基于小波分析和集成学习的短时交通流预测

针对短时交通流具有随机性和不确定性等特征,本文提出一种基于小波分析和集成学习的组合预测模型。首先对原始交通流数据的平均行程时间序列应用Mallat算法进行多尺度小波分解,且对各尺度上分量进行单支重构;然后对于各重构的单支序列分别使用极端梯度提升模型（extreme gradient boosting, XGBoost）进行预测得到多个子模型,同时利用贝叶斯优化算法进行子模型的最佳参数选择;最后把所有子模型的预测值代数求和,得到总体交通流的预测结果。采用美国纽约布鲁克林地区某路段实际交通流数据进行预测,并对预测结果与其他模型进行比较分析。研究结果表明：小波分析和XGBoost组合模型预测效果优于传统线性模型及单一XGBoost模型,从而更好地为交通管理提供指导意见。     

基于博弈策略的双无人机冲突解脱方法

针对无人机在空域飞行时完成冲突解脱所存在的消耗时间长、绕飞距离严重、机动次数多等问题,在2架无人机发生冲突的条件下,基于博弈论的知识,提出一种双无人机冲突解脱方法。首先,依据2架无人机的运动模型建立冲突探测模型,求出达到最小距离的时间公式,根据此公式反解出2架无人机改变的速度或航向值;其次,将鹰鸽博弈与贝叶斯博弈结合,以期望效用分析适合双方的解脱策略;最后,完成解脱后为减小航迹偏离等情况,无人机执行恢复策略恢复至初始状态。结果表明,与单机解脱相比,在解脱时间、绕飞距离、总飞行时间及总飞行距离方面的效果都有所改善。改进后的探测模型不仅能迅速计算出解脱策略改变值,而且在引入博弈策略后冲突双方可根据自身最大效益选择解脱策略,解决冲突解脱问题的方法简单有效,可以保证无人机在空域内发生冲突时能快速解脱。     

基于直觉模糊贝叶斯网络的高速铁路突发事故态势估计

针对高速铁路突发事故应急决策初期信息不足且不确定的问题以及救援部门应急决策能力的局限性,本文提出了一种基于直觉模糊理论与贝叶斯网络推理相结合的应急决策方法。首先分析了高速铁路突发事件的诱因、事故分类及应急决策的特点和流程,然后利用直觉模糊数表示贝叶斯网络节点的证据信息,给出了直觉模糊贝叶斯网络(IFBN)应急决策模型。最后本文以动车组在高架桥突发火灾事故时进行应急决策为例分别用BN和IFBN进行推理。经过多组推理结果表明,当信息犹豫度较大时,BN推理会产生与实际情况相反的结论,而IFBN克服了此缺点,推理结果仍然准确,验证了利用IFBN推理模型进行应急决策的优越性。     

基于目标优化的自动驾驶决策规划系统自动化测试方法

利用仿真技术的场景测试方法已成为国内外研究热点,其中如何在大量场景中找到有价值的关键场景至关重要。针对上述问题,基于优化搜索算法提出了一种面向决策规划系统的关键场景自动化测试方法,能够克服传统场景测试方法的盲目性,提高测试效率。基于决策规划系统硬件在环测试平台,验证了该方法的有效性,并对比了不同搜索算法的关键场景生成效果。实验结果表明,贝叶斯优化算法和遗传算法相比于随机搜索算法产生危险关键场景的数量提高了3.3倍和2.5倍,配合自动化测试手段,方法能够有效提高场景测试效率。     

