导读:本文包含了动态贝叶斯网络论文开题报告文献综述及选题提纲参考文献，主要关键词:油纸绝缘,老化状态,介电响应,特征提取
动态贝叶斯网络论文文献综述
吴晋媛,夏国强,李通,高波,吴广宁[1]（2019）在《基于时域介电法和动态贝叶斯网络的变压器油纸绝缘老化状态评估》一文中研究指出为了能够实现对变压器油纸绝缘老化状态的准确评估,文中在极化/去极化电流方法的基础上,提出6种表征油纸老化的特征量,并将动态贝叶斯网络引入到油纸绝缘老化状态评估问题中,建立了相应的老化阶段预测模型,针对该模型进行了实例验证。结果表明:从PDC及拓展Debye模型提取的绝缘纸电量Q_(paper)、稳定平均电导电流■以及平均极化时间常数■对油纸老化状态反映敏感,且与聚合度有良好的拟合关系,可作为表征绝缘纸老化的特征量;油纸绝缘老化状态评估问题符合动态贝叶斯网络的应用条件,通过划分特征量状态及老化阶段,可以反映变量之间的时序关系;油纸老化状态评估模型验证的准确度为91.3%,平均相对误差为0.108,故验证了动态贝叶斯网络应用于油纸绝缘老化状态评估的准确性和稳定性。(本文来源于《高压电器》期刊2019年10期）
张曦,刘君强,张振良,黄亮[2]（2019）在《基于改进随机集贝叶斯网络的航班运行风险动态分析》一文中研究指出针对航班运行风险动态分析,基于众多的航班运行风险的静态分析过程,结合贝叶斯网络和随机集理论,提出了改进的随机集贝叶斯网络的模型用以分析航班运行风险的变化.根据不安全事件的统计数据,精简部分影响因素组成贝叶斯网络,同时给出贝叶斯网络的算法.最后根据天气的实际变化进行运算,得出航班运行风险数据随着时间、天气等因素的动态变化,验证了改进随机集贝叶斯网络的可行性.(本文来源于《武汉理工大学学报(交通科学与工程版)》期刊2019年05期）
郑峰,张明广,左亚雯[3]（2019）在《基于动态贝叶斯网络的化工装置区多米诺事故情景构建》一文中研究指出化工装置区多为易燃易爆的有毒危险化学物质,一旦发生泄漏,进而会引发火灾爆炸事故,后果将不堪设想。以某化工企业储罐区池火灾为例,基于动态贝叶斯网络方法,根据储罐燃尽时间和失效时间划分事故过程时间节点,借助GeNIe分析软件,提出多米诺效应动态贝叶斯网络(DBN)分析模型的构建及学习方法。明确化工储罐区导致多米诺效应事故发生的关键环节,从而得出初始事故发生后各事故储罐关键时刻事故发生概率,为多米诺效应事故应急决策提供理论依据。(本文来源于《南京工业大学学报(自然科学版)》期刊2019年05期）
邢志伟,朱慧,李彪,罗谦[4]（2019）在《基于贝叶斯网络的航班离港时间动态估计》一文中研究指出为了准确地感知航班离港流程和估计航班离港的时间,设计了一种基于动态贝叶斯网络的航班离港时间估计方法。首先,基于航班的不同属性分析影响航班离港流程的因素,根据影响因素对数据进行分类处理,在历史数据分类的基础上,结合蒙特卡洛模拟方法获取各环节的联合分布和先验分布,并由柯尔莫哥洛夫检验确定各环节的联合分布模型,从而获得动态贝叶斯网络模型的参数;其次,根据贝叶斯网络架构和条件概率推理动态估计离港时间及各环节的完成时间;最后,选取国内中部某机场的单航班离港运行数据进行仿真验证。研究结果表明:随着流程的推进,其传播误差会增大,但离港时间的估计精度达到了80%以上,动态估计结果的稳定性较好,能够充分地反映航班离港流程中各关键节点的实际情况。(本文来源于《计算机科学》期刊2019年10期）
