一种基于多源异构信息融合算法对航运经济潜力的分析方法技术

一种基于多源异构信息融合算法对航运经济潜力的分析方法，1)：通过文献综述和专家咨询构建一个有关海运经济潜力分析的贝叶斯网络；2)对收集到的证据进行评估和不确定性量化，结合量化结果将多元异构信息进行融合并离散化成新样本；3)将新生成的样本分成训练集和测试集，其中训练集带入构建好的贝叶斯网络中，采用最大似然法对贝叶斯网络参数进行训练，测试集用于检验贝叶斯网络推理的准确程度；4)根据贝叶斯网络对不同航道的航运经济潜力进行分析，并引入标准信息流方法研究各变量对整个贝叶斯网络的敏感性；本发明专利技术中对各变量的不确定性通过定性和定量的评估方法确定，并通过贝叶斯网络完成变量间不确定性的传递。通过贝叶斯网络完成变量间不确定性的传递。通过贝叶斯网络完成变量间不确定性的传递。

【技术实现步骤摘要】
一种基于多源异构信息融合算法对航运经济潜力的分析方法

：
[0001]本专利技术涉及多源异构信息的融合，具体设计一种能够量化不确定性，处理多源异构信息融合的算法，并将其应用于北极航道与传统航道上航运经济潜力的分析。

技术介绍
：
[0002]贝叶斯网络(BN)，又称为信度网，由一个有向无环图(Directed Acylic Graph，DAG)和条件概率表(ConditionalProbability Table，CPT)组成。
[0003]一般情况下，构造贝叶斯网有三种不同的方式：
[0004](1)由领域专家确定贝叶斯网的变量(有时也称为影响因子)节点，然后通过专家的知识来确定贝叶斯网络的结构，并指定它的分布参数。这种方式构造的贝叶斯网完全在专家的指导下进行，由于人类获得知识的有限性，导致构建的网络与实践中积累下的数据具有很大的偏差。
[0005](2)由领域专家确定贝叶斯网络的节点，通过大量的训练数据，来学习贝叶斯网的结构和参数。
[0006]这种方式
[0007]完全是一种数据驱动的方法，具有很强的适应性，而且随着人工智能、数据挖掘和机器学习的不断发展，使得这种方法成为可能。如何从数据中学习贝叶斯网的结构和参数，已经成为贝叶斯网络研究的热点。
[0008](3)由领域专家确定贝叶斯网络的节点，通过专家的知识来指定网络的结构，而通过机器学习的方法从数据中学习网络的参数。这种方式实际上是前两种方式的折衷，当领域中变量之间的关系较明显的情况下，这种方法能大大提高学习的效率。
[0009]众所周知，海运贸易是国际物流中的一个重要环节，在全球贸易市场中扮演着举足轻重的作用。然而，现有海洋运输业正面临着海盗袭击、政治动荡和航线拥堵等风险。随着北极海冰进一步消融，北极航道的出现为现有海运提供了新的可能。当前航运业界和学术圈都在评估东北航道在可见的将来成为一条可靠新航线的可行性，特别是对东北航道经济潜力进行评估。
[0010]现有文献存在一些关于海洋运输经济潜力分析的理论框架，包括基于情景推导、仿真模拟等。尽管现有研究对影响航运经济的各个方面进行了广泛地讨论，但其中存在的不确定性缺乏有效地分析。事实上，在计算过程中，不同证据质量引起的不确定性可能导致经济分析中的偏差，甚至是相反的结果。针对上述问题，本专利技术构建基于贝叶斯网络的一种新型信息融合算法并应用于航运经济潜力的分析，旨在将不确定性分析引入经济效益分析中，用以评估信息不完备条件下(气候模式误差大、航行保障经验少、专家知识不统一)北极航道和传统航道航运的潜在经济效益。在该算法中，各变量的不确定性通过定性和定量的评估方法确定，并通过贝叶斯网络完成变量间不确定性的传递。同时，模型引入信息流的方法对各变量进行敏感性分析。
[0011]参考文献：
[0012]Bai,C.,Zhang,R.,Bao,S.,Liang,X.S.,Guo,W.,2018.Forecasting the tropical cyclone genesis over the Northwest Pacific through identifying the causal factors in cyclone-climate interactions.J.Atmos.Ocean.Technol.35,247
–
259.https://doi.org/10.1175/JTECH-D-17-0109.1
[0013]Kiiski,T.,2017.Feasibility of Commercial Cargo Shipping Along the Northern Sea Route.University of Turku Turku.
[0014]Liang,X.S.,2014.Unraveling the cause-effect relation between time series.Phys.Rev.E-Stat.Nonlinear,Soft Matter Phys.90.https://doi.org/10.1103/PhysRevE.90.052150
[0015]Montewka,J.,Goerlandt,F.,Kujala,P.,2014.On a systematic perspective on risk for formal safety assessment(FSA).Reliab.Eng.Syst.Saf.127,77
–
85.https://doi.org/10.1016/j.ress.2014.03.009

