基于贝叶斯网络的区域关系态势推演方法及装置

allin2022-11-25  86



1.本发明涉及应用信息技术领域,特别是指一种基于贝叶斯网络的区域关系态势推演方法及装置。


背景技术:

2.区域安全具有跨层次、跨系统、跨领域、开放复杂巨系统等特点。对于区域关系态势评估的研究比较困难,一方面不同区域的历史背景、文化以及价值观念的不同,以及区域间的相互猜疑给国家关系演化带来了巨大的不确定性;另一方面,影响区域关系的因素有很多,不同领域之间又存在着复杂的交互关系;最后,突发事件的发生也可能会给区域带来巨大而且意想不到的影响(如9
·
11事件),进而影响区域关系。区域关系涉及领域多,因素间关系复杂,演化过程具有高度的不确定性和连锁动态性,要求我们在事件发生发展过程中,针对实时发生的关键情景做出合理决策。因此,如何准确剖析区域关系的关键情景要素,判断其因果关系并构建贝叶斯网络,实现区域关系跨领域演化,对区域关系发展态势的研判至关重要。
3.区域关系态势推演是国家安全的重要部分,不仅可以准确研判未来区域关系的发展方向,还可以通过量化的方法寻找合适的应对策略,从而更好的抓住机会,提升自身实力,找到突破方向。但是目前在区域关系态势演变中还面临着诸多挑战,区域安全的多层次多领域的互相影响和作用使得情景演练非常困难。而现实生活中各种突发事件的发生以及快速变化的情景也导致情景演练效果不尽人意。
4.当前对区域关系态势演化的研究主要集中在单一致灾因子或某领域内风险这方面,对跨领域情景推演的研究较少。


技术实现要素:

5.本发明针对现有技术关于区域安全风险单一致灾因子或某领域内风险的研究较为充分,对跨领域风险的研究较少的问题,提出了本发明。
6.为解决上述技术问题,本发明提供如下技术方案:
7.一方面,本发明提供了一种基于贝叶斯网络的区域关系态势推演方法,该方法由电子设备实现,该方法包括:
8.s1、获取待推演情景。
9.s2、根据待推演情景以及区域安全分级情景要素集,得到多个基本情景要素作为节点变量。
10.s3、根据节点变量以及解释结构模型ism,构建节点变量间的层次结构模型,得到节点变量间的层次关系。
11.s4、根据节点变量、专家知识以及节点变量间的层次关系,构建贝叶斯情景网络,得到节点变量的条件概率。
12.s5、根据节点变量的条件概率,以仿真方式搭建区域关系演化的贝叶斯情景网络,
得到跨领域区域关系态势推演结果。
13.可选地,s2中的区域安全分级情景要素集,如下式(1)所示:
14.s
ns
(a)={sh(a),se(a),s
t
(a),ss(a),s
p
(a)}(1)
15.其中,sh(a)为公共卫生领域情景;se(a)为经济领域情景;s
t
(a)为科技领域情景;ss(a)为社会领域情景;s
p
(a)为政治领域情景。
16.可选地,s2中的公共卫生领域情景包括p个第一分类指标sh={s
h1
,s
h2
,s
h3
,

,s
hp
};其中,p个第一分类指标中的任一第一分类指标包括oi个基本情景要素,第一分类指标基于基本情景要素表示为基于基本情景要素表示为
17.可选地,s2中的经济领域情景包括m个第二分类指标se={s
e1
,s
e2
,s
e3
,

,s
em
};其中,m个第二分类指标中的任一第二分类指标包括mi个基本情景要素,第二分类指标基于基本情景要素表示为本情景要素表示为
18.可选地,s2中的科技领域情景包括q个第三分类指标s
t
={s
t1
,s
t2
,s
t3
,

,s
tq
};其中,q个第三分类指标中的任一第三分类指标包括mi个基本情景要素,第三分类指标基于基本情景要素表示为为
19.可选地,s2中的社会领域情景包括n个第四分类指标ss={s
s1
,s
s2
,s
s3
,

