[发明专利]一种基于贝叶斯网络的船舶碰撞事故等级预测方法和系统

权利要求书

1.一种基于贝叶斯网络的船舶碰撞事故等级预测方法，其特征在于，包括以下步骤：

获取水上交通事故调查报告，从中提取事故因素数据；

将所述事故因素数据按照联合分布特征进行初步离散化处理，将各影响因素与事故后果要素进行敏感度分析，合并各影响因素的部分离散化集合，得到离散化集合的结果，作为贝叶斯网络节点；

基于对变量间的相关性分析，结合专家建模经验确定所述贝叶斯网络节点的排序；编写机器语言，进行贝叶斯网络结构学习；根据K2结构学习算法获得贝叶斯网络结构；

根据所述贝叶斯网络结构，输入相应先验信息，运用贝叶斯参数学习算法，学习获得各网络节点的条件概率分布；将所得条件概率表赋予确定的贝叶斯网络拓扑结构，建立船舶碰撞事故的贝叶斯网络；

根据联合树推理的方法，根据所述船舶碰撞事故的贝叶斯网络构建出贝叶斯网络推理模型，得出船舶碰撞事故后果预测模型；

以船舶事故等级为查询变量，根据所述船舶碰撞事故后果预测模型推算出事故后果的概率分布。

2.根据权利要求1所述的一种基于贝叶斯网络的船舶碰撞事故等级预测方法，其特征在于，所述事故因素数据，包括：

事故灾害后果因素：事故等级；

环境因素：事故时间、风力、能见度、水面状况、气温和/或水温；

船舶因素：船舶种类、船长、船宽、船龄、总吨位、装载、船员数和/或船舶所有性质。

3.根据权利要求1所述的一种基于贝叶斯网络的船舶碰撞事故等级预测方法，其特征在于，所述方法还包括：

从贝叶斯网络的学习精度、贝叶斯网络模型的预测准确度层面，对构建的船舶碰撞事故后果预测模型进行有效性验证。

4.根据权利要求1所述的一种基于贝叶斯网络的船舶碰撞事故等级预测方法，其特征在于，所述获取事故因素数据后，还包括数据清洗步骤，具体如下：

整理船舶碰撞事故基本信息数据，对于所述事故调查报告中存在的错误记录数据，根据证据理论判断某一数据是否准确的置信度，进而对错误的数据进行清洗；

利用船舶静态数据对船舶基本静态信息进行校对和补充。

5.根据权利要求1所述的一种基于贝叶斯网络的船舶碰撞事故等级预测方法，其特征在于，所述获得贝叶斯网络结构过程中，还包括：

在所述贝叶斯网络结构的学习中应用基于评分搜索的方法。

6.根据权利要求1所述的一种基于贝叶斯网络的船舶碰撞事故等级预测方法，其特征在于，所述贝叶斯网络节点，还包括如下处理过程：

采用聚类的方法，将所述贝叶斯网络节点中相关性较强的特征聚成一个个簇，每个簇内的元素特征都为相似特性，把簇视为抽象节点；

将特征聚类得到的每个簇，完成类内多个特征到一个抽象特征值域的映射。将未聚类的特征与抽象特征合并，产生新的数据集，作为聚类处理后的贝叶斯网络节点。

7.根据权利要求1所述的一种基于贝叶斯网络的船舶碰撞事故等级预测方法，其特征在于，还包括：

在根据K2搜索算法进行贝叶斯网络结构的搜索学习前，先给定网络节点的排序；

采用基于贝叶斯统计的BD评分函数进行排序。

8.根据权利要求1所述的一种基于贝叶斯网络的船舶碰撞事故等级预测方法，其特征在于，还包括：

基于对变量间的相关性分析，结合专家建模经验来确定贝叶斯网络节点的排序。