[发明专利]基于因果模型的主效应因素分析方法及设备

说明书

本发明公开了一种基于因果模型的主效应因素分析方法及设备。基于因果模型的主效应因素分析方法，包括：构建贝叶斯网络模型，并获取结果节点的直接影响因素；获取每个直接影响因素对结果节点产生影响的影响路径集合；当影响路径集合包括间接影响路径，基于节点交互效应联合分析直接影响因素对结果节点的影响度，否则，采用独立影响度分析方法直接计算直接影响因素对结果节点的影响度；从所有影响度中选择最大值对应的直接影响因素作为主效应因素。本发明克服了单因素分析方法将因素孤立化的问题，在充分分析因素之间的联动交互影响的基础上提取主效应因素，提高了主效应因素分析结论的合理可信性。

技术领域

本发明涉及安全分析计算领域，尤其涉及一种基于因果模型的主效应因素分析方法及设备。

背景技术

致因分析是道路交通事故、航空事故、风险分析等领域关注和研究的重要课题，对于分析事故原因以及采取有效预防措施、降低事故发生率具有重要意义。贝叶斯网络作为一种结合数据挖掘和不确定性知识推理的人工智能技术，已经广泛应用于各个领域，其优势之处主要体现在能够通过有向无环图表达出节点之间的相互关系，通过节点之间的条件概率进行不确定性知识推理。基于贝叶斯网络的致因分析方法，通常包括因素提取、贝叶斯网络结构构建、贝叶斯网络参数计算、直接影响因素定位、灵敏度分析与排序等步骤，最后将灵敏度最高的直接影响因素作为导致事故发生的主效应因素。

现有基于贝叶斯网络的致因分析方法多数基于构建的贝叶斯网络结构对影响事故发生的因素进行单独的灵敏度分析，从而实现致因定位或者故障定位。这种方法虽然在贝叶斯网络构建时考虑了因素之间的关联关系，在因素灵敏度分析时却忽略了因素之间的交互效应，有可能导致片面的分析结论，从而影响致因分析的全面性和可信度。

发明内容

本发明实施例提供一种基于因果模型的主效应因素分析方法及设备，用以解决现有技术中基于贝叶斯网络的致因分析方法不全面的问题。

根据本发明实施例的基于因果模型的主效应因素分析方法，包括：

构建贝叶斯网络模型，并获取结果节点的直接影响因素；

获取每个所述直接影响因素对所述结果节点产生影响的影响路径集合；

当所述影响路径集合包括间接影响路径，基于节点交互效应联合分析直接影响因素对结果节点的影响度，否则，采用独立影响度分析方法直接计算直接影响因素对结果节点的影响度；

从所有影响度中选择最大值对应的直接影响因素作为主效应因素。

根据本发明的一些实施例，所述基于节点交互效应联合分析直接影响因素对结果节点的影响度，包括：

基于所述影响路径集合，确定影响节点集合，所述影响节点集合包括直接影响因素节点、间接影响节点、结果节点；

计算所述直接影响因素节点对各个所述间接影响节点的影响，以筛选与所述直接影响因素节点有交互效应的交互效应节点；

基于所述直接影响因素节点和所述交互效应节点，联合分析所述直接影响因素对结果节点的影响度。

根据本发明的一些实施例，所述计算所述直接影响因素节点对各个所述间接影响节点的影响，以筛选与所述直接影响因素节点有交互效应的交互效应节点，包括：

将待分析数据标准化，以获得标准化的待分析数据；

将所述标准化的待分析数据中对应于所述间接影响节点和结果节点的特质值设为待定后输入所述贝叶斯网络模型，计算各个所述间接影响节点的特征值不变的概率；

随机改变所述直接影响因素节点的特征值，计算各个所述间接影响节点的特征值不变的概率；

筛选出两次概率的差值大于交互效应判定阈值的所有间接影响节点，作为交互效应节点。