[发明专利]基于云模型和模糊贝叶斯网络的火灾风险评估方法及装置

权利要求书

1.一种基于云模型和模糊贝叶斯网络的火灾风险评估方法，其特征在于，所述方法包括：

S1、获取电气火灾风险监测的历史数据和待评估数据；

S2、根据所述历史数据，构建电气火灾风险评估的贝叶斯网络的网络结构；其中，所述贝叶斯网络的网络结构包括监测信息根节点、中间风险节点以及火灾风险叶节点；

S3、根据所述历史数据以及启发式高斯云变换算法，确定状态评价标准云；

S4、根据所述待评估数据以及状态评价标准云，得到不同时间粒度下待评估数据中各指标监测数据的状态隶属度；

S5、根据所述各指标监测数据的状态隶属度以及构建好的贝叶斯网络，得到多数据融合的、不同时间粒度下的电气火灾风险评估结果；

所述S5中的根据所述各指标监测数据的状态隶属度以及构建好的贝叶斯网络，得到多数据融合的、不同时间粒度下的电气火灾风险评估结果包括：

S51、将各指标监测数据的状态隶属度转换为监测信息根节点的先验概率；

S52、根据所述监测信息根节点的先验概率确定贝叶斯网络中各节点的条件概率，将所述条件概率输入到贝叶斯网络的网络结构中，得到构建好的贝叶斯网络；

S53、基于桶消元法以及构建好的贝叶斯网络，得到多数据融合的、不同时间粒度下的电气火灾风险评估结果；

所述S51中的监测信息根节点的先验概率的计算方法，如下式（1）所示：

（1）

其中，为先验概率值；为第i个指标对应于第j种状态的隶属度；λ∈[0,1]，是一致性检验参数；

所述S52中的根据所述监测信息根节点的先验概率确定贝叶斯网络中各节点的条件概率包括：

根据所述监测信息根节点的先验概率、专家知识和所述历史数据，确定贝叶斯网络中各节点的条件概率；

所述S53中的基于桶消元法以及构建好的贝叶斯网络，得到多数据融合的、不同时间粒度下的电气火灾风险评估结果包括：

S531、对构建好的贝叶斯网络的火灾风险叶节点的风险状态进行赋权；

S532、基于桶消元法以及赋权后的贝叶斯网络，计算得到风险状态的模糊可能性；

S533、将赋权后的风险状态以及风险状态的模糊可能性进行组合，得到数据融合的、不同时间粒度下的电气火灾风险评估结果。

2.根据权利要求1所述的方法，其特征在于，所述S3中的根据所述历史数据以及启发式高斯云变换算法，确定状态评价标准云包括：

依据贝叶斯网络的监测信息根节点中所包括的指标，获取所述指标对应的监测数据，采用启发式高斯云变换算法，对所述指标对应的监测数据进行高斯聚类，生成指定数目的状态评价标准云。

3.根据权利要求1所述的方法，其特征在于，所述S4中的根据所述待评估数据以及状态评价标准云，得到不同时间粒度下待评估数据中各指标监测数据的状态隶属度包括：

S41、提取所述待评估数据的时间粒度；

S42、调用逆向云发生器提取所述待评估数据的时间粒度的云数字特征；

S43、将所述云数字特征与对应的状态评价标准云进行云相似度计算，得到不同时间粒度下所述待评估数据中各指标监测数据对应的不同状态的状态隶属度。

4.根据权利要求1所述的方法，其特征在于，所述S532中的风险状态的模糊可能性的计算方法，如下式（2）所示：

（2）

其中，为风险状态；为中间风险节点个数；为监测信息根节点个数； 为火灾风险叶节点的父节点集合，为中间风险节点的父节点集合。