交通事件持续时间预测贝叶斯网方法研究

交通事件持续时间的预测是事件管理系统的重要组成部分,根据I-880实测数据集,利用逐步回归分析的方法确定事件持续时间的主要影响因素,分别建立了应用于事件持续时间预测的朴素贝叶斯(NB)模型、加树朴素贝叶斯(TAN)模型以及一般贝叶斯网(BN)模型,在分析数据特点的基础上确定了贝叶斯网的推理算法、参数学习以及结构学习方法.在不同数据缺失的程度和不同训练样本规模下,分别对三种模型的预测准确率进行了评价,结果表明贝叶斯网预测模型在数据缺失30%的情况下30min准确率高于80%.     

基于区间数学理论和贝叶斯网络指标灵敏度分析

针对航空公司安全质量管理体系(SQMS)中风险识别与可靠性改进问题,文中提出基于区间数学与贝叶斯网络的灵敏度分析方法.给出了衡量航空公司安全状况的指标;借助贝叶斯网络建立指标关联网络,结合先验知识进行参数学习以获取条件概率;通过贝叶斯双向推理机制和区间数学理论分析不同区间内重要指标与系统整体安全状况间的扰动关系;基于扰动分析结果对各指标进行灵敏度排序以识别风险并指导可靠性改进工作.实例分析验证了基于区间数学与贝叶斯网络的指标灵敏度分析方法的有效性.     

基于贝叶斯网络的舰船战损评估研究

分析了舰船战损评估的基本过程,建立了舰船战损评估指标体系,分析了该指标体系的完整性.针对舰船战损评估的因果推理特性,提出了基于贝叶斯网络的战损评估方法,该方法能够解决信息不确定性,提高舰船战损评估速度.应用所提出的方法建立了舰船战损评估贝叶斯网络模型,分析了贝叶斯网络的舰船战损评估流程.应用实例表明了该方法的有效性和可操作性.     

基于贝叶斯网的道路事故机理分析

在累计频率法原理的基础上,运用excel和数学软件MATLAB分析交通事故数据,进行道路交通事故黑点鉴别,并绘制出事故频率曲线.确定事故黑点位置后,应用贝叶斯网理论全面整理、分析事故数据,并结合贝叶斯网推理进行事故机理分析,利用贝叶斯网定性和定量分析相结合的特点,为改善黑点交通安全提供参考和指导.     

基于贝叶斯网络的工程项目质量风险管理

提出基于贝叶斯网络的工程项目质量风险管理.首先,对工程质量形成过程中的风险因素进行识别,其次进行风险分析确定主要风险因素,构建贝叶斯网络结构.依据问卷调查中得到的数据和专家经验确定贝叶斯网络中的参数,以此为基础对工程项目质量进行风险评估、风险诊断,分析确定影响工程质量的关键风险因素.最后,依据分析得到的结果进行风险控制.     

高速公路尾随相撞事件的贝叶斯网络致因分析模型

应用上海市高速公路1104条事件数据,基于专家知识和数据融合方法建立贝叶斯网络结构;利用服从Dirichlet分布的贝叶斯方法进行参数学习;运用团树传播算法进行推理分析。研究了上海市高速公路尾随相撞事件类型与不同道路环境条件之间的关系。在验证贝叶斯网络模型的有效性后,系统分析事件致因,并提出改进措施。发现重大尾随相撞事件易发生在大中型车与小型车之间;夜间易发生大中型货车的重大尾随相撞事件,尤其是凌晨0时至6时;路表潮湿状态下的非普通路段上易发生大中型客车的重大尾随相撞事件。结果表明贝叶斯网络建模能够更好的反映事件致因因素的多维性及关联性,是交通事件致因分析的有效方法。     

基于最小风险的单一表文件垃圾邮件过滤算法

研究探讨了传统贝叶斯模型的原理和优缺点,指出朴素贝叶斯算法没有考虑到合法邮件和垃圾邮件被误判带来的不同损失,因而有一定的局限性,而后以朴素贝叶斯为基础,结合最小风险的贝叶斯邮件过滤算法,提出改进的基于垃圾单词的单一表文件垃圾邮件过滤算法,提高了系统的执行效率,减少合法邮件的误判对用户造成的损害,并构建了邮件过滤模型．     

基于贝叶斯网络推理的道路网络级联失效仿真

针对道路网络级联失效与其它复杂网络相比具有的特殊性,基于贝叶斯网络推理,融合驾驶者出行先验及出行信息,研究了道路网络级联失效的演变机理及演变过程.编制MATLAB程序生成基于道路网络的贝叶斯网络结构,根据贝叶斯网络参数学习 MATLAB程序,学习了驾驶者感知路段属性变化;给出了仿真算法,仿真了贝叶斯网络推理中不同出行先验权重,以及出行信息量对道路网络属性及级联失效的影响.结果表明,贝叶斯网络推理可以较好地反映驾驶者出行路段选择对道路网络级联失效的定量影响,为研究道路网络级联失效提供了新的研究思路和方法.     