,s
sn
};其中,n个第四分类指标中的任一第四分类指标包括ni个基本情景要素,第四分类指标基于基本情景要素表示为本情景要素表示为
20.可选地,s2中的政治领域情景包括r个第五分类指标s
p
={s
p1
,s
p2
,s
p3
,

,s
pr
};其中,r个第五分类指标中的任一第五分类指标包括qi个基本情景要素,第五分类指标基于基本情景要素表示为本情景要素表示为
21.可选地,s3中的根据节点变量以及解释结构模型ism,构建节点变量间的层次结构模型,得到节点变量间的层次关系包括:
22.根据节点变量以及专家知识,得到节点变量之间的两两关系。
23.根据节点变量之间的两两关系,确定初始矩阵。
24.根据初始矩阵,计算可达矩阵。
25.根据可达矩阵以及解释结构模型ism,构建节点变量间的层次结构模型,得到节点变量间的层次关系。
26.可选地,s4中的根据节点变量、专家知识以及节点变量间的层次关系,构建贝叶斯情景网络,得到节点变量的条件概率包括:
27.根据节点变量、专家知识以及节点变量间的层次关系,用有向边连接节点变量,构建贝叶斯情景网络。
28.根据案例数据以及专家知识,得到节点变量的条件概率。
29.另一方面,本发明提供了一种基于贝叶斯网络的区域关系态势推演装置,该装置应用于实现基于贝叶斯网络的区域关系态势推演方法,该装置包括:
30.获取模块,用于获取待推演情景。
31.节点变量获取模块,用于根据所述待推演情景以及区域安全分级情景要素集,得
到多个基本情景要素作为节点变量。
32.层次关系获取模块,用于根据所述节点变量以及解释结构模型ism,构建节点变量间的层次结构模型,得到节点变量间的层次关系。
33.条件概率获取模块,用于根据所述节点变量、专家知识以及节点变量间的层次关系,构建贝叶斯情景网络,得到节点变量的条件概率。
34.输出模块,用于根据所述节点变量的条件概率,以仿真方式搭建区域关系演化的贝叶斯情景网络,得到跨领域区域关系态势推演结果。
35.可选地,区域安全分级情景要素集,如下式(1)所示:
36.s
ns
(a)={sh(a),se(a),s
t
(a),ss(a),s
p
(a)}(1)
37.其中,sh(a)为公共卫生领域情景;se(a)为经济领域情景;s
t
(a)为科技领域情景;ss(a)为社会领域情景;s
p
(a)为政治领域情景。
38.可选地,公共卫生领域情景包括p个第一分类指标sh={s
h1
,s
h2
,s
h3
,

,s
hp
};其中,p个第一分类指标中的任一第一分类指标包括oi个基本情景要素,第一分类指标基于基本情景要素表示为
39.可选地,经济领域情景包括m个第二分类指标se={s
e1
,s
e2
,s
e3
,

,s
em
};其中,m个第二分类指标中的任一第二分类指标包括mi个基本情景要素,第二分类指标基于基本情景要素表示为
40.可选地,科技领域情景包括q个第三分类指标s
t
={s
t1
,s
t2
,s
t3
,

,s
tq
};其中,q个第三分类指标中的任一第三分类指标包括mi个基本情景要素,第三分类指标基于基本情景要素表示为
41.可选地,社会领域情景包括n个第四分类指标ss={s
s1
,s
s2
,s
s3
,

,s
sn
};其中,n个第四分类指标中的任一第四分类指标包括ni个基本情景要素,第四分类指标基于基本情景要素表示为
42.可选地,政治领域情景包括r个第五分类指标s
p
={s
p1
,s
p2
,s
p3
,

