基于貝葉斯網(wǎng)絡(luò)的突發(fā)事件情景構(gòu)建一、基于知識的貝葉斯網(wǎng)絡(luò)基于知識的貝葉斯網(wǎng)絡(luò)建模方法的核心思想是基于知識庫，使用推理構(gòu)建貝葉斯網(wǎng)絡(luò)模型?；谥R的貝葉斯網(wǎng)絡(luò)建模過程流程：面對不同的突發(fā)事件，通過人機(jī)界面（HMI）輸入應(yīng)急決策支持所需問題的描述，推理機(jī)基于知識庫進(jìn)行推理并構(gòu)建針對當(dāng)前突發(fā)事件應(yīng)急決策支持問題的貝葉斯網(wǎng)絡(luò)模型，再通過一定的模型修改得到最終的貝葉斯模型。其中，知識庫中存儲的是基于相關(guān)領(lǐng)域?qū)＜医?jīng)驗知識的規(guī)范化知識信息。一、基于知識的貝葉斯網(wǎng)絡(luò)圖1基于知識的貝葉斯網(wǎng)絡(luò)建模流程二、基于案列推理的貝葉斯網(wǎng)絡(luò)基于知識的建模方法主要使用的是基于規(guī)則的推理方式，但是，使用規(guī)則推理進(jìn)行建模時，每次都需要對知識庫中的所有規(guī)則知識信息遍歷一次，當(dāng)面對復(fù)雜問題時，建模效率很低。

為了克服基于知識的建模方法的不足之處，可以使用案列推理的方法。案例推理的基本思想：基于新案列的有關(guān)信息，對歷史案例進(jìn)行搜索，參考?xì)v史案例對新案例進(jìn)行求解。二、基于案列推理的貝葉斯網(wǎng)絡(luò)案列推理一般由以下四個部分內(nèi)容組成：（1）案列匹配：

基于已有的新案例的有關(guān)數(shù)據(jù)信息，對案列庫中的歷史案例進(jìn)行匹配，從而得到相似的歷史案例。

（2）案例復(fù)用：對案例匹配所得到的相似歷史案例進(jìn)行分析，基于其中最相似的案例進(jìn)行新案例求解，以達(dá)到重復(fù)使用案例的目的。

二、基于案列推理的貝葉斯網(wǎng)絡(luò)案列推理一般由以下四個部分內(nèi)容組成：（3）案例修正：

當(dāng)案例匹配所得到的案列無法直接應(yīng)用于當(dāng)前新案例的求解中時，則需對相似案例進(jìn)行修正，使其滿足要求。(4)案例保存：將當(dāng)前新案例以一定的案例表示方法儲存到案例庫中，以不斷增強(qiáng)案列庫的實用性。二、基于案列推理的貝葉斯網(wǎng)絡(luò)圖2案例推理的工作流程二、基于案列推理的貝葉斯網(wǎng)絡(luò)圖3基于案例推理的貝葉斯網(wǎng)絡(luò)建模流程三、案列匹配方法案列匹配的思想是通過一定的算法，計算歷史案例和新案例的相似程度，以相似程度最高的案列作為匹配結(jié)果。

對于某一領(lǐng)域的模型來說，案例之間的相似程度可以近似的通過計算相同節(jié)點的數(shù)目得到，即節(jié)點相似程度高的兩個模型具有相似的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。三、案列匹配方法案列相似度計算方法：式中：——?dú)v史案列；

——當(dāng)前新案列；——兩個案例之間的相似程度；——兩個案例相同查詢節(jié)點的數(shù)目；——當(dāng)前新案列中查詢節(jié)點的數(shù)目；——兩個案例相同證據(jù)節(jié)點的數(shù)目；——當(dāng)前新案例中證據(jù)節(jié)點的數(shù)目；——查詢節(jié)點的權(quán)重系數(shù)；——證據(jù)節(jié)點的權(quán)重系數(shù)。且

三、案列匹配方法若歷史案例包含了當(dāng)前新案例中所有的節(jié)點，則有

即兩個案例的相似度為100%；

若歷史案例沒有包含當(dāng)前新案例中的任何節(jié)點，則有

即兩個案例的相似度為0式中：——兩個案例之間的偏離度；——?dú)v史案例中的節(jié)點數(shù)目；——存在于歷史案例中但不存在于當(dāng)前新案例中的節(jié)點數(shù)目，

且

。三、案列匹配方法圖4貝葉斯網(wǎng)絡(luò)模型匹配流程四、模型修正方法典型的貝葉斯模型修正方法包括：融合方法、剪枝方法、細(xì)分和泛化方法等。

（1）融合方法：設(shè)需要進(jìn)行貝葉斯網(wǎng)絡(luò)融合的兩個候選案例的貝葉斯網(wǎng)絡(luò)分別為A和B,將B融合到A中（即將B中的各個節(jié)點加入到A中），如圖5所示。圖5案列融合示意圖

四、模型修正方法（2）剪枝方法：根據(jù)已有的證據(jù)和查詢信息，刪除與當(dāng)前案例無關(guān)的節(jié)點及相應(yīng)的路徑，從而降低貝葉斯網(wǎng)絡(luò)的復(fù)雜度，提高貝葉斯網(wǎng)絡(luò)支持效率，如圖6所示。圖6案列剪枝示意圖

四、模型修正方法（3）細(xì)分和泛化方法：貝葉斯網(wǎng)絡(luò)進(jìn)行融合和剪枝后，為了提高最終貝葉斯網(wǎng)絡(luò)模型與當(dāng)前新案例的相似程度，需要根據(jù)實際情況對貝葉斯網(wǎng)絡(luò)進(jìn)行細(xì)分和泛化，即節(jié)點的添加、分解和合并。圖7節(jié)點的分解和合并四、模型修正方法圖8節(jié)點的