铁路旅客列车晚点的贝叶斯网络模型研究

通过分析导致铁路旅客列车晚点的设备、人为和环境等各种影响因素,运用能较好解决不确定性问题的贝叶斯网络,建立铁路旅客列车晚点的贝叶斯网络模型.利用Matlab中的BN推理工具软件包BNT计算出基本事件的后验概率.最后,通过实例数据分析得出了影响铁路旅客列车晚点的重要因素,为相关工作人员提供了一定的理论参考依据.     

贝叶斯网络分类器结构与变量分布的差异性分析

为了提高鉴别式学习策略训练的贝叶斯网络分类器的分类精度,分析了贝叶斯网络结构与数据中变量分布之间的差异对贝叶斯网络分类器性能的影响,实验以网络结构的实际联合概率分布的树型近似描述为基准,删除在条件对数似然函数极大化过程中不起作用的边,生成具有同一联合概率分布的不同描述程度的网络结构.实验结果表明,只有当网络结构表现力不足时,鉴别式参数学习才能起积极作用;而当网络结构中有多余的边时,反而容易受其制约.从而验证了网络中多余的边对分类器性能没有影响的观点是片面的.     

基于加权小波子带图像的贝叶斯人脸识别算法

对贝叶斯人脸识别公式进行了简化,在此基础上设计了基于加权小波子带图像的贝叶斯人脸识别算法.首先对人脸图像进行小波分解,把分解得到的低频子图与类内均值做差作为类内差异图像进行贝叶斯测试,选择相似度最高的N幅图像作为候选图像,然后对候选图像再次利用高频子图与对应频段的类内均值做差作为模式矢量并行进行贝叶斯测试,通过加权排序得到最后结果.实验结果验证了该方法的有效性.     

考虑数据异质性的贝叶斯混合回归退化建模

针对退化数据的异质性问题,提出基于随机效应混合回归的贝叶斯退化建模与剩余使用寿命预测方法.通过模型随机参数的混合概率分布描述异质性退化数据的统计特征,并利用分层先验和Gibbs算法进行贝叶斯参数估计.进而,将随机参数的贝叶斯估计作为有信息先验,利用在线观测数据进行贝叶斯参数更新和剩余使用寿命估计.通过涡轮发动机退化数据验证了所提方法的剩余使用寿命预测性能.实验结果表明,考虑了异质性影响的贝叶斯混合回归退化建模方法,能更好地刻画设备个体的退化特征,提高了预测准确度.     

������о�����Ϊ��TDM���Ի�����ϵ�о��ı�Ҷ˹����

综合评述了活动－出行行为研究方法和存在的问题,引入贝叶斯结构学习和参数估计方法,辅以基于活动的出行行为分析理论、非集计建模方法和SP/RP数据融合方法,提出了基于贝叶斯结构学习和参数估计方法的出行行为与TDM策略互动关系分析方法的框架,探索了改进已有研究方法的途径。研究表明,贝叶斯理论可以将居民的个人属性及隐性非样本信息在出行行为预测中充分表达,并解决MNP等复杂非集计模型的参数标定问题。将贝叶斯理论与已有的出行行为分析方法相结合,可以使出行行为预测更为精确、全面和灵活,从而更加准确地描述活动－出行决策行为与TDM策略的互动响应关系,为制定有效的TDM策略,缓解城市交通供需矛盾提供理论依据。     

基于贝叶斯网络多方法组合的短时交通流量预测

贝叶斯网络是处理不确定信息和进行概率推理的有力工具,针对短时交通流量预测的难题,提出一种基于贝叶斯网络的多方法组合预测模型. 首先建立几种基本预测模型并对交通流量进行预测,然后将预测的结果和实际结果按一定步长进行离散处理,把离散后的结果用贝叶斯网络进行学习,更新贝叶斯网络参数,通过联合推理求得各个基本预测模型预测结果组合下可能组合预测值的后验概率,把后验概率最大所对应的值作为预测值. 通过对实际道路交通流量的预测表明,本文提出的贝叶斯网络多方法组合预测模型的预测结果精度优于单一的预测模型,从而论证了本文提出的贝叶斯网络多方法组合预测模型具有一定的实用性.     

