[发明专利]一种基于贝叶斯因果网络的评价指标均衡态分析方法

权利要求书

1.一种基于贝叶斯因果网络的评价指标均衡态分析方法，其特征在于，包括以下步骤：

S101：获取系统的相关信息，建立系统评价指标体系，并确定影响系统的外生因素；由评价指标得到相应的内生变量集，由系统的外生影响因素得到外生输入变量集，由评价结果得到输出变量集；

S102：根据所述内生变量集、外生输入变量集和所述输出变量集构建三层贝叶斯因果网络结构，并利用条件独立性检验发现变量之间的因果关系；

S103：根据所述贝叶斯因果网络结构和所述变量之间的因果关系，对所述系统进行系统动力学建模，并仿真计算得到各变量的均衡态；

S104：将所述各变量的均衡态映射到评价指标，得到各评价指标在外生条件约束下的均衡态。

2.如权利要求1所述的基于贝叶斯因果网络的评价指标均衡态分析方法，其特征在于，所述建立系统评价指标体系的步骤包括：

通过查阅文献资料获取系统的相关信息，然后采用形式化建模分析的方式找出系统的关键要素，并以阶梯式层次结构的形式构建评价指标体系。

3.如权利要求1所述的基于贝叶斯因果网络的评价指标均衡态分析方法，其特征在于，所述根据所述内生变量集、外生输入变量集和所述输出变量集构建三层贝叶斯因果网络结构的步骤包括：

S1021：构建三层贝叶斯因果网络结构图模型G，每一个节点V_i代表一个变量X_i，将外生变量集ExList中的变量置于顶层，内生变量集EnList中的变量置于中间层，输出变量集OuList中的变量置于底层；

S1022：利用样本数据，任意选择G中两个变量X_i,X_j进行相关性检验，如果两个变量间存在相关关系，那么就在代表这两个变量的节点间添加一条无向边EA_ij；当对所有变量完成相关性检验后，就形成了无向图模型GA；

S1023：对图模型进行子图分解，通过子图的定义，在中间层将整个图模型分解成若干个子图模型GA_i(i＝1,2,…)，其中，所述子图的定义为：对于一个变量集D，变量集D中包括三层贝叶斯因果网络结构图模型中所有的中间层变量，如果变量集D有一个子集D_i，并且当移除D_i内变量节点与顶层变量节点、底层变量节点连接的所有边时，子集D_i内变量节点和子集外任何变量节点没有路径相连，则子集D_i的变量节点和顶层变量节点、底层变量节点所组成的图是整个网络图模型的一个子图；

S1024：针对每一个子图GA_i，对模型中的各变量进行条件独立性检验，分析各变量间的因果关系，形成局部贝叶斯因果网络结构G_i。