贝叶斯网络

摘要： 针对大型公共类项目进度风险的研究主要侧重于识别进度延误风险因素以及分析风险因素之间的相互作用,缺少对风险因素的敏感性、重要性以及风险因素间的影响强度的定量分析问题,构建贝叶斯网络模型。首先将贝叶斯网络和解释结构模型应用于大型复杂公共项目进度风险的评估,在收集的7个来源于真实案例的延期风险因素体系的基础上提炼出24个主要延期风险因素;然后运用解释结构模型将风险因素处理为4个不同层级,并将层次结构图转化为贝叶斯网络;最后根据建立好的贝叶斯网络,对风险因素进行基于实际项目的数据收集与评估,将所收集数据导入GeNIe中,对贝叶斯网络模型进行参数学习,获得基于样本数据的进度延误风险水平的概率分布,并利用贝叶斯网络的逆向推理、敏感性分析及影响强度分析,明确了大型复杂公共项目中导致进度延误的关键因素和敏感因素。基于贝叶斯网络模型的方法为进度风险管理提供了科学有效的理论依据和控制工具。

摘要： 为准确识别冰雪路面下高速公路事故致因因素及严重程度影响因素,构建了基于故障树和贝叶斯网络的综合模型。在转化后的贝叶斯网络中增设3条有向弧,并根据事故严重程度将叶节点分为3种状态,对叶节点的条件概率表进行更新,基于构建的综合模型进行贝叶斯网络逆向推理和敏感性分析。结果表明:能见度低、不良天气(雨、雪、雾)、货车、夜间无照明、驾驶经验不足、超速行驶、未保持安全距离等是诱发冰雪路面高速公路事故的高风险因素;超载、货车、违法上路等在冰雪路面条件下,更易加重事故严重程度。故障树和贝叶斯网络相结合的方法可为事故因素分析提供新视角。

摘要： 本文提出了一种基于决策树支持向量机-贝叶斯网络协同训练的双偏振气象雷达降水粒子分类方法。该方法首先使用有标签的数据初步训练得到贝叶斯网络和决策树支持向量机两种分类器。然后取出部分无标签的数据,通过两个分类器得到类别的预测结果,计算该部分预测结果的置信度,将预测结果满足阈值的无标签数据放入到有标签数据集中。使用更新后的有标签数据集重新训练两个分类器。重复该过程直到所有无标签训练数据都被放入到有标签数据集中,这时完成训练得到协同训练分类器,最后使用协同训练分类器对测试数据集进行降水粒子分类。实验表明,该方法使用一部分有标签数据结合一部分无标签数据,有效地提高了分类器性能,实现了降水粒子的准确分类。

摘要： 针对目前攻击图模型不能实时反映网络攻击事件的问题,提出了前向更新风险概率计算方法,以及前向、后向更新相结合的动态风险概率算法。所提算法能够即时、准确地动态评估和分析网络环境变化问题,对网络攻击事件进行动态实时分析。首先对图中各个节点的不确定性进行具体量化分析,在贝叶斯网络中计算它们的静态概率,之后根据实时发生的网络安全事件沿前向和后向路径更新图中各个节点的动态概率,实时量化和反映外界条件的变化,评估网络各处的实时危险程度。实验结果表明,所提方法可以根据实际情况校准和调整攻击图中各节点的概率,进而帮助网络管理员正确认识网络各处的危险级别,更好地为预防和阻止下一步攻击做出决策。

摘要： 线上线下结合的教学模式是未来教学的一个趋势,每一个学生的学习行为会直接影响学习结果,因此研究学习者学习行为对学习成绩的影响程度是目前的研究重点。目前常见的评价模型存在可信程度较低、可解释性较弱等问题,本文使用基于证据推理的贝叶斯网络(Bayes Network,BN)能够有效地解决这一问题。把方法应用在学习行为分析上,与常用的机器模型和深度学习模型进行比较,表现出更低的误差和更强的可解释性。

摘要： 传统的故障诊断方法为建立解析数学模型,该模型只能在装备发生故障后才能进行诊断分析,无法满足现在武器装备的故障检测需求。针对这一问题,文中以多层次知识图谱模型为基础,使用贝叶斯网络进行故障检测和诊断并完成建模,模型可以实现武器装备的状态变化检测及故障判断。实验结果表明,该模型可以通过状态的改变进而对故障类型进行判断。在对比实验中,文中所提算法模型的准确率与其他对比算法相比提高了2.5%、4.2%和5.6%,这说明该算法可以对装备进行故障诊断且综合性能良好。

摘要： 针对稀疏数据场景下,传统的多项式-狄利克雷模型存在一定的分类精度问题,提出一种基于变分推理的分层贝叶斯网络的参数估计方法.通过在传统的多项式-狄利克雷模型中引入超先验,构建出的分层多项式-狄利克雷模型可用于贝叶斯网络中的条件分布估计.对分层多项式-狄利克雷模型的先验依赖结构进行分析研究,提出一种快速准确的自组织变分推理算法.与传统的分类模型相比,本文提出的分层多项式-狄利克雷模型在处理小数据集液体火箭发动机的故障分类中有显著的性能提高.