基于动态贝叶斯网络的列控中心可靠性及可用性评估

为解决共因失效、动态失效及恢复机制等问题,本文基于动态贝叶斯网络对联锁车站和中继站列控中心可靠性及可用性进行评估.在分析列控中心系统结构的基础上构建系统动态故障树,并将动态故障树转化为动态贝叶斯网络,实现结构学习和参数学习.通过动态贝叶斯网络正向推理得到两种类型列控中心可靠度和可用度并进行比较分析.通过动态贝叶斯网络反向推理得到列控中心系统薄弱环节.研究系统敏感性因素并讨论恢复机制对系统可靠性及可用性的影响.结果表明：考虑共因失效的联锁车站和中继站列控中心的稳态可用度分别为0.999 960和0.999 977;电源及驱动采集单元为系统薄弱环节,需要重点关注.该方法能有效提高列控中心智能维修维护水平.     

轨道交通乘客满意度不确定性预测与分析

为克服结构方程式法对轨道交通乘客满意度改善效果预测的不足,提出了直接采用擅长处理不确定性问题的贝叶斯网络方法。采用机器学习和专家经验相结合的方法构建了乘客总体满意度与质量指标间的贝叶斯网络预测模型。定义了改善方案预测的绝对效果、相对效果以及指标改善效果有效性判别的弹性系数和协同关系。利用武汉市轨道交通乘客满意度调查数据,建立了不确定性贝叶斯网络,预测、分析了最需要优先改善的"换乘接驳"和"售票系统"两个指标的改善效果。研究结果表明:"换乘接驳"指标的改善效果较好,但两个指标之间无协同效果。     

基于FOA优化贝叶斯网络的高速公路机电故障预测研究

利用果蝇优化算法的快速搜索能力和全局最优能力,结合贝叶斯网络的结构特点,运用果蝇优化算法优化贝叶斯网络结构,提出一种基于果蝇优化算法优化贝叶斯网络的高速公路机电设备故障预测研究。     

基于AFC数据的城轨路网客流OD在线动态估计

路网实时客流状态是城市轨道交通日常运营组织科学决策的主要依据,而精准地在线估计客流OD是前提条件.本文分析了准实时AFC数据接入条件下客流OD在线动态估计问题及其特点,提出了将机器学习与递归贝叶斯相结合的客流OD动态估计方法;构建了基于LSTM的客流OD状态转移模型,以及LSTM模型嵌入下的客流OD递归贝叶斯估计模型;针对客流OD状态变化的非线性、不确定性特点,提出基于粒子滤波算法求解客流OD递归贝叶斯估计问题.面向LSTM模型嵌入所形成的客流OD状态转移三阶马尔科夫过程,对一般的粒子滤波算法进行高阶扩展,研究了算法的实现.最后用实例对本文提出的方法进行了验证.     

既有桥梁的贝叶斯网络评估方法

结合贝叶斯网络的因果关系推理能力，将其用于对结构技术状态的推断，采用高斯贝叶斯网络对既有桥梁的评价方面作了初步的尝试．根据先验的各变量的统计特征，在找出各变量的因果关系、构建相应的贝叶斯网络后，即可以从观测到的信息中推断结构的技术状况，这对现有桥梁的评估具有实际意义．文中提出了既有桥梁的贝叶斯网络的构建和推理运算方法．并利用桥梁中受弯构件的安全度作为实例给出了说明．     

诱导信息下的路径选择行为模型

本文为诱导信息下的驾驶员路径选择行为提出了一种基于决策场理论和贝叶斯理论的推理、预测、判断和路径选择决策的交互仿真模型. 首先,由贝叶斯推理理论建立诱导信息和以往出行经验共同作用下的路况动态更新模型;进而将其与基于决策场理论的动态路径选择模型相结合,构成诱导信息下的路径选择行为交互模型. 通过诱导信息下的路径选择行为动态模拟,获取诱导信息对路径选择行为的量化影响效能值. 仿真分析显示,诱导信息可信度、出行经验、路径固有偏好、决策速度/质量和路线选择标准是影响驾驶员对诱导信息做出响应的关键因素. 分析结果表明,决策场理论与贝叶斯理论相结合能较好地解释驾驶员路径选择行为的动态特性.