[发明专利]利用贝叶斯网络算法建立锅炉燃烧过程模型的方法和装置

权利要求书

1.一种利用贝叶斯网络算法建立锅炉燃烧过程模型的方法，其特征在于，所述方法包括：

设定锅炉燃烧过程模型的输入变量和输出变量；

根据所述输入变量和所述输出变量之间的因果关系，建立所述输入变量和所述输出变量的贝叶斯网络结构；

获取锅炉燃烧的历史样本数据；

通过使用所述锅炉燃烧的历史样本数据对所述锅炉燃烧过程模型进行离线学习，得到所述贝叶斯网络结构中所述输入变量和所述输出变量之间的条件概率关系参数；

根据所述贝叶斯网络结构中所述输入变量和所述输出变量之间的条件概率关系参数，确定所述锅炉燃烧过程模型。

2.如权利要求1所述的方法，其特征在于，当所述锅炉燃烧的历史样本数据完整时，通过使用所述锅炉燃烧的历史样本数据对所述锅炉燃烧过程模型进行离线学习，得到所述贝叶斯网络结构中所述输入变量和所述输出变量之间的条件概率关系参数，包括：

利用最大似然估计算法，通过所述锅炉燃烧的历史样本数据离线学习，得到所述贝叶斯网络结构的所述输入变量和所述输出变量之间的条件概率关系参数。

3.如权利要求2所述的方法，其特征在于，所述最大似然估计算法的公式如下：

P(Y=y1|W=w1)=N(Y=y1,W=w1)N(Y=y1,W=w1)+N(Y=y1,W=w2)]]>

其中，Y表示所述输出变量，y1表示所述输出变量的取值，W表示所述输入变量，w1、w2表示所述输入变量的取值，N(Y＝y1,W＝w1)表示Y取值为y1、W取值为w1在历史样本中发生的次数，N(Y＝y1,W＝w2)表示Y取值为y1、W取值为w2在历史样本中发生的次数。

4.如权利要求1所述的方法，其特征在于，当所述锅炉燃烧的历史样本数据不完整时，通过所述锅炉燃烧的历史样本数据离线学习，得到所述贝叶斯网络结构的所述输入变量和所述输出变量之间的条件概率关系参数，包括：

利用最大期望算法，通过所述锅炉燃烧的历史样本数据离线学习，得到所述贝叶斯网络结构的所述输入变量和所述输出变量之间的条件概率关系参数。