摘要： 为有效提升消防安全协同治理的效能,在识别和量化政府部门、企业和公民社会消防协同治理的影响因素的基础上,分别构建政府部门、企业和公民社会影响因素的贝叶斯网络模型,辨识影响实现高效消防协同治理的关键因素。研究结果表明:部门的权力与利益、有效领导和组织激励3个因素对政府消防协同治理影响最为显著;交流沟通和参与渠道分别是影响企业和公民社会的关键因素,并且基于全局贝叶斯网络模型的敏感性分析可知,政府部门是整体消防协同治理的核心,调节相关部门的权力与利益和具备有效领导的能力能有效提高政府消防协同治理水平,明显改善整体消防协同治理效能。

摘要： 为更加科学地揭示我国商业银行间的风险溢出效应,提出“相依结构-传染网络-风险测度”的研究思路,并使用贝叶斯网络与R藤Copula-CAViaR-CoVaR模型对我国14家商业银行在2008年至2018年区间内的风险溢出效应进行了系统分析。实证研究表明:银行风险相依结构具有国有商业银行、股份制商业银行各自聚集,城市商业银行分布于股份制商业银行周边的经济性质聚集分布特征,其中股份制商业银行起到了枢纽连接作用;国有商业银行管理、抵御及分散风险的能力大于股份制商业银行大于城市商业银行;银行间存在双向溢出效应且呈现非对称性,其中股份制银行的风险溢出大小大于城市商业银行大于国有商业银行,且银行之间存在负向溢出效应。

摘要： 对旅游者幸福感进行探究可以提升旅游者的旅游体验,对旅游地的管理有重要的指导意义。以庐山风景区游客为调查对象,采用贝叶斯网络分析方法分析旅游者幸福感影响因素。主要研究结论如下:1)大部分旅游者能获得幸福感,54%的旅游者有可能性获得较高的幸福感;旅游者获得高的旅游形象满意度概率为61%,其次为旅游形象满意度、旅游活动要素满意度、自我价值实现、旅游积极情绪;2)旅游形象满意度的敏感度最大,它对幸福感的影响程度最大;旅游活动要素满意度和自我价值实现的敏感度次之,旅游积极情绪的敏感度最低,对幸福感的影响程度最小;3)在影响旅游者幸福感的影响因子中,高敏感度节点为旅游吸引物和旅游者偏好,中敏感度节点包括交通、住宿、餐饮、购物、娱乐、景点等旅游活动要素,旅游形象满意度是影响旅游者幸福感最重要的因素。

摘要： 针对战场态势危险评估问题,结合态势感知三级模型搭建了危险评估框架,并以贝叶斯网络为基础,通过对传感器数据定义隶属度函数、提取节点属性等处理来构建贝叶斯网络模型,进一步采用联合树推理敌方攻击意图,并定义了战场态势危险系数来表征战场态势的危险程度.仿真实验对比了两种不同场景下的战场态势信息,验证了算法的有效性.

摘要： 动量轮是长寿命卫星姿控系统的关键机电部件,其可靠性是影响卫星寿命的重要因素.为实时有效的掌握其健康状态,本文提出了一种基于神经网络—贝叶斯网络融合的在轨健康状态评估方法.该方法将动量轮的健康状态分为健康、良好、故障3个等级,首先基于动量轮设计数据(关键特性、FMEA)利用贝叶斯网络建立网络拓扑结构;接着利用神经网络对地面测试/试验数据进行训练,学习动量轮关键特性参数与其相关故障模式之间的关联关系,利用已知故障数据及专家经验给出动量轮各层故障模式之间的传递关系;最后基于在轨遥测数据,利用贝叶斯网络对模型进行自动推理,实现动量轮实时在轨健康状态评估.该方法能够为动量轮在轨任务规划、故障处理维护等提供决策支持,具有一定的工程应用意义.