,s
pr
};其中,r个第五分类指标中的任一第五分类指标包括qi个基本情景要素,第五分类指标基于基本情景要素表示为
43.可选地,层次关系获取模块,进一步用于:
44.根据节点变量以及专家知识,得到节点变量之间的两两关系。
45.根据节点变量之间的两两关系,确定初始矩阵。
46.根据初始矩阵,计算可达矩阵。
47.根据可达矩阵以及解释结构模型ism,构建节点变量间的层次结构模型,得到节点变量间的层次关系。
48.可选地,条件概率获取模块,进一步用于:
49.根据节点变量、专家知识以及节点变量间的层次关系,用有向边连接节点变量,构建贝叶斯情景网络。
50.根据案例数据以及专家知识,得到节点变量的条件概率。
51.一方面,提供了一种电子设备,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现上述基于贝叶斯网络的区域关系态势推演方法。
52.一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现上述基于贝叶斯网络的区域关系态势推演方法。
53.本发明实施例提供的技术方案带来的有益效果至少包括:
54.上述方案中,围绕公共卫生、经济、科技、社会、政治等领域,对区域安全情景进行分级分解,构建区域安全分级情景要素集;然后基于复杂系统机理、要素间的相互作用/影响关系和ism(interpretative structural modeling method,解释结构模型),建立区域安全情景要素的分层网络图,即确定区域安全情景的表达模型;再选取关键情景要素,构建区域关系态势演变的情景网络,结合历史案例和专家意见计算网络节点的条件概率;最后以仿真方式搭建出区域关系演化的贝叶斯网络并实现跨领域区域关系态势推演,直观地体现不同情景下不同结果的概率预测。本发明有效解决了区域关系态势推演的不确定性和跨领域问题,可以量化不同情景下产生的不同结果,实现区域关系的态势感知与跨领域演化的动态推演。对提升我国情景-应对的动态预测决策能力、事件处置的国内外博弈能力和我国区域安全保障能力和应急管理水平具有重要参考意义。
附图说明
55.为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
56.图1是本发明实施例提供的基于贝叶斯网络的区域关系态势推演方法流程示意图;
57.图2是本发明实施例提供的区域关系关键情景因素的分层网络示意图;
58.图3是本发明实施例提供的a、b两个区域关系态势推演示意图;
59.图4是本发明实施例提供的情景改变时区域关系态势推演示意图;
60.图5是本发明实施例提供的基于贝叶斯网络的区域关系态势推演装置框图;
61.图6是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
62.为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
63.如图1所示,本发明实施例提供了一种基于贝叶斯网络的区域关系态势推演方法,该方法可以由电子设备实现。如图1所示的基于贝叶斯网络的区域关系态势推演方法流程图,该方法的处理流程可以包括如下的步骤:
64.s1、获取待推演情景。
65.s2、根据待推演情景以及区域安全分级情景要素集,得到多个基本情景要素作为
节点变量。
66.可选地,s2中的区域安全分级情景要素集,如下式(1)所示:
67.s
ns
(a)={sh(a),se(a),s
t
(a),ss(a),s
p
(a)}(1)
68.其中,sh(a)为公共卫生领域情景;se(a)为经济领域情景;s
t
(a)为科技领域情景;ss(a)为社会领域情景;s
p
(a)为政治领域情景。
69.可选地,s2中的公共卫生领域情景包括p个第一分类指标sh={s
h1
,s
h2
,s
h3
,

,s
hp
};其中,公共卫生领域的第k个分类指标又包含oi个基本情景要素,则该分类指标基于基本情景要素可表示为
70.可选地,s2中的经济领域情景包括m个第二分类指标se={s
e1
,s
e2
,s
e3
,

,s
em
};其中,经济领域的第i个分类指标又包含mi个基本情景要素,该分类指标基于基本情景要素可表示为
71.可选地,s2中的科技领域情景包括q个第三分类指标s
t
={s
t1
,s
t2
,s
t3
,

,s
tq
};其中,科技领域的第l个分类指标又包括pi个分类指标,则该指标基于基本情景要素可表示为
72.可选地,s2中的社会领域情景包括n个第四分类指标ss={s
s1
,s
s2
,s
s3
,

,s
sn
};其中,社会领域的第j个分类指标又包含ni个基本情景要素,则该分类指标基于基本情景要素可表示为
73.可选地,s2中的政治领域情景包括r个第五分类指标s
p
={s
p1
,s
p2
,s
p3
,

