基于直觉模糊贝叶斯网络的高速铁路突发事故态势估计

为了提高高速铁路应急部门针对突发事故进行应急决策的能力,通过建立直觉模糊贝叶斯网络(intuitionistic fuzzy Bayesian network, IFBN)对突发事故现场进行态势估计,为应急决策提供依据。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;其次,利用直觉模糊数表示贝叶斯网络节点的证据信息,给出了基于IFBN的态势估计方法;最后,以动车组(electric multiple units, EMU)在高架桥突发火灾事故为例分别用贝叶斯网络(Bayesian network, BN)和IFBN进行推理。经过多组推理比较,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,可见利用IFBN推理模型进行态势估计比经典贝叶斯方法更加准确可信。     

参数在线学习的动态贝叶斯网络态势估计算法

为快速实现对战场态势的精确估计,提出了参数在线学习的动态贝叶斯网络方法:在基于专家知识确定的动态贝叶斯网络结构模型基础上,用前向递归方法对网络模型的参数进行估计.针对战场态势模型的观测值具有小样本的特性,以狄利克雷分布作为样本的先验分布,采用矩估计法对先验分布的超参数进行估计,以该先验分布的等价样本与观测值实现对网络参数的学习和对战场态势的估计.仿真实验结果表明,应用该方法实现态势估计具有较高的实时性和准确性.     

基于贝叶斯网络的网络安全态势评估方法研究

针对当前网络安全评估系统不能提供有用态势信息的缺陷,提出了一种新的网络安全态势评估方法。将贝叶斯网络应用于网络安全态势评估中,根据多树型网络推理,利用贝叶斯网络的图形结构,提出了由点到面、自下向上相互影响的多元化安全态势评估模型。并将网络及主机工具采集的信息作为事件节点的证据来更新态势节点的概率,并反过来影响事件节点的概率,从而预测网络安全态势。     

基于贝叶斯网络的供应扰动风险态势分析

运用贝叶斯网络对供应链中供应扰动风险的相关因素进行量化分析,得出了在供应扰动情况下以最短时间恢复正常生产是减少损失的最有效措施,而追加生产量不会大幅度降低损失.最后选择一个典型供应扰动案例,对基于贝叶斯网络的供应扰动风险态势进行算例分析,证明了模型的可行性和结论的合理性.     

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.     

一种基于贝叶斯网络的威胁估计方法

为有效处理地面战场威胁估计问题,提出了一种基于贝叶斯网络的威胁估计方法。根据专家知识建立贝叶斯网络模型,通过匹配算法实现态势估计记录与贝叶斯网络中态势节点的匹配,并根据证据可信度及先验概率动态实现态势节点的概率赋值,利用Pearl消息传播算法计算威胁等级节点各取值的概率值,最终获得威胁等级决策。针对一个简化的贝叶斯网络模型,采用该方法进行了不同先验概率及态势下威胁等级的仿真评估,所得结论与人工判定结论基本吻合,表明该方法可有效地应用于地面战场威胁估计领域。     

舰艇编队电磁态势预测的动态贝叶斯网络方法

对敌舰艇编队进行电磁态势预测是我方指挥员选择电子战作战方法、制定电子战资源分配方案的基础.引入DBN算法实现电磁态势预测过程中大量不确定、不精确、不完全的知识表示与推理,在分析舰艇编队电磁攻防事件类型基础上,依据事件间因果关系构造了舰艇编队电磁态势预测DBN模型,研究了DBN的推理算法.理论分析和实验结果表明:该方法具有较高的预测准确性,能在一定程度上为指挥员电子战决策提供辅助支持.     

贝叶斯估计和经典估计的对比研究

分析和探讨了经典估计和贝叶斯估计的异同，并结合一个实例对两种估计进行比较，从而得到两种估计思想统一于贝叶斯定理，并在特定场合下相互等价的结论。     

Rayleigh分布参数的贝叶斯经验贝叶斯估计

文章在均方损失函数下研究了Rayleigh分布参数的贝叶斯经验贝叶斯估计问题;在b=1条件下,证明了其贝叶斯经验贝叶斯估计是几乎处处收敛于贝叶斯估计的,并且它是渐近最优的;最后,给出蒙特卡罗随机模拟试验验证了此贝叶斯经验贝叶斯估计的渐近最优性。     

基于贝叶斯估计的无线传感器网络链路选择算法

为了在能量受限的无线传感器网络中以较低的控制开销选择出具有高分组递交率的链路,提出一种基于贝叶斯估计的依概率链路选择算法(BPLS).该算法将链路探测过程分成若干轮,在每轮中对链路分组递交率进行贝叶斯估计,依据估计结果决定下一轮探测中选择该链路的概率.在此基础上设计了可靠的路由算法.仿真结果表明:BPLS算法能够快速挑选出高质量链路;当控制开销较低时,选出质量最高链路的成功率比naive算法提高10%～20%;基于BPLS的树形路由在分组递交率和每分组能耗上优于基本的树形路由.     

