[发明专利]一种基于遗传算法的贝叶斯网络天然气管道泄漏概率计算方法

权利要求书

1.一种基于遗传算法的贝叶斯网络天然气管道泄漏概率计算方法，其特征在于，包括以下步骤：

S1、基于统计数据库分析天然气管道失效原因因素,并分析影响天然气管道失效的实际状态因素，确定管道失效的实际状态因素与历史失效原因因素间的因果关联关系；

S2、根据因果关联关系，建立天然气管道失效故障树模型，利用故障树与贝叶斯网络的转换关系确定贝叶斯网络结构，完成天然气管道失效贝叶斯网络模型结构的构建；

S3、引入遗传算法完成贝叶斯网络参数学习以此获取最优网络条件概率；

S4、采用GeNIe贝叶斯网络仿真软件建立模型，输入贝叶斯网络根节点概率与条件概率，计算天然气管道在实际状态下的失效概率。

2.根据权利要求1所述的一种基于遗传算法的贝叶斯网络天然气管道泄漏概率计算方法，其特征在于，还包括S5、利用贝叶斯网络的反向推理功能，对每个风险因素进行重要度分析并得到影响管道发生失效的关键致因链。

3.根据权利要求1所述的一种基于遗传算法的贝叶斯网络天然气管道泄漏概率计算方法，其特征在于，所述S1中，采用思维导图分别分析基于统计数据库的管道失效原因因素与管道失效的实际状态因素，并建立关联关系图。

4.根据权利要求1所述的一种基于遗传算法的贝叶斯网络天然气管道泄漏概率计算方法，其特征在于，所述S2中，故障树与贝叶斯网络的转变步骤如下：

S2.1、故障树中的事故与贝叶斯网络的节点进行一一对应；

S2.2、按照故障树中事故的逻辑因果关系用有向边进行贝叶斯网络节点间的连接；

S2.3、故障树中的逻辑门与节点条件概率分布表进行对应。

5.根据权利要求1所述的一种基于遗传算法的贝叶斯网络天然气管道泄漏概率计算方法，其特征在于，所述S3中，基于遗传算法的条件概率θ_i的计算步骤如下：

S3.1、染色体编码，集合θ中每个参数均在[0,1]区间内，精度为二进制表示小数点后8位；

S3.2、种群初始化，在计算前以随机方式生成初始种群P(t)，个体为a,设置染色体长度为k,其值取决于条件概率表中参数的个数n,k＝8n；设置种群规模M,即随机产生M个k位随机数形成初始种群,种群中每个个体对应一组条件概率分布；

S3.3、适应度函数，选取最大似然函数L(θ)作为适应度函数F(x)，公式如下：

式中：i为网络拓扑结构G的节点个数；j为拓扑结构下节点δ(X_i)的组合数目；k为当前节点的取值、为一个常数；n_ijk为管道风险样本的特征函数；θ_ijk为非根节点对应的一组条件概率，对于初始种群P(t)中的每一个个体P_i(t)，构建节点X_i与其父节点P_g(X_i)的适应度函数F(x)，计算每个个体的适应度值；

S3.4、选择操作，利用轮盘赌方式从P(t)中选择最优个体，得到选择种群P₁(t+1)；

S3.5、交叉操作，确定交叉概率P_C,一般为0.65～0.90，采用离散重组式多切点交叉法进行交叉运算，得到交叉种群P₂(t+1)，

S3.6、变异操作，在交叉种群P₂(t+1)中以变异概率P_M选择个体进行变异操作,变异过程采用反转位值法，即对二进制位进行反转操作，得到变异种群P₃(t+1)、变异种群P₃(t+1)作为新种群P(t+1)代；

S3.7、终止条件，对每一代群体进行选择、交叉和变异运算，设最大遗传代数为T,当进行T轮选择、交叉和变异运算后，得到新种群P(t+T)代、则满足终止条件，输出最优网络参数。