摘要： 针对在泵站机组故障诊断过程中,其结构复杂,存在多重映射、不确定因素众多的特点,将T-S模糊门故障树与贝叶斯网络结合,应用于泵站机组的故障诊断.T-S模糊门故障树克服了传统故障树表示法需要精确掌握事件间逻辑关系及概率值且只能表示二态事件的缺点,但仍然存在故障推理复杂且只能单向推理的弱点.贝叶斯网络(Bayesian networks,BN)具有强大的处理不确定信息的能力,适合泵站的故障诊断,但是网络结构和条件概率表的确定困难.两者的结合实现各取所长.最后,通过以水泵机组中转子某故障诊断模型为例验证了方法的可行性,并与已有文献方法比较验证了其准确性,为泵机组的其他故障诊断提供借鉴意义.

摘要： 为解决电动汽车电机控制器硬件系统多故障解耦、定位及诊断问题,提出了一种基于贝叶斯网络模型的电机控制器故障诊断方法.在对电机控制器硬件结构分解的基础上,对其硬件系统故障诊断任务进行归类,并建立电机控制器硬件故障树;通过故障树向贝叶斯网络转换,最终建立电机控制器硬件系统故障诊断模型.在数据量化方面,结合工程实际应用,引入LeakNoisy-or模型来缩减诊断模型对条件样本数据的需求.在给定电机控制器各根节点先验概率的条件下,最后通过两起“电机控制器硬件故障”案例,验证了该方法的有效性.

摘要： 在研究Web Service事务的补偿、替换、重试、时间约束等应用语义之上,重点提出了一个适用于复杂流程型Web Service事务模型,引入抽象事务来协助管理这些语义信息,并通过事务的多级特性来适应不同的服务粒度,采用有色Petri网对该模型进行了形式化描述.采用贝叶斯网络,从业务流程的角度,对Web Service事务的可靠性进行理论分析,给出了分析模型算法和边界理论值.

摘要： 油气设施爆炸风险高,安全事故多.本文采用贝叶斯网络(BN)定量风险分析(QRA)方法(BN-QRA),评估汽油从初始泄漏到爆炸全过程,建立油气设施爆炸事件的BN模型.该BN模型考虑了汽油溢出、爆炸云形成、点燃、爆炸、疏散条件和人员数量等关键风险因素.本文提出的BN-QRA方法包含既有收集信息、数值仿真结果、经验分析结论三种数据信息,减少了数据短缺带来的风险因素不确定性,提高了BN定量分析的可靠性和准确性.此外,本文建立了一种基于贝叶斯网络的三维网格风险扫描方法,该方法将目标分析区域划分成具有适当大小并包含简化环境条件数据的网格,并对每个网格进行风险分析.最后,基于所有网格的风险分析结果描绘分析区域总风险图.通过对加油站和炼油厂爆炸事故分析结果表明:本文提出的BN-QRA方法能够考虑爆炸多重后果及其与基本风险因素间复杂的相互关系;三维网格风险扫描方法能够对具有复杂环境条件的油气设施区域进行高效、可靠的爆炸风险分析.

摘要： 燃料电池系统作为清洁能源在过去几十年受到越来越多的关注,并且已经成功的在不同场合得到应用,包括燃料电池汽车以及便携式设备中,但是燃料电池系统的运行可靠性和使用寿命仍然是阻碍其进一步市场化的主要因素.为了有效评估燃料电池系统的运行可靠性,建立了基于贝叶斯网络的燃料电池模型,模型中考虑了不同类型燃料电池故障的机理,从而使建立的模型可以精确的表示燃料电池不同种类故障对系统性能造成的影响.为了验证建立的贝叶斯模型在燃料电池故障诊断中的有效性,在实验中产生燃料电池的水淹故障,采集安装在燃料电池系统中传感器数据并作为贝叶斯网络的输入,利用贝叶斯网络的推理算法对燃料电池的运行状态进行评估.结果表明通过监控燃料电池系统传感器的数据,建立的贝叶斯模型可以精确的评估燃料电池运行状态并确定故障类型,从而可以及时采取措施有效的恢复系统性能并延长系统的运行寿命.

摘要： 近年来,随着科技发展的日新月异,犯罪手段与形式也在不断变化,仅通过经验来判别犯罪的可能性已难以保证判断的准确性.而公安信息系统的预警功能当前主要偏向一般性的、相对抽象的、众所周知的、与具体实务工作相距较远的犯罪“大趋势,大走向”,如果要对个人尤其是重点人员的犯罪行为进行预测预警则需要在众多的系统中收集大量、广泛的数据,并将这些散乱的信息有效地收集融合在一起,挖掘隐藏在信息之下的潜在规律.本文尝试通过成都四方伟业人工智能平台SDC Miner,利用人工智能和贝叶斯网络相关的理论和方法,构造智能感知预警预测模型,挖掘海量警务数据之间的关联性,从而形成有效防控犯罪发生和重大恶性案件爆发的一套运行机制,以辅助警务人员进行准确的判断,提高其办事效率.

