[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

说明书

技术领域

本发明涉及系统评价指标分析领域，具体涉及一种基于贝叶斯因果网络的评价指标均衡态分析方法。

背景技术

评价指标均衡态分析是系统评价指标分析领域的重要问题，也是实现系统优化与改造的关键技术之一。传统的指标体系构建中，要求指标之间具有正交性，但是随着新兴技术的不断突破和应用，现实中的很多系统中的各要素之间的关联性日趋复杂，在全面、综合地对系统开展评价的要求下，所得评价指标之间不可避免地具有某些因果联系。系统的评价指标之间具有的内在因果关系，这在实际工程环境中，所呈现的就是评价指标基准之间的匹配关系。例如，两化融合评价中，企业的人员配置和计算机拥有量之间就存在一种最佳的均衡关系。因此，对于外生条件约束下的系统，其各种指标应该存在一个最佳的匹配关系。在系统评价中，要求得到评价指标在各种条件下的均衡态，以获得系统评价结果分析以及系统优化与改造的基准。

传统的评价指标均衡态分析，由于指标之间具有正交性，往往只需根据专家经验的方法，确定各评价指标的上下限，在评价结果分析中，找到某些明显得分较低的指标，以此来优化和改造系统。这样的方法简单直观，但在指标之间具有内在因果关系的复杂系统中并不适用，因为单个指标的优化可能会影响到其他指标，在指标间的内在因果关系不明的情况下，如果仅改进其中的某个指标可能无助于系统整体功能的提升，反而可能因为无效的投入而产生资源浪费。

发明内容

本发明旨在至少解决上述技术问题之一。

为此，本发明的目的在于提出一种基于贝叶斯因果网络的评价指标均衡态分析方法，可有效发现复杂系统中评价指标间的因果关系并得到不同条件下评价指标的均衡态。

为了实现上述目的，本发明的实施例公开了一种基于贝叶斯因果网络的评价指标均衡态分析方法，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。

进一步地，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。

进一步地，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。