范慧敏[5]（2019）在《基于贝叶斯网络的动态数据流分类研究》一文中研究指出随着大数据时代的到来,在线数据大幅增加,实时挖掘海量数据流已成为机器学习领域面临的一大挑战。在线学习方法通过对数据的逐条处理,并利用增量式更新模型的方法实现了海量数据的实时处理,受到了研究人员的广泛关注。朴素贝叶斯作为一种在线学习方法,简单高效且有坚实的理论基础,被用来解决数据流分类问题,但当数据流中出现概念漂移时,会严重影响其分类性能。同时,其属性条件独立假设要求在现实应用中通常无法满足。基于以上问题,本文以朴素贝叶斯算法为基础,做改进研究:(1)为解决分类中特征空间维度过高的问题以及朴素贝叶斯算法属性条件独立假设的不足,提出了一种基于信息论的属性选择分类框架。通过分析Jeffreys散度与贝叶斯分类器Ⅰ型和Ⅱ型错误相关性质,针对Jeffreys散度在多元分布下的局限性,引入衡量多分布差异的Multi-Jeffreys-Hypothesis(MJH)度量,提出基于MJH的选择性朴素贝叶斯分类算法。实验结果表明了算法的良好分类效果与收敛性。(2)针对朴素贝叶斯分类器没有检测与处理概念漂移的机制,无法处理非静止情况下的流式数据分类。本文提出一种基于遗忘机制的加权朴素贝叶斯算法。通过遗忘机制对实例加权,随着时间推移实现权重逐渐衰减,使原本的朴素贝叶斯分类器能自动、迅速地适应数据变化,达到解决概念漂移问题的目的。实验结果证明了该算法的有效性。(3)在概念漂移的情况下,基于历史知识和当前知识存在相关性的假设,分析集成学习方法的优越性,提出基于知识迁移的集成学习算法。通过知识迁移的模式,在提取历史.模型中有用知识的同时,去除其中与最新数据分布不同的知识,得到新的历史模型。将迁移后的历史模型与最新数据所得模型进行加权融合。仿真和真实数据上的实验结果表明了基于知识迁移的集成学习算法能够充分发挥集成学习的优势,有效解决数据流分类中的概念漂移问题。(本文来源于《西安理工大学》期刊2019-06-30）
杨玥,康琪[6]（2019）在《基于动态贝叶斯网络的变压器运行状态实时监测》一文中研究指出介绍了一种基于动态贝叶斯网络的变压器运行状态实时监测方法。该方法可以在有限数量的监测点获得相关物理参数的功能状态信息,以二进制形式传递成功或失败的概率,在此基础上加入时间片段,进行变压器指定时间段内风险事件发生概率的推演,实现变压器运行状态持续监控。(本文来源于《内蒙古电力技术》期刊2019年03期）
马再兴[7]（2019）在《基于动态贝叶斯网络的生猪价格与产量预测》一文中研究指出中国是世界上最大的猪肉生产国和消费国,也是生猪养殖规模最大的国家。目前,中国年生猪出栏量超过6亿头。在中国所有肉类消费中,猪肉消费一直领先其他肉制品,2016年猪肉消费占肉类消费的60%。近年来生猪价格波动频繁而且波动幅度越来越大,生猪价格波动对整个养猪行业乃至社会产生巨大影响。因此,探究一种可以准确预测生猪价格的模型对于生猪市场的研究和生产都具有重要意义。生猪价格的预测结果不仅可以为政府调整生猪产业链的各个环节提供决策支持,还可以平衡城镇居民食品消费价格,维持生猪市场供求关系平衡,从而推动我国生猪产业稳定的发展。影响生猪价格的因素繁杂且具有不确定性,因此,本文使用适合解决不确定性问题的动态贝叶斯网络来进行生猪价格预测的研究。本文首先采用相关性分析,从影响生猪价格波动的20多种因素中筛选重要影响因素作为生猪价格预测的模型参数;然后在静态贝叶斯网络的基础上结合时间序列,采用结构学习和参数学习建立模型。具体过程如下:1)数据处理。采用Python网络爬虫获取实验样本数据,对数据进行预处理包括缺失值填充和异常值剔除等。根据实验要求,对不同量纲的样本数据进行归一化处理,并将数据分为训练集和测试集后用于后续实验模型构建。2)变量选择。