,s
pr
};其中,政治领域的第m个分类指标又包含qi个基本情景因素,则该分类指标基于基本情景要素可表示为
74.一种可行的实施方式中,确定区域关系关键情景要素集的方法可以是,围绕公共卫生、经济、科技、社会、政治五个领域,对区域安全情景进行分级分解,构建区域安全情景要素集。公共卫生领域情景可以有四个分类指标,分别是医疗实力,突发事件应急处置能力,医疗合作和疫情扩散。使用每百万人病床数评判医疗实力,使用物资调配和反应时间评判突发事件应急处置能力,使用医疗援助评判医疗合作,使用疫情持续时间评判疫情扩散。
75.经济领域情景可以有五个分类指标,分别是宏观经济、金融、财政、贸易和资源。使用经济增长率和人均gdp评判宏观经济,使用汇率评判金融现状,使用税率、利率和国债评判财政状况,使用对外贸易指数评判贸易状况,使用能源净进口评判能源现状。
76.军事领域情景可以有两个分类指标,分别是军事科技和信息技术。使用军费支出评判军事科技发展程度,使用互联网top企业占比和高科技出口数评判信息技术发展现状。
77.社会领域情景可以有五个分类指标,分别是人口风险、社会生活、社会心态、社会文化和社会舆论。使用失业率和人口老年系数评判人口风险,使用居民消费水平评判社会生活,使用社会稳定性和对外情绪倾向评判社会心态,使用文化传播、文化水平、历史发展、价值观念评判社会文化,使用舆论引导评判社会舆论倾向。
78.政治领域情景可以有两个分类指标,分别是外部关系和内部政府。使用大国关系、地缘政治和高层交往代表外部关系,使用政府执行力、领导人特点和内部稳定性表现内部
政府现状。具体指标如下表1所示:
79.表1
[0080][0081]
[0082]
举例来说,基于某个具体区域关系事件,抽取最能体现此事件的一组关键情景作为节点变量。例如选取政治体系a、b作为区域关系推演研究对象,则抽取的a、b区域关系关键情景及其状态如下表2所示:
[0083]
表2
[0084][0085][0086]
s3、根据节点变量以及解释结构模型ism,构建节点变量间的层次结构模型,得到节点变量间的层次关系。
[0087]
可选地,s3中的根据节点变量以及解释结构模型ism,构建节点变量间的层次结构模型,得到节点变量间的层次关系包括:
[0088]
根据节点变量以及专家知识,得到节点变量之间的两两关系。
[0089]
根据节点变量之间的两两关系,确定初始矩阵。
[0090]
根据初始矩阵,计算可达矩阵。
[0091]
根据可达矩阵以及解释结构模型ism,构建节点变量间的层次结构模型,得到节点变量间的层次关系。
[0092]
一种可行的实施方式中,根据步骤2的关键情景要素集,围绕特定的区域关系事件,抽取最能体现区域安全事件的几个重要指标作为节点变量,基于专家知识建立关键情景要素之间的两两关系,采用多轮问卷调查方式要求专家判断每对变量之间的关系,根据专家咨询结果确定初始矩阵,经过ism分析,建立最终的层次结构模型。
[0093]
在问卷调查中,要求专家判断每对变量之间的关系,例如,“文化传播是否影响内部稳定性?”,可选择答案“是”、“否”、或“不确定”。对同一问题,如果至少两位专家给出一致评估,则认为这对关系成立,否则待定。梳理所有待定关系,设计第二轮问卷,向专家反馈不一致的意见,并请专家进行重新评估,直至所有问题都得到一致意见为止。
[0094]
举例来说,以步骤2选取的10个关键情景作为节点变量,对其进行ism建模分析。根据专家咨询结果,得到10个节点变量之间的两两关系,最终确定初始矩阵,之后经过计算可达矩阵,区域划分的步骤,得到如图2所示的10个关键情景因素的层次划分。ism建模分析步骤如下:
[0095]
确定初始矩阵,如下矩阵ssim:
[0096][0097]
计算可达矩阵,如下矩阵m:
[0098][0099]
区域划分。
[0100]
区域划分第一步,如下表3所示:
[0101]
表3
[0102][0103][0104]
区域划分第二步,如下表4所示:
[0105]
表4
[0106][0107][0108]
区域划分第三步,如下表5所示:
[0109]
表5
[0110][0111]
区域划分第四步,如下表6所示:
[0112]
表6
[0113]
[0114]
s4、根据节点变量、专家知识以及节点变量间的层次关系,构建贝叶斯情景网络,得到节点变量的条件概率。
[0115]
可选地,s4中的根据节点变量、专家知识以及节点变量间的层次关系,构建贝叶斯情景网络,得到节点变量的条件概率包括:
[0116]
根据节点变量、专家知识以及节点变量间的层次关系,用有向边连接节点变量,构建贝叶斯情景网络;
[0117]
