[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

说明书

技术领域

本发明属于气象评估领域，尤其涉及一种基于离散动态贝叶斯网络的气象威胁评估方法。

背景技术

在无人机航路规划的问题当中，因气象因素产生的威胁，对无人机执行侦察作战时的飞行安全有着重要的影响。为了使无人机飞行时因气象因素受到的损失降到最低，同时在满足已有的约束条件下规划出较安全的航线，研究如何对气象威胁进行较为准确的量化评估成为迫切需求。来自气象的威胁有其独有的特点，诸如模糊性、不确定性和时效性等，因此不能用常规的方法，比如函数法来定量地分析气象威胁。在国外的一些研究当中，比如有人机气象评估方法，工程化数学模型评估法，它们都有很大的局限性，因为自身条件的约束，模拟推理出的近似效果并不乐观。国内曾有学者运用静态贝叶斯网络、神经网络对气象威胁进行了量化评估，但其缺乏对气象信息的时效性分析，不能反映气象威胁在不同时刻的变化规律。

离散动态贝叶斯网络是一种对动态不确定事件进行建模和推理的工具，近几年正日益应用于众多领域。

发明内容

本发明的目的在于提供一种基于离散动态贝叶斯网络的气象威胁评估方法，旨在解决现有的气象威胁指数评估方法有效性、实用性和准确性不够高的问题。

本发明是这样实现的，一种基于离散动态贝叶斯网络的气象威胁评估方法，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。

进一步，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。

进一步，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。

进一步，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]]>