关性中的应用

目的基于改进的偏相关(improved partial-correlation-based,IPCB)算法建立连续贝叶斯网络模型,探寻尿酸(uric acid,UA)的代谢性影响因素,并通过与传统的多重线性回归模型分析比较,分析连续贝叶斯网络模型对疾病影响因素的效果和优势。方法以2015年山西省慢性病监测的4846例监测人群数据为研究对象,分别用多重线性回归模型和连续贝叶斯网络模型分析UA与其余9个代谢性疾病的特征指标的相关性,比较两种方法结果的优劣。结果经多重线性回归模型逐步分析,三酰甘油(triglyceride,TG)、SBP、DBP、低密度脂蛋白(low density lipoprotein,LDL)、高密度脂蛋白(high density lipoprotein,HDL)共5个变量与UA水平直接相关,解释了UA 9.5%的变异。连续贝叶斯网络模型共包含24条有向边,年龄、TG、LDL、HDL、SBP、DBP与UA水平直接相关,随着年龄、TG、LDL的增加和HDL的降低均会导致UA水平升高,而UA水平升高又导致SBP、DBP升高;总胆固醇(total cholesterol,TC)与UA间接相关。结论连续贝叶斯网络模型能发现更多UA的直接影响因素,还可以找到UA的间接影响因素,整体解释度更好。

考虑共因失效的新型连续时间动态贝叶斯网络可靠性分析方法

现代系统失效行为复杂,动态性与相关性并存。首先为直观准确地刻画分析系统中的动态失效行为,提出新型连续时间动态贝叶斯网络分析方法,利用节点时序条件概率表刻画事件关系,进而提出基于节点时序条件概率表规则执行度与冲激函数抽样性质的子节点故障概率、根节点后验概率及重要度的计算方法;进一步,针对共因失效引起的系统相关性失效行为,提出考虑共因失效的新型连续时间动态贝叶斯网络分析方法,解决系统失效逻辑动态性和相关性的重叠问题。通过与贝叶斯网络、离散时间动态贝叶斯网络分析方法、Markov链、Monte Carlo法对比,验证所提方法的可行性与优越性。最后,对动态失效相关系统进行可靠性分析,结果表明,本文方法能够直观有效地刻画动态性与相关性失效行为,得到准确的系统可靠性指标,考虑共因失效相比于忽略共因失效,在任务时间为5×10~6 h时能够提高系统29%的可靠性分析精度,更加符合实际。

连续动态贝叶斯网络实现多传感器融合跟踪

利用多传感器数据进行目标跟踪,关键是怎样将多传感器的数据合理应用来对系统的状态做出最佳估计。提出应用连续动态贝叶斯网络的方法,结合卡尔曼滤波器模型,实现用多传感器数据进行目标跟踪的方法,并对算法进行了推导和验证。仿真结果证明了提出的多传感器数据互相修正融合滤波方法具有良好的滤波效果,并能够弥补传感器数据缺失和抑制脉冲噪声。

基于贝叶斯网络的系统可靠性评估方法研究

为了有效评估动态系统要素间的复杂行为和交互特性,提出了一种基于贝叶斯网络(Bayesian Network,BN)的可靠性建模与分析的新方法。该方法利用BN的不确定性推理和图形化表达的优势,能够很好地捕捉系统要素的行为与交互,以结构的方式组合各种基本BN架构为用户提供模块化和分级的途径对系统进行建模。实验结果表明该方法的可行性和有效性。从而提高了系统的灵敏度,减少了其不确定性。