摘要： 本文从分析影响船舶航行的环境因素入手,采用系统工程学的观点,把通航水域看作一个由人、机、环境和管理组成的复杂系统,运用层次分析法进行进一步分析,找出可能导致港口船舶事故的各个因素,构建贝叶斯拓扑结构.结合大量港口船舶事故的样本数据,确定了节点的条件概率,构成港口船舶事故贝叶斯分析模型,使用贝叶斯软件包GeNIe软件进行研究,比较准确和直观地分析出港口船舶发生事故的概率及其因果事件的关联度,提出有关改善港口船舶事故频发的建议.

摘要： 由于Hadoop的缺省的存储算法效率并不高,且故障后通过副本恢复时间较长,系统的存储效率可以有更高的提升空间.本文首先找出影响存储效率的资源因素;然后提出一种基于Bayes模型的存储算法,并依据系统的效能最大期望值确定副本的存储;最后,通过用例测试,分析50个节点的平均利用率,并与3个典型算法进行比较,验证了该算法可以更好地实现资源负载平衡.并通过实验数据现象分析和原因归纳,为下一步的研究提供了基础.

摘要： 本发明公开了一种基于动态贝叶斯网络的载波网络故障诊断方法，涉及载波网络管理技术领域。所述方法包括根据故障和症状的关系，构建故障传播模型；根据异常症状节点集合和异常故障节点集合，构建动态贝叶斯故障传播模型，并根据所述动态贝叶斯故障传播模型，得到两个时间片上的故障诊断模型；根据两个时间片上的故障诊断模型，得到前一阶段最大可能的故障节点状态集合；根据前一阶段最大可能的故障节点状态集合，得到当前阶段最大可能的故障节点状态集合。本发明通过将动态网络环境下的故障诊断问题建模为动态贝叶斯故障诊断模型，提出基于动态贝叶斯网络的载波网络故障诊断方法，能够有效降低动态网络环境给故障诊断模型带来的噪声问题。

摘要： 本申请实施例适用于网络安全领域，提供了一种基于贝叶斯网络的网络安全态势预测方法、装置、终端设备及计算机可读存储介质。其中，该方法包括：获取阶段告警事件以及阶段告警事件独立发生的先验概率，根据阶段告警事件生成有向无环图，基于有向无环图构建贝叶斯网络，根据贝叶斯网络计算在前一阶段告警事件发生的条件下当前阶段告警事件发生的后验概率，显示每一项阶段告警事件对应的后验概率。本申请实施例能够很好的适应网络安全态势预测过程中的不定性，达到对网络安全态势进行准确预测的效果。

摘要： 本发明提出了一种基于贝叶斯网络的大规模桥梁网络评估方法，运用ORDER‑II和Dijkstra算法与易损性思想，利用网络中桥梁的技术状况评定等级以及城市间距离信息，实现了大规模桥梁网络整体可靠度评估以及关键路段桥梁识别。将求解大规模桥梁网络可靠度的NP‑hard问题转化为在要求精确度下求解桥梁最可能的失效组合与网络连通状态问题。本通过对包含1772座桥梁的某国道桥梁网络的评估，证明了本发明所提出的方法与易损性指标能够对大规模桥梁网络整体可靠度进行评估，并能有效辨识出各路段桥梁相对重要性。本发明能够直接高效的对大型桥梁网络进行评估。

摘要： 一种基于贝叶斯网络的高动态移动自组织网络抗毁性评估方法。本发明以提高移动自组织网络抗毁抗扰能力，保证主要服务、降低受损范围为目标，以中心节点选择为基础，以贝叶斯网络模型和ARMA模型为手段，解决高动态移动自组织网络链路状态评估问题。通过中心节点选举和主动探测，获得网络拓扑结构和活跃路径的运行状态，结合贝叶斯网络，推断出活跃路由中发生劣化的链路，并广播该消息；与劣化链路关联的相关节点收到中心节点的消息后，基于历史数据。结合ARMA模型，预测劣化链路的劣化持续时间。本发明引用了基于Raft一致性选举算法、贝叶斯结构学习方法、贝叶斯参数学习方法和局部联合树推理模型和自回归滑动平均模型(ARMA)。

