[发明专利]一种基于离散动态贝叶斯网络的气象威胁评估方法

权利要求书

1.一种基于离散动态贝叶斯网络的气象威胁评估方法，其特征在于，所述的基于离散动态贝叶斯网络的气象威胁评估方法包括：

将观测到的气象类型、强度信息和UAV位置、姿态信息收集整理；

将收集的气象类型、强度信息和UAV位置、姿态信息按照划分的量化等级进行量化处理，并建立观测证据表；

利用专家知识或经验建立状态间的条件概率转移矩阵，确定时间片段间的状态转移矩阵；

建立气象威胁等级与气象因素和UAV间的离散动态贝叶斯网络模型；

利用建立的观测证据表、条件转移概率表和状态转移概率表，运用隐马尔科夫推理算法计算出最终的气象威胁等级。

2.如权利要求1所述的基于离散动态贝叶斯网络的气象威胁评估方法，其特征在于，所述离散动态贝叶斯网络模型是由观测节点和状态节点构成的有向无环图，气象类型、作用强度、相对位置和UAV姿态共同构成了离散状态节点，气象威胁等级为观测节点。

3.如权利要求1所述的基于离散动态贝叶斯网络的气象威胁评估方法，其特征在于，所述建立的观测证据表、条件转移概率表和状态转移概率表，结合所建立的离散动态贝叶斯网络模型，确定最终的威胁等级即为贝叶斯推理过程依据大量状态节点数据推理出观测节点最大可能取值的概率。

4.如权利要求3所述的基于离散动态贝叶斯网络的气象威胁评估方法，其特征在于，具体包括：系统参数λ和观测序列Y，前向-后向算法推理出概率P(Y|λ)的过程如下：

前向算法，定义前向变量α_t(i)＝P(y₁,y₂,...,y_t,x_t＝i|λ)

初始化：α₁(i)＝π_ib_i(y₁),1≤i≤n

递归运算：αt+1(j)=[Σi=1nαt(i)aij]bj(yt+1),t=1,2,...,T-1]]>

结果：P(YT|λ)=Σi=1nαT(i)]]>

后向算法，定义后向变量β_t(i)＝P(y_t+1,y_t+2,...,y_T|x_t＝i,λ)

初始化：β_T(i)＝1,1≤i≤n

递归运算：

βt(i)=[Σj=1naijbj(yt+1)]βt+1(j),t=1,2,...,T-1]]>

结果：P(YT|λ)=Σi=1nπiβ1(i)]]>

将前向算法、后向算法结合起来构成前向-后向算法：

P(YT|λ)=Σi=1nαt(i)βt(i),1≤t≤T]]>

最终，根据确立的观测证据表、条件转移概率表和状态转移概率表，结合前向-后向算法推理出UAV的气象威胁等级。