根据案例数据以及专家知识,得到节点变量的条件概率。
[0118]
一种可行的实施方式中,构建贝叶斯情景网络的过程可以包含:
[0119]
确定网络节点变量:根据上一步骤的分析,得出贝叶斯网络的节点以及层次关系。
[0120]
建立贝叶斯网络:根据对事件的情景分析,用有向边连接节点变量,体现出各个要素的因果关系以及情景的演化顺序,构建区域关系态势演化的推演网络。
[0121]
条件概率估计:综合案例数据和专家意见,确定描述节点与其父节点之间关联程度的条件概率,没有父节点的节点根据处置方法的完成程度给定先验概率。
[0122]
举例来说,由于区域关系演变涉及因素复杂多样,并且由不同区域历史背景和社会文化的不同,往往有不同的发展轨迹,因此难以建立案例库。可供借鉴的历史经验比较少,因此本发明采用专家咨询的方法确定每个关键节点的条件概率,部分节点(对外贸易指数)的条件概率如下表7所示:
[0123]
表7
[0124][0125]
s5、根据节点变量的条件概率,以仿真方式搭建区域关系演化的贝叶斯情景网络,得到跨领域区域关系态势推演结果。
[0126]
一种可行的实施方式中,基于软件genie 2.3搭建区域关系态势演变的情景网络进行推演,得到不同情景下不同结果的概率预测值。
[0127]
其中,节点变量的条件概率包括有父节点的节点变量的条件概率、以及没有父节点的节点变量的条件概率。
[0128]
有父节点的节点变量,综合案例数据和专家意见,确定描述节点与其父节点之间关联程度的条件概率
[0129]
没有父节点的节点变量,根据处置方法的完成程度给定先验概率。
[0130]
举例来说,如图3所示,基于软件genie 2.3搭建政治体系a、b区域关系态势演变的情景网络进行推演,得到完整的贝叶斯网络,在示例的情景下,两国关系为竞争的可能性较大,为52%。此外,还可以通过设置不同的特定情景,得到不同情景下不同结果的概率预测值。如图4所示,把“对外贸易指数=s1”作为证据输入贝叶斯网络,可以发现所有的情景要
素概率都随之改变,除去经济领域受到影响外,社会领域、科技领域以及政治领域都受到了不同程度的影响,最终影响a、b两国关系,两国关系为竞争的概率从52%上升到了53%。证明了该方法的可行性。
[0131]
本发明实施例中,围绕公共卫生、经济、科技、社会、政治等领域,对区域安全情景进行分级分解,构建区域安全分级情景要素集;然后基于复杂系统机理、要素间的相互作用/影响关系和ism(interpretativestructuralmodelingmethod,解释结构模型),建立区域安全情景要素的分层网络图,即确定区域安全情景的表达模型;再选取关键情景要素,构建区域关系态势演变的情景网络,结合历史案例和专家意见计算网络节点的条件概率;最后以仿真方式搭建出区域关系演化的贝叶斯网络并实现跨领域区域关系态势推演,直观地体现不同情景下不同结果的概率预测。本发明有效解决了区域关系态势推演的不确定性和跨领域问题,可以量化不同情景下产生的不同结果,实现区域关系的态势感知与跨领域演化的动态推演。对提升我国情景-应对的动态预测决策能力、事件处置的国内外博弈能力和我国区域安全保障能力和应急管理水平具有重要参考意义。
[0132]
如图5所示,本发明实施例提供了一种基于贝叶斯网络的区域关系态势推演装置500,该装置500应用于实现基于贝叶斯网络的区域关系态势推演方法,该装置500包括:
[0133]
获取模块510,用于获取待推演情景。
[0134]
节点变量获取模块520,用于根据所述待推演情景以及区域安全分级情景要素集,得到多个基本情景要素作为节点变量。
[0135]
层次关系获取模块530,用于根据所述节点变量以及解释结构模型ism,构建节点变量间的层次结构模型,得到节点变量间的层次关系。
[0136]
条件概率获取模块540,用于根据所述节点变量、专家知识以及节点变量间的层次关系,构建贝叶斯情景网络,得到节点变量的条件概率。
[0137]
输出模块550,用于根据所述节点变量的条件概率,以仿真方式搭建区域关系演化的贝叶斯情景网络,得到跨领域区域关系态势推演结果。
[0138]
可选地,区域安全分级情景要素集,如下式(1)所示:
[0139]sns
(a)={sh(a),se(a),s
t
(a),ss(a),s
p
(a)}(1)
[0140]
其中,sh(a)为公共卫生领域情景;se(a)为经济领域情景;s
t
(a)为科技领域情景;ss(a)为社会领域情景;s
p
(a)为政治领域情景。
[0141]
可选地,公共卫生领域情景包括p个第一分类指标sh={s
h1
,s
h2
,s
h3
,