基于Pair-Copula贝叶斯网络模型的金融危机传播效应研究

为克服传统Copula函数建模的复杂性,采用Pair-Copula贝叶斯网络方法,将Copula函数与贝叶斯网络的优势相结合,有效降低了高维Copula函数参数估计的复杂程度,解决了连续型贝叶斯网络非正态下边际分布难以控制的问题,有利于捕捉网络结点间的非对称相依结构,从而构建了国际8个代表性股票市场在次贷危机爆发前、中、后各个时期的概率网络模型,对危机在主要国际市场上的传播效应问题及传播路径识别问题进行实证研究。研究结果表明:金融危机在国际金融市场上具有明显的区域性传播特征;香港市场在金融危机发生前后一直都是亚洲市场的连接枢纽,是风险防范的关键节点;危机发生后欧洲市场与亚洲市场间的紧密程度加强;金融危机减缓了全球一体化的进程,但经济全球化的趋势势不可挡。

船舶压载水系统可靠性分析

压载水系统能过保证船舶在航行过程中船体稳定,是邮轮重要的组成部分。由于压载水系统结构复杂,系统可靠性难以分析。为了分析压载水系统的可靠性变化,考虑系统在连续时间下的状态变化,基于连续贝叶斯网络,建立了一种新的船舶压载水系统可靠性分析方法。首先基于压载水系统的故障机理,提出动态故障树模型。然后利用单位阶跃函数和冲激函数,将动态故障树模型转化为连续时间的贝叶斯网络,对系统可靠性进行分析,最后,利用算例对船舶压载水系统进行仿真,得到船舶压载水系统的可靠性以及剩余寿命随时间变化的曲线。

基于贝叶斯网络的太湖叶绿素a影响因素分析

全球变暖加剧了湖泊富营养化问题.太湖作为中国典型的大型富营养化浅水湖泊,有害蓝藻水华问题尤为突出.以太湖作为研究对象,利用1992~2020年气象(气温、风速、降雨量、日照时长)、水质[总氮、总磷(TP)、电导率、pH、化学需氧量]和生物[叶绿素a(Chla)]监测数据,基于连续型贝叶斯网络模型构建了Chla的模拟模型,研究太湖不同气象和水质条件下的Chla水平.结果表明,春季“温风比”平均水平为6.67℃·s·m^(-1),ρ(TP)低于0.130 mg·L^(-1)左右时,Chla偏高(>75分位数,下同)的概率小于75%;夏季“温风比”平均水平为10.52℃·s·m^(-1),ρ(TP)低于0.257 mg·L^(-1)左右时,Chla偏高的概率小于75%;秋季ρ(TP)平均水平为0.154 mg·L^(-1),“温风比”小于6.30℃·s·m^(-1)左右时,Chla偏高的概率小于75%.基于以上研究,进一步利用连续型贝叶斯网络模型构建的Chla模型模拟了不同气候变化背景下的营养盐控制目标.为控制太湖Chla处于有害蓝藻水华暴发“低风险”水平,在1992~2000、2001~2010和2011~2020年各年代气候水平背景下TP需要控制的目标浓度阈值分别为春季ρ(TP):0.135、0.115和0.059 mg·L^(-1);夏季ρ(TP):0.174、0.164和0.145 mg·L^(-1)和秋季ρ(TP):0.171、0.162和0.145 mg·L^(-1).结果表明随着全球气候变暖,控制富营养化湖泊有害蓝藻水华需要更加严格的营养盐控制策略,可为太湖开展有害蓝藻水华防控和富营养化治理评估营养盐控制目标提供参考.

基于CTBN的移动对象不确定轨迹预测算法

为了高效准确地预测移动对象动态运动轨迹,提出了一种基于轨迹时间连续贝叶斯网络(CTBN)的不确定性轨迹预测算法,充分考虑了移动速度和方向对移动对象动态运动行为的影响,包含3个主要步骤:热点区域挖掘将轨迹数据集划分为不同的热点聚簇;轨迹时间连续贝叶斯网络的构建,其由3个变量(街区号、移动速度、移动方向)构成的状态组合;利用该网络预测移动对象动态运动行为计算可能运动轨迹。不同数据集上的实验结果表明该算法的预测精度优于朴素预测算法,并证明了热点区域挖掘的作用在于能够在保证较高预测准确性的前提下提高预测时间性能近60%。