[发明专利]一种基于定性数据的定量化风险评估方法

权利要求书

1.一种基于定性数据的定量化风险评估方法，其特征在于，包括如下步骤：

步骤一、专家评语的收集和整理；

步骤二、评语的云模型表达和修正；

步骤三、计算综合云数值特征；

步骤四、生成风险云图及各等级隶属度；

步骤五、基于专家经验构建贝叶斯网络；

步骤六、贝叶斯网络条件概率设定；

步骤七、贝叶斯网络风险推理。

2.如权利要求1所述的一种基于定性数据的定量化风险评估方法，其特征在于：所述步骤一中，根据n个专家的定性资料对指标进行评价，构建各个指标的评语集V＝{极低，较低，中等，较高，极高}。

3.如权利要求2所述的一种基于定性数据的定量化风险评估方法，其特征在于：所述步骤二中，将评价指标分为两种属性：“指标越大风险越大型”、“指标越小风险越大型”，针对两种类型指标的特点，提出两种类型指标的云评价模型：

指标越大风险越大型指标，评语集如下：

V₁＝{极低，较低，中等，较高，极高}

对应的取值区间分别为(80，100)、(60，80)、(40，60)、(20，40)、(0，20)；

指标越小风险越大型指标，评语集如下：

V₂＝{极高，较高，中等，较低，极低}

对应的取值区间分别为(0，20)、(20，40)、(40，60)、(60，80)、(80，100)。

4.如权利要求3所述的一种基于定性数据的定量化风险评估方法，其特征在于：所述步骤三中，将专家评语转化为云模型数值特征，对于评价集中“较低”、“中等”、“较高”的双边约束评语，采用如下公式进行表达：

其中，Ex为期望，En为熵，He为超熵，a为约束的下边界，b为上边界，k为常数；

对于“极低”、“极高”的单边约束评语，将其单边界作为其缺省期望值，用半降半升云进行表达：

运用浮动云算法综合云模型数值特征如下：

其中，W_i，i＝1，2，...，n代表各专家的权重。

5.如权利要求4所述的一种基于定性数据的定量化风险评估方法，其特征在于：所述步骤四中，采用正向正态云发生器生成风险云图，计算云滴落于各评语区间的频率，以此表示概念对各风险等级的隶属度，作为贝叶斯网络输入的先验概率。

6.如权利要求5所述的一种基于定性数据的定量化风险评估方法，其特征在于：所述步骤五中，根据专家对于风险要素影响机理梳理指标之间的因果关系，构建贝叶斯网络结构。

7.如权利要求6所述的一种基于定性数据的定量化风险评估方法，其特征在于：所述步骤六中，采用蒙特卡洛算法进行模拟试验，得到各子节点与父节点之间的条件概率。

8.如权利要求7所述的一种基于定性数据的定量化风险评估方法，其特征在于：所述步骤七中，将先验概率和条件概率作为输入，进行贝叶斯推理，计算出研究区危险性对各风险等级的隶属度。