影响生猪价格的因素复杂多样,根据参考文献和专家知识,将20多种因素按照重要程度进行划分。对影响生猪价格的因素进行相关性分析,选出重要的影响因素,分别是豆粕价格、仔猪价格、猪肉产量、生猪出栏、生猪存栏量、生猪出厂价、猪粮比、畜肉类居民消费价格指数、白条猪批发价格、批发零售利润。3)构建模型。动态贝叶斯网络模型的构建分为结构学习和参数学习。本文的结构学习分为叁种,分别是利用PC算法从数据中学习、根据专家知识构建以及专家知识和PC算法相结合的方式进行结构学习,得到初始结构后将获得的初始结构进行调整得到模型的网络结构,再使用EM算法进行参数学习,获得完整的动态贝叶斯网络模型进行价格预测,根据预测结果选出效果最好模型。为验证动态贝叶斯网络模型的预测效果,本文同时建立基于ARIMA、BP神经网络和支持向量机(SVM)的预测模型对生猪价格进行预测,选用均方根误差(RMSE)、平均绝对百分误差(MAPE)和希尔不等系数(TIC)3种指标作为评价标准对上述四种模型预测结果进行评价,结果显示:在生猪价格预测中DBN模型的RMSE=1.200822,MAPE=7.137312,TIC=0.0351875,均优于其他模型,DBN模型预测2019年、2020年生猪价格为2019年13.8557元、2020年13.6012元;在产量预测中DBN模型的RMSE=37.611352,MAPE=0.626567,TIC=0.003349,均优于其他模型,DBN模型预测2019年、2020年生猪产量为2019年5461.864万吨、2020年5482.519万吨。(本文来源于《华中农业大学》期刊2019-06-01）
程江洲,朱偲,付文龙,熊双菊[8]（2019）在《基于贝叶斯网络的水力发电系统动态风险评估方法》一文中研究指出水力发电系统的风险评估对水电站的安全运行有着重要意义。本文结合风险理论与贝叶斯网络,提出一种基于贝叶斯网络的水力发电系统动态风险评估方法。该方法使用专家经验与故障树建立贝叶斯网络结构,对风险事故原因及事故间的因果关系进行有效分析,利用模糊综合评价法计算风险的发生概率以及产生的经济后果、社会后果与环境后果,采用风险等级表与狄利克雷模型对系统进行静态风险分析与动态风险评估,并以7个主要部件为例,建立了水力发电系统的风险评估模型。最后,通过模拟的故障信号对模型进行实时的风险评估,证明了方法的有效性。(本文来源于《水利学报》期刊2019年05期）
杨静,邹梅,黄微[9]（2019）在《基于动态贝叶斯网络的网络舆情危机等级预测模型》一文中研究指出【目的/意义】本文利用动态贝叶斯网络构建网络舆情危机等级预测模型,为网络舆情危机预警系统提供理论支撑。【方法/过程】对网络舆情主体、客体与媒体叁个要素进行分析,构建网络舆情危机等级预测指标体系,在指标体系的基础上,构建了动态贝叶斯网络并完成了动态贝叶斯网络的训练。【结果/结论】本文以"教科书式老赖"为例,结合动态贝叶斯网络对其属性进行了分析,提出了对策与建议。(本文来源于《情报科学》期刊2019年05期）
徐元元[10]（2019）在《基于动态贝叶斯网络的高层建筑火灾应急决策研究》一文中研究指出城市中人口众多、地价昂贵,高层建筑因可提高土地单位面积利用率得到了快速发展。但是高层建筑由于结构复杂、易形成立体火灾、内部可燃物较多且疏散困难等问题,每年造成大量的人员伤亡和经济损失。因此,研究高层建筑火灾应急决策势在必行。高层建筑火灾发生突然、火势蔓延快,如何在发生火灾后快速制定应急决策以配合消防工作者行动是当前研究的重点。