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。

基于潜在调控因子筛选的高阶动态贝叶斯建模方法

为了解决目前用于构建基因调控网络的方法中所存在的网络构建准确率低、网络构建时间过长等问题,以及减小网络构建的复杂度,提高网络构建效率,提出了一种基于潜在调控因子筛选的高阶动态贝叶斯网络建模方法(high-order dynamic Bayesian network modeling method based on potential regulatory factor screening,PRS-HO-DBN).该方法将关联模型与高阶动态贝叶斯网络模型相结合,首先利用潜在调控因子筛选的方法在不同的时间延迟下删除与目标基因关联程度较低的基因,保留与目标基因关联程度较高的基因并作为目标基因的潜在调控因子集,以减小搜索空间;然后利用高阶动态贝叶斯模型进行结构学习,以提高网络构建的精确率.与其他的网络构建模型方法相比,该方法可以极大地缩短网络构建的时间,提升效率和精确度.

基于动态贝耶斯规划图的状态安全报警关联

提出状态报警关联的概念以及基于动态贝耶斯规划图的报警关联算法。动态贝耶斯规划图在规划图的基础上结合了动态贝耶斯网络推理,显式地表示系统状态以及状态和攻击动作之间的相互影响。算法用贝耶斯推理处理不确定信息,量化地评估系统安全状态,并且有效地消除误报。

基于高阶动态贝叶斯网络嵌入的路面异常检测算法

路面异常会给驾驶员与行人带来不便,更可能引发交通事故。提出了一种通过传感器时序信号数据进行路面异常检测的算法。针对行驶过程中采集的不同传感信号之间具有较强的高阶时序相关性的问题,通过构建高阶动态贝叶斯网络分类器来实现异常检测。首先,通过相关性分析和Granger因果分析分别构建初始时刻网络和转移网络的初始网络;然后,将传感信号进行小波分解,通过卷积神经元网络实现网络嵌入学习;最后,利用网络嵌入进行链路预测,结合MDL评分实现网络修正学习算法。实验结果表明,该检测算法相对于传统的时间序列分类方法,在分析时序相关性较大的信号数据时,具有更低的误检率和漏检率、更高的F1值,并且更加鲁棒。

基于R藤Copula-DBN时空相关性建模的风光荷功率概率预测

计及时空相关性的多维风光荷功率概率预测可全面描述风光荷不确定性,为电力系统安全稳定和经济运行提供保障。提出一种基于R藤Copula-动态贝叶斯网络(DBN)时空相关性建模的风光荷功率概率预测方法。基于R藤Copula模型和传递熵刻画多维变量的空间相关性,建立初始状态的贝叶斯网络;将初始贝叶斯网络在时间点序列上进行延拓,构建可刻画风光荷功率时间自相关性和空间相关性的DBN;将所建模型应用于计及时空相关性的高维风光荷功率概率预测。算例仿真验证了所提方法的有效性。

融合强化学习的DBN跑道侵入风险预测

为解决机场跑道侵入事件风险量化难度大、时效性差、精准性低等问题,提升跑道侵入风险预警能力,构建融合强化学习的动态贝叶斯网络(DBN)风险预测模型。首先,结合因果推断理论与灰色关联分析法分析跑道侵入历史事件,识别跑道侵入事件风险致因;其次,运用贝叶斯网络(BN)理论挖掘各风险因素间的关联性,并利用皮尔逊线性相关系数量化各因素间的关联关系,构建表征风险传播的致因关系网络;然后,利用三角模糊方法与隐马尔可夫模型(HMMs)优化DBN参数学习机制;最后,利用历史数据验证基于融合强化学习的DBN预测结果准确性。结果表明:基于融合强化学习的DBN预测结果与历史数据统计数值的拟合较好,准确率为84%,与单独DBN预测结果相比准确性提升10%;相比于采用度值评价法,通过互信息识别关键节点可有效提升预测准确率和区分度。

基于加权动态云贝叶斯网络空战目标威胁评估

针对目标威胁评估中信息表达的不确定性和评估指标之间的关联性,以及动态贝叶斯网络推理方法不能满足条件独立性假设的问题,提出了一种基于加权动态云贝叶斯网络的目标威胁评估模型。首先,利用云模型良好的知识表达能力将不确定性信息进行定量描述;其次,基于改进的灰色关联系数极大熵模型求解指标间权重,弱化了贝叶斯网络节点条件独立性假设;最后,利用证据相关法对加权动态云贝叶斯网络进行推理,实现了关联性指标间的评估。仿真结果表明,该模型能够有效地进行超视距空战目标威胁评估。