摘要： 本发明公开了一种基于贝叶斯网络的光衰监测网络安全的方法，包括：包括以下步骤：定时采集网络设备端口的实时光衰值，判断实时光衰值是否小于光衰值阈值，若是，存入实时数据库，若否，存入历史故障数据库；S2、构成实时数据子库、历史故障数据子库；S3、依据实时数据子库、历史故障数据子库确认先验概率DB(+|D)、调整因子DB(+|N)、条件概率DB(D)；S4、构建贝叶斯网络模型，构建实时光衰值趋势值、故障光衰值预警值；S5、依据实时光衰值趋势值与故障光衰值预警值完成预警。本发明具有提高了网络安全监控预警的准确性，减少了网络告警的误报和漏报的有益效果。

摘要： 本发明提出深度神经网络和贝叶斯网络耦合建网的结构安全评估方法，包括以下步骤；步骤S1：对土木结构各DNN‑HBN耦合网节点进行编号；首先对外荷载及各构件响应进行编号，其变量类型为连续型；再为各构件响应节点和荷载节点设置离散隐藏节点，并设置离散的BN体系节点，其具有“安全”和“失效”两种状态，状态概率之和为1；步骤S2：通过有限元模型计算生成样本库；步骤S3：定义结合DNN和HBN的耦合网拓扑；步骤S4：同步进行DNN的训练和HBN的参数学习，得到DNN‑HBN耦合网；步骤S5：有监测证据输入耦合网时，对土木结构的体系状态概率进行推理，以推理得到的失效概率作为结构安全评估的依据；本发明可在不完备监测证据下推理得到复杂结构体系的失效概率。

摘要： 本发明涉及故障诊断技术领域，具体为一种基于卷积神经网络与贝叶斯网络的机械设备故障诊断方法。包括以下步骤：S1：通过传感器监测乳化液泵的各项参数；S2：采集乳化液泵发生各种故障时的各项监测数据，将其进行归一化、标准化预处理，得到一个训练好的乳化液泵故障诊断模型；S3：搭建诊断贝叶斯网络，包括故障层与原因层；S4：将训练好的轻量化卷积神经网络与诊断贝叶斯网络所构成的乳化液泵故障诊断模型嵌入到云平台；S5：对乳化液泵运行时的各项数据进行实时监测，并将其输入到云平台，若诊断出故障，会发出预警，并将该诊断结果输入到贝叶斯网络中进行条件概率的推理，从而得出各故障原因的概率，实现故障定位。

摘要： 本发明公开一种基于贝叶斯网络攻击图的多目标网络安全动态评估方法，包括如下步骤：步骤1，构建贝叶斯网络攻击图，并建立多目标风险评估模型；步骤2，利用灰狼优化的自组织多目标进化算法对模型进行求解，得到多种不同的攻击策略；步骤3，从攻击者的角度得到最优的攻击路径，从防御者的角度得到安全系数最低的路径，对其进行加固。此种基于贝叶斯网络攻击图的多目标网络安全动态评估方法考虑攻击者与防御者的动态行为模式，找到适合双方的最佳路径，防止攻击者的攻击。

摘要： 本发明公开了一种基于马氏链和贝叶斯网络的k8s网络故障预测方法，包括：在组网内的中央集群管理服务器上创建一个基于k8s的中央调度集群，部署相关节点、数据库和模型；构建使用固定流量阈值的基于马尔可夫链的网络预警模型，获得模型训练参数数据；构建基于贝叶斯的阈值预测模型，获得预测模型参数，阈值预测模型分析历史故障数据得出更符合当前业务特征的故障阈值代替马网络预警模型使用中的固定流量阈值，实现连续时间的k8s网络故障预测。本发明采用贝叶斯阈值预测模型调整监控阈值来解决马尔科夫链的网络预警模型稳态分布的方法不能实现对连续时间马尔科夫链的计算从而造成对网络预警模型预测失真的问题。

摘要： 本发明提供一种基于贝叶斯网络模型的量子通信网络可用性分析方法，包括：生成量子通信网络系统的动态故障树；对生成的动态故障树进行定性分析和定量分析，其中，通过将故障树转换为最小割集以进行定性分析；基于离散时间贝叶斯网络算法将生成的动态故障树转换成离散时间贝叶斯网络结构来进行定量分析；对转换后的离散时间贝叶斯网络结构通过联合概率分布算法计算顶事件概率，并在发生故障后进行信息更新；依据计算得到的顶事件概率分析得出网络可用性结果。本发明可以完成对动态故障树的分析并进行信息更新，减少了手动计算的开销，避免了传统的动态故障树定量分析分析方法产生的空间状态爆炸问题，并且达到了对不同时间段的仿真分析的高精度。