本文的研究思路是:一方面,通过对高层建筑火灾情景演化路径和规律进行分析,利用动态贝叶斯网络对高层建筑火灾进行情景推演预测,推算出下一时刻火灾最可能出现的情景;另一方面,利用相似度检索的方法把当前火灾情景和下一时刻演化情景的相似情景进行匹配,找到相似情境的解决问题思路和解决方案,为火灾工作者制定应急决策提供思路和方法。具体研究内容如下:首先,针对高层建筑火灾事故信息量大、信息获取时间紧迫且数据呈现动态性等特点,利用扎根理论来确定高层建筑火灾事故情景信息构成要素。本文分析并整理出4个一级构成要素、10个二级构成要素和36个情景信息构成要素,为下一步有针对性的搜集火灾事故现场信息和确定情景要素权重提供依据。针对高层建筑火灾演化路径多样性特点,整合了图论知识和概率论知识的贝叶斯网络可以有效解决该类不确定性问题。因此,本文利用动态贝叶斯网络构建高层建筑火灾情景动态演化网络模型,并利用GeNIe软件进行运算得出下一次时刻火灾事故最可能出现的演化路径。其次,利用层次分析法确定各要素权重。通过情景检索从情景库中匹配出与目标情景相似的情景,获得相似情景的解决方案和解决思路。根据当前火灾实际情况对相似情景解进行修正学习,制定适合当前火灾的应急决策方案。最后,对含有20个高层建筑火灾事故情景的情景库进行模型验证。通过分析计算找到了目标情景的相似情景,并对相似情景解进行修正学习,制定适合当前火灾事故的解决方案,从而证明了本文所建应急决策模型的可行性。本研究不仅丰富了高层建筑火灾事故应急决策研究理论,为此类火灾事故的应急决策模型构建提供了参考,而且能够为应急决策者做出快速、准确的火灾应急决策提供参考,对有效降低火灾损失具有重要的现实意义。(本文来源于《郑州大学》期刊2019-05-01）
动态贝叶斯网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对航班运行风险动态分析,基于众多的航班运行风险的静态分析过程,结合贝叶斯网络和随机集理论,提出了改进的随机集贝叶斯网络的模型用以分析航班运行风险的变化.根据不安全事件的统计数据,精简部分影响因素组成贝叶斯网络,同时给出贝叶斯网络的算法.最后根据天气的实际变化进行运算,得出航班运行风险数据随着时间、天气等因素的动态变化,验证了改进随机集贝叶斯网络的可行性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动态贝叶斯网络论文参考文献
[1].吴晋媛,夏国强,李通,高波,吴广宁.基于时域介电法和动态贝叶斯网络的变压器油纸绝缘老化状态评估[J].高压电器.2019
[2].张曦,刘君强,张振良,黄亮.基于改进随机集贝叶斯网络的航班运行风险动态分析[J].武汉理工大学学报(交通科学与工程版).2019
[3].郑峰,张明广,左亚雯.基于动态贝叶斯网络的化工装置区多米诺事故情景构建[J].南京工业大学学报(自然科学版).2019
[4].邢志伟,朱慧,李彪,罗谦.基于贝叶斯网络的航班离港时间动态估计[J].计算机科学.2019
[5].范慧敏.基于贝叶斯网络的动态数据流分类研究[D].西安理工大学.2019
[6].杨玥,康琪.基于动态贝叶斯网络的变压器运行状态实时监测[J].内蒙古电力技术.2019
[7].马再兴.基于动态贝叶斯网络的生猪价格与产量预测[D].华中农业大学.2019
[8].程江洲,朱偲,付文龙,熊双菊.基于贝叶斯网络的水力发电系统动态风险评估方法[J].水利学报.2019
[9].杨静,邹梅,黄微.基于动态贝叶斯网络的网络舆情危机等级预测模型[J].情报科学.2019
[10].徐元元.基于动态贝叶斯网络的高层建筑火灾应急决策研究[D].郑州大学.2019