基于贝叶斯网络的林业碳汇项目风险评价

【目的】发展林业碳汇是应对气候变化的重要途径,随着我国碳交易市场的逐步建立与完善,林业碳汇项目开发受到广泛关注,发展前景良好,但也面临诸多不确定性与风险。基于贝叶斯网络原理,对林业碳汇项目进行系统风险评价,为项目风险管理提供参考。【方法】以中国核证自愿减排(China certified emission reduction,CCER)林业碳汇项目为研究对象,利用多领域林业碳汇专家知识,通过确定网络结构与计算风险参数,构建基于贝叶斯网络的林业碳汇项目风险评价模型。结合专家访谈和实地调研信息,确定林业碳汇项目风险清单,并在此基础上确定风险贝叶斯网络结构;根据专家对各类风险因子发生概率及影响大小的打分,利用熵权法计算风险因子权重,以此获得每位专家对于风险源及总风险的评价结果,得到贝叶斯网络运行的全部参数。利用构建的风险评价模型,测度CCER林业碳汇项目整体风险水平并判断各类风险的主要风险因子;考虑不同类型CCER林业碳汇项目的特征差异,对该风险评价模型进行适应性调整,纳入项目类型节点,通过贝叶斯网络的节点概率模拟功能,计算4类CCER林业碳汇项目的风险值,比较不同类型CCER林业碳汇项目的风险差异。【结果】①CCER林业碳汇项目整体风险值为1.932,四大类风险的风险水平由高到低分别为政策风险、市场风险、技术风险和自然风险,风险值分别为2.150、2.022、1.925、1.546;②CCER林业碳汇项目中政策风险的主要风险因子为林业碳汇交易规则变化、国家减排政策变化;市场风险的主要风险因子为劳动力价格上涨、土地租金上涨;技术风险的主要风险因子为项目未能获得签发、项目未能获得备案;自然风险的主要风险因子为病虫害、森林火灾;③不同类型CCER林业碳汇项目风险水平由高到低分别为碳汇造林项目、竹子造林项目、森林经营项目、竹林经营项目,风险值分别为2.221、2.121、1.954、1.705。【结论】贝叶斯网络能够综合考虑风险水平及风险影响关系两方面信息,在项目风险评价方面具有一定优势。当前条件下CCER林业碳汇项目风险水平中等,政策风险与市场风险相对较高,企业主体参与林业碳汇项目投资决策时,应密切关注碳汇市场相关政策变化,对项目风险进行科学评估;有关部门应注重降低政策不确定性引发的系统性风险,并提高碳汇市场的稳定性与活跃性;简化林业碳汇项目开发程序,以降低项目开发的交易成本。     

基于混合改进鸟群算法的贝叶斯网络结构学习

针对贝叶斯网络结构学习中寻优效率低下、易陷入局部最优的缺陷,提出了一种基于混合改进鸟群算法的贝叶斯网络结构学习算法.首先,通过互信息约束算法迭代初始网络;其次,改进鸟群算法,在经典鸟群算法中加入自适应惯性权重,随着迭代次数的增加动态调整搜索空间、改变收敛速度;最后,将改进的鸟群算法作为搜索策略,进行贝叶斯网络结构寻优.实验结果表明:改进的算法在寻优过程中不仅有较好的准确率和较快的收敛速度,而且具有良好的全局寻优能力.     

基于故障树分析和贝叶斯网络方法的液压举升机构故障诊断

为应对液压举升机故障原因复杂,诊断方法准确性不高等问题,提出一种基于故障树和贝叶斯网络的液压举升机故障诊断方法。首先建立液压举升机构故障树,然后将故障树转换为贝叶斯网络,利用三角模糊函数表示举升机底事件发生概率,得到底事件模糊概率,将其做为先验概率计算叶节点发生概率,进而求得根节点后验概率以及概率重要度,可快速诊断出故障点。     

一种动态联盟企业风险概率识别方法

根据动态联盟企业信息具有不确定性的特点,应用贝叶斯网络对企业的风险概率进行识别.通过对贝叶斯网络的构建与分析方法的探讨,用贝叶斯网络描述企业信息变量间的依赖关系,从而识别不同风险发生的概率.仿真结果表明,贝叶斯网络可以有效地描述动态联盟企业不确定信息变量之间的依赖关系,是进行风险概率识别的一种有效方法.     

基于贝叶斯网络的态势评估诊断模型

针对传统的水电设备诊断模型通用性差等问题,提出了基于贝叶斯网络的水电设备态势评估诊断模型.该态势评估模型根据功能分为三层结构:特征级、理解级、评估级.并将贝叶斯网络中的节点按照功能分为态势节点和事件节点,采用网络推理过程将传感器采集信息作为事件节点的证据用来更新态势节点概率,并反过来影响事件节点的概率.该诊断模型在水电设备调速系统的诊断应用中的准确率达到95.2%,证实了该模型的判决可信度.     

基于决策树和BN的自动驾驶车辆行为决策方法

交通环境中存在着众多影响自动驾驶车辆行为决策安全的不确定性因素, 准确并及时地处理不确定性因素对自动驾驶车辆安全至关重要。因此, 建立了以人工驾驶行为分类为基础的贝叶斯网络(Bayesian network, BN)行为决策模型。利用决策树分类算法对人工驾驶行为进行分类, 利用BN建模驾驶环境并生成最优驾驶动作, 此方法既可以及时地分析人类驾驶员行为类别, 又能够充分考虑驾驶场景中的不确定性因素。利用仿真工具PreScan设计仿真实验, 仿真结果表明行为决策模型能够给出安全、合理的自动驾驶车辆行为。