,s
hp
};其中,p个第一分类指标中的任一第一分类指标包括oi个基本情景要素,第一分类指标基于基本情景要素表示为
[0142]
可选地,经济领域情景包括m个第二分类指标se={s
e1
,s
e2
,s
e3
,

,s
em
};其中,m个第二分类指标中的任一第二分类指标包括mi个基本情景要素,第二分类指标基于基本情景要素表示为
[0143]
可选地,科技领域情景包括q个第三分类指标s
t
={s
t1
,s
t2
,s
t3
,

,s
tq
};其中,q个第三分类指标中的任一第三分类指标包括mi个基本情景要素,第三分类指标基于基本情景要素表示为
[0144]
可选地,社会领域情景包括n个第四分类指标ss={s
s1
,s
s2
,s
s3
,

,s
sn
};其中,n个第四分类指标中的任一第四分类指标包括ni个基本情景要素,第四分类指标基于基本情景要素表示为
[0145]
可选地,政治领域情景包括r个第五分类指标s
p
={s
p1
,s
p2
,s
p3
,

,s
pr
};其中,r个第五分类指标中的任一第五分类指标包括qi个基本情景要素,第五分类指标基于基本情景要素表示为
[0146]
可选地,层次关系获取模块530,进一步用于:
[0147]
根据节点变量以及专家知识,得到节点变量之间的两两关系。
[0148]
根据节点变量之间的两两关系,确定初始矩阵。
[0149]
根据初始矩阵,计算可达矩阵。
[0150]
根据可达矩阵以及解释结构模型ism,构建节点变量间的层次结构模型,得到节点变量间的层次关系。
[0151]
可选地,条件概率获取模块540,进一步用于:
[0152]
根据节点变量、专家知识以及节点变量间的层次关系,用有向边连接节点变量,构建贝叶斯情景网络。
[0153]
根据案例数据以及专家知识,得到节点变量的条件概率。
[0154]
本发明实施例中,围绕公共卫生、经济、科技、社会、政治等领域,对区域安全情景进行分级分解,构建区域安全分级情景要素集;然后基于复杂系统机理、要素间的相互作用/影响关系和ism(interpretative structural modelingmethod,解释结构模型),建立区域安全情景要素的分层网络图,即确定区域安全情景的表达模型;再选取关键情景要素,构建区域关系态势演变的情景网络,结合历史案例和专家意见计算网络节点的条件概率;最后以仿真方式搭建出区域关系演化的贝叶斯网络并实现跨领域区域关系态势推演,直观地体现不同情景下不同结果的概率预测。本发明有效解决了区域关系态势推演的不确定性和跨领域问题,可以量化不同情景下产生的不同结果,实现区域关系的态势感知与跨领域演化的动态推演。对提升我国情景-应对的动态预测决策能力、事件处置的国内外博弈能力和我国区域安全保障能力和应急管理水平具有重要参考意义。
[0155]
图6是本发明实施例提供的一种电子设备600的结构示意图,该电子设备 600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器 (central processing units,cpu)601和一个或一个以上的存储器602,其中,存储器602中存储有至少一条指令,至少一条指令由处理器601加载并执行以实现下述基于贝叶斯网络的区域关系态势推演方法:
[0156]
s1、获取待推演情景。
[0157]
s2、根据待推演情景以及区域安全分级情景要素集,得到多个基本情景要素作为节点变量。
[0158]
s3、根据节点变量以及解释结构模型ism,构建节点变量间的层次结构模型,得到节点变量间的层次关系。
[0159]
s4、根据节点变量、专家知识以及节点变量间的层次关系,构建贝叶斯情景网络,得到节点变量的条件概率。
[0160]
s5、根据节点变量的条件概率,以仿真方式搭建区域关系演化的贝叶斯情景网络,得到跨领域区域关系态势推演结果。
[0161]
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括指令的存储器,上述指令可由终端中的处理器执行以完成上述基于贝叶斯网络的区域关系态势推演方法。例如,计算机可读存储介质可以是rom、随机存取存储器(ram)、 cd-rom、磁带、软盘和光数据存储设备等。
[0162]
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
[0163]
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

技术特征:
1.一种基于贝叶斯网络的区域关系态势推演方法,其特征在于,所述方法包括:s1、获取待推演情景;s2、根据所述待推演情景以及区域安全分级情景要素集,得到多个基本情景要素作为节点变量;s3、根据所述节点变量以及解释结构模型ism,构建节点变量间的层次结构模型,得到节点变量间的层次关系;s4、根据所述节点变量、专家知识以及节点变量间的层次关系,构建贝叶斯情景网络,得到节点变量的条件概率;s5、根据所述节点变量的条件概率,以仿真方式搭建区域关系演化的贝叶斯情景网络,得到跨领域区域关系态势推演结果。2.根据权利要求1所述的方法,其特征在于,所述s2中的区域安全分级情景要素集,如下式(1)所示:s
ns
(a)={s
h
(a),s
e
(a),s
t
(a),s
s
(a),s
p
(a)}(1)其中,s
h
(a)为公共卫生领域情景;s
e
(a)为经济领域情景;s
t
(a)为科技领域情景;s
s
(a)为社会领域情景;s
p
(a)为政治领域情景。3.根据权利要求2所述的方法,其特征在于,所述s2中的公共卫生领域情景包括p个第一分类指标s
h
={s
h1
,s
h2
,s
h3
,

,s
hp
};其中,所述p个第一分类指标中的任一第一分类指标包括o
i
个基本情景要素,第一分类指标基于基本情景要素表示为s
hi
={f
hi1
,f
hi2
,f
hi3
,

,f
hioi
}。4.根据权利要求2所述的方法,其特征在于,所述s2中的经济领域情景包括m个第二分类指标s
e
={s
e1
,s
e2
,s
e3
,

,s
em
};其中,所述m个第二分类指标中的任一第二分类指标包括m
i
个基本情景要素,第二分类指标基于基本情景要素表示为s
ei
={f
ei1
,f
ei2
,f
ei3
,