基于贝叶斯网络的某机载雷达电磁损伤评估

针对机载雷达面临越来越严重的电磁脉冲武器威胁的现实问题,开展了机载雷达的电磁损伤评估.通过对雷达结构的分析和简化以及由抢修时间来确定网络参数的方法,建立了雷达电磁损伤评估的贝叶斯网络模型;利用贝叶斯网络推理评定雷达的电磁损伤等级;在定义了期望抢修效率的基础上给出雷达抢修决策的方法.仿真结果显示:在距离100m,辐射功率10GW,波束中心对准机载雷达的条件下,高功率微波弹MK84将对某机载雷达造成中等损伤,给出了该条件下雷达的抢修顺序.该方法对于开展机载雷达电磁损伤抢修和电磁加固具有一定的军事应用价值.     

基于贝叶斯网络的飞行安全人因可靠性评估模型

基于广义人-机-环境复杂系统,对飞行人员可靠性、空中交通管制人员可靠性和航空器维修人员可靠性进行了分析,综合考虑常用可靠性评估方法的优缺点,采用贝叶斯网络建立了飞行安全人因可靠性的评估模型.该模型综合运用诊断推理和支持推理形式,分析直观,计算简便,适用于广义的人-机-环境复杂系统建模;同时该模型可以根据后验概率来调整先验概率,从而有效地提高了评估的精度.     

基于贝叶斯方法的信息系统整合风险评估研究

随着企业信息化程度不断提高,基于业务的信息系统整合是不可抗拒的,整合的风险也必然存在.针对信息系统整合的要素和过程,结合贝叶斯理论与大型企业的信息系统整合的事实,提出了基于贝叶斯方法的信息系统整合项目风险评估模型.利用某实施公司信息系统整合项目支出,对项目支出风险进行了案例分析研究,通过案例分析发现利用贝叶斯方法可以较好地评估信息系统整合风险,尤其是在具备专家经验和先验值的前提下,风险评估效果良好.     

基于动态贝叶斯网络的多时延基因调控网络构建

分子生物学的主要挑战是如何更好地理解基因间的调控机理。重构调控网络有助于探索生命系统的本质问题。目前,已提出的方法大多数都不考虑基因表达之间的时延,或者假定其时延是一个常量。这为深入理解基因调控的时-空机制带来了困难。现提出一个用连续DBNs构建具有多时延基因调控网络的方法,它可以系统地分析基因之间的调控关系。将其应用于酵母菌的转录调控网络中,结果显示,该方法能更好地估计转录时延,进一步提高了调控网络构建的精度。     

基于动态贝叶斯网络的交通流状态辨识方法

为准确地对交通流状态进行辨识,进而支持交通流实时诱导系统有效运行,结合速度、流量与车道占有率3种交通流参数,将贝叶斯网络用于交通流状态辨识,提出了基于动态贝叶斯网络的交通流状态辨识方法. 利用英国南安普敦市的实际数据对上述方法进行了仿真验证. 验证结果表明,利用动态贝叶斯交通流状态辨识方法可以更加准确地判别出交通流所处的运行状态,这为智能交通系统,特别是交通流实时诱导系统,提供了一定的理论支持.      

基于小数据集贝叶斯网络建模的偏差源诊断方法

针对装配过程尺寸偏差的小样本检测条件,提出了基于条件独立性检验的结构学习算法,结合柔性装配偏差关系模型,推导了贝叶斯网络子节点的先验条件概率,将小数据集与先验概率融合并获得贝叶斯网络参数,实现了装配偏差影响因素的贝叶斯网络建模,并用于某车型侧围装配过程的偏差源诊断.结果表明,所提出的偏差源诊断方法具有较高的准确性.     

基于贝叶斯网络的非常规突发事件灾情评估

非常规突发事件的发生往往给人民生命财产和国民经济造成巨大损失,由于传统的突发事件评估系统大多是基于历史数据或专家经验的静态系统,使得应对非常规突发事件时无法动态地有效融合多源信息,而且大量的变量和数据往往造成评估系统计算效率偏低.因此,针对以上问题,提出了基于贝叶斯网络的非常规突发事件灾情评估方法,并且通过对贝叶斯网络模型的拓扑结构进行优化进一步提高了系统的计算效率.通过简化的核电站机组外部电网震后评估算例对所述方法进行了验证.结果表明,基于贝叶斯网络的非常规突发事件评估方法具有多源信息表示、融合以及全局更新的能力,并且可以有效地提高计算效率,适用于非常规突发事件的灾情评估.