[发明专利]针对贝叶斯网络中引入专家评价的先验概率评估方法

摘要

本发明公开了针对贝叶斯网络中引入专家评价的先验概率评估方法。现有针对贝叶斯网络的先验概率评估方法未提及如何得到量化的专家评价先验概率，且当故障诊断样本容量不足时会造成故障因子的统计先验概率缺失。本发明首先对专家评价进行误差判别，包括评价失真误差和评价经验误差判别；然后对于故障因子，利用算术平均值和分批估计理论进行数据融合；基于多重插补对故障因子的历史统计概率补全；对专家评价数据集和统计概率数据集进行幂函数拟合，将专家评价转化为量化的先验概率。本发明有效将专家评价误差剔除、将专家组的评价拟合，实现精确量化专家评价，与诊断样本得到的统计概率结合，得到完备的先验概率集，提高贝叶斯网络推理的准确度。

主权项

1.针对贝叶斯网络中引入专家评价的先验概率评估方法，其特征在于：该方法具体如下：步骤1，对专家评价进行误差判别，具体为：1.1，制定定性评价规则，专家们依照定性评价规则对贝叶斯网络中桥式起重机的各故障因子的先验概率给出定性评价，并根据定性评价规则划分的等级取相应等级对应的评分值，得到的结果记为从而得到专家i对故障因子j的评价矩阵i表示第i个专家，j为对应故障因子序号，k为评价次数，k≥3；1.2，判定专家的评价失真误差；用贝塞尔公式计算标准差：其中，f表示专家第f次评价，f≤k；v_f表示专家i对故障因子j的第f次评价残差，表示专家i对故障因子j的k次评价的平均值；此时利用阿贝‑赫梅特判别法，对残差v_f做统计量：u＝|v₁v₂+v₂v₃+…+v_k‑1v_k|当时，则怀疑专家i对此故障因子j的评价存在失真误差；1.3，判定专家的评价经验误差；首先将每个不存在评价失真误差的专家评价结果汇总，专家i对故障因子j的k次评价去除失真误差后，取平均值a_ij作为对故障因子j的评分，得评分矩阵根据肖维勒准则，计算不同专家对同一故障因子j的评价残差表示故障因子j的各专家评价值的平均值，若a_ij的残差|v_j|>Z_cσ，则此数据为异常数据；Z_c表示肖维勒系数，可由查表获取，σ表示对于同一故障因子j各专家给出评价值的评价标准差；步骤2，对于故障因子j，利用算术平均值和分批估计理论进行数据融合，由于专家库评价样本不大，将剔除误差后的各个专家评价数据分成两批处理；具体为：对分批后的两组数据分别求算术平均值T₍₁₎,T₍₂₎，标准差σ₍₁₎,σ₍₂₎，得到故障因子j的专家评价融合值为：步骤3，基于多重插补对故障因子的历史统计概率补全，具体为：3.1，将故障因子按照专家融合评价的发生等级排序后，基于多重插补采用最近距离法为故障因子历史统计概率数据集中的n个缺失概率进行插补n次，每次插补采用与缺失概率的故障因子发生等级相邻的两个故障因子的统计概率作为初始插补概率，因此可以得到2ⁿ个完整数据集；3.2，采用比估计公式确定补全后数据集的比估计量；3.3，将分析得到的数据进行合并，得到缺失概率的多重插补估计概率，从而补全历史统计概率；步骤4，对专家评价数据集和统计概率数据集进行幂函数拟合，将专家评价转化为量化的先验概率。