,f
eimi
}。5.根据权利要求2所述的方法,其特征在于,所述s2中的科技领域情景包括q个第三分类指标s
t
={s
t1
,s
t2
,s
t3
,

,s
tq
};其中,所述q个第三分类指标中的任一第三分类指标包括m
i
个基本情景要素,第三分类指标基于基本情景要素表示为s
ti
={f
ti1
,f
ti2
,f
ti3
,

,f
tipi
}。6.根据权利要求2所述的方法,其特征在于,所述s2中的社会领域情景包括n个第四分类指标s
s
={s
s1
,s
s2
,s
s3
,

,s
sn
};其中,所述n个第四分类指标中的任一第四分类指标包括n
i
个基本情景要素,第四分类指标基于基本情景要素表示为s
si
={f
si1
,f
si2
,f
si3
,

,f
sini
}。7.根据权利要求2所述的方法,其特征在于,所述s2中的政治领域情景包括r个第五分类指标s
p
={s
p1
,s
p2
,s
p3
,

,s
pr
};其中,所述r个第五分类指标中的任一第五分类指标包括q
i
个基本情景要素,第五分类指标基于基本情景要素表示为s
pi
={f
pi1
,f
pi2
,f
pi3
,

,f
piqi
}。8.根据权利要求1所述的方法,其特征在于,所述s3中的根据所述节点变量以及解释结构模型ism,构建节点变量间的层次结构模型,得到节点变量间的层次关系包括:根据所述节点变量以及专家知识,得到节点变量之间的两两关系;根据所述节点变量之间的两两关系,确定初始矩阵;根据所述初始矩阵,计算可达矩阵;根据可达矩阵以及解释结构模型ism,构建节点变量间的层次结构模型,得到节点变量间的层次关系。9.根据权利要求1所述的方法,其特征在于,所述s4中的根据所述节点变量、专家知识
以及节点变量间的层次关系,构建贝叶斯情景网络,得到节点变量的条件概率包括:根据所述节点变量、专家知识以及节点变量间的层次关系,用有向边连接节点变量,构建贝叶斯情景网络;根据案例数据以及专家知识,得到节点变量的条件概率。10.一种基于贝叶斯网络的区域关系态势推演装置,其特征在于,所述装置包括:获取模块,用于获取待推演情景;节点变量获取模块,用于根据所述待推演情景以及区域安全分级情景要素集,得到多个基本情景要素作为节点变量;层次关系获取模块,用于根据所述节点变量以及解释结构模型i sm,构建节点变量间的层次结构模型,得到节点变量间的层次关系;条件概率获取模块,用于根据所述节点变量、专家知识以及节点变量间的层次关系,构建贝叶斯情景网络,得到节点变量的条件概率;输出模块,用于根据所述节点变量的条件概率,以仿真方式搭建区域关系演化的贝叶斯情景网络,得到跨领域区域关系态势推演结果。

技术总结
本发明公开了一种基于贝叶斯网络的区域关系态势推演方法及装置,涉及应用信息技术领域。包括:获取待推演情景;根据待推演情景以及区域安全分级情景要素集,得到多个基本情景要素作为节点变量;根据节点变量以及解释结构模型ISM,构建节点变量间的层次结构模型,得到节点变量间的层次关系;根据节点变量、专家知识以及节点变量间的层次关系,构建贝叶斯情景网络,得到节点变量的条件概率;根据节点变量的条件概率,以仿真方式搭建区域关系演化的贝叶斯情景网络,得到跨领域区域关系态势推演结果。本发明有效解决了区域关系态势推演的不确定性和跨领域问题,可以量化不同情景下产生的不同结果,实现区域关系的态势感知与跨领域演化的动态推演。化的动态推演。化的动态推演。


技术研发人员:邓青 马亚萍 姚梦娇 张辉 黄丽达 蒋慧灵 周亮 周正青 冯瑞 于峰
受保护的技术使用者:武汉理工大学 清华大学 上海交通大学
技术研发日:2022.03.22
技术公布日:2022/7/5
转载请注明原文地址: https://www.8miu.com/read-4226.html

最新回复(0)