技术实现思路
：
[0016]为解决上述问题，本专利技术结合了一种新型的多源异构信息融合算法实现对航运经济潜力的量化分析为实现上述目的。
[0017]本专利技术采取的技术方案为：一种基于多源异构信息融合算法对航运经济潜力的分析方法，其特征在于：步骤如下：
[0018]步骤一：通过文献综述和专家咨询构建一个有关海运经济潜力分析的贝叶斯网络；
[0019]1.1北极航道与传统航道航运经济潜力分析中所要考虑的变量进行筛选，以此作为贝叶斯网络的节点。
[0020]1.2北极航道与传统航道航运经济潜力分析中变量之间的因果性分析，以此构建贝叶斯网络的边。
[0021]步骤二：对收集到的证据进行评估和不确定性量化，结合量化结果将多元异构信息进行融合并离散化成新样本；
[0022]2.1北极航道与传统航道航运经济潜力分析中涉及的数据收集与评估。
[0023]2.2北极航道与传统航道航运经济潜力分析中涉及的模型收集与评估。
[0024]2.3多源异构证据的融合与离散化样本生成。
[0025]步骤三：将新生成的样本分成训练集和测试集，其中训练集带入构建好的贝叶斯网络中，采用最大似然法对贝叶斯网络参数进行训练，测试集用于检验贝叶斯网络推理的准确程度；
[0026]3.1将离散化的新证据分成训练样本和测试样本两部分，训练样本输入贝叶斯网络中，采用最大似然法对贝叶斯网络参数进行训练。
[0027]3.2将测试样本输入训练成熟的贝叶斯网络中，检验贝叶斯网络经济潜力分析的准确性。
[0028]步骤四：根据贝叶斯网络对不同航道的航运经济潜力进行分析，并引入标准信息流方法研
[0029]究各变量对整个贝叶斯网络的敏感性；
[0030]4.1采用相关系数的绝对值对贝叶斯网络中各变量进行敏感性分析，挖掘出对航运经济潜力影响较大的节点(变量)。
[0031]4.2采用标准信息流方法对贝叶斯网络中各变量进行敏感性分析，挖掘出对航运经济潜力影响较大的节点(变量)，比较标准信息流方法与相关系数绝对值方法所得结果的一致性和差异性。
[0032]具体而言，步骤一中：贝叶斯网络的构建：在本专利技术提出的新型信息融合算法中，采用贝叶斯网络建立起对北极航道与传统航道经济潜力的推理模型，从而筛选出最优的航线。贝叶本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源异构信息融合算法对航运经济潜力的分析方法，其特征在于：步骤如下：步骤一：通过文献综述和专家咨询构建一个有关海运经济潜力分析的贝叶斯网络；1.1北极航道与传统航道航运经济潜力分析中所要考虑的变量进行筛选，以此作为贝叶斯网络的节点；1.2北极航道与传统航道航运经济潜力分析中变量之间的因果性分析，以此构建贝叶斯网络的边；步骤二：对收集到的证据进行评估和不确定性量化，结合量化结果将多元异构信息进行融合并离散化成新样本；2.1北极航道与传统航道航运经济潜力分析中涉及的数据收集与评估；2.2北极航道与传统航道航运经济潜力分析中涉及的模型收集与评估；2.3多源异构证据的融合与离散化样本生成；步骤三：将新生成的样本分成训练集和测试集，其中训练集带入构建好的贝叶斯网络中，采用最大似然法对贝叶斯网络参数进行训练，测试集用于检验贝叶斯网络推理的准确程度；3.1将离散化的新证据分成训练样本和测试样本两部分，训练样本输入贝叶斯网络中，采用最大似然法对贝叶斯网络参数进行训练；3.2将测试样本输入训练成熟的贝叶斯网络中，检验贝叶斯网络经济潜力分析的准确性；步骤四：根据贝叶斯网络对不同航道的航运经济潜力进行分析，并引入标准信息流方法研究各变量对整个贝叶斯网络的敏感性；4.1采用相关系数的绝对值对贝叶斯网络中各变量进行敏感性分析，挖掘出对航运经济潜力影响较大的节点(变量)；4.2采用标准信息流方法对贝叶斯网络中各变量进行敏感性分析，挖掘出对航运经济潜力影响较大的节点(变量)，比较标准信息流方法与相关系数绝对值方法所得结果的一致性和差异性。2.如权利要求1所述的基于多源异构信息融合算法对航运经济潜力的分析方法，其特征在于：所述步骤二所涉及的证据量化评估包括：数据质量、数量完整度、模型经验有效性、理论有效性、模型&数据概念局限、可选空间；利用该证据量化评估对贝叶斯网络中涉及的变量(节点)与模型(边)进行量化评估，所采用数据和模型的评估和量化分析分别包括：海冰数据、环境数据、船舶数据、燃油单价、常规船造价、冰级船造价、第二冰级船造价、传统航道资本成本、北极航道资本成本、传统航道运营成本、运营成本溢价、航次费用；可航行性模型、燃油消耗模型、第二燃油消耗模型、第三燃油消耗模型、航速模型、第二航速模型。3.如权利要求1所述的多源异构信息融合算法及其在航运经济潜力分析上的应用，其特征在于：所述步骤四具体包括以下子步骤：(3.1)北极航道与传统航道航运经济潜力分析中涉及的数据收集与评估；(3.2)北极航道与传统航道航运经济潜力分析中涉及的模型收集与评估；(3.3)多源异构证据的融合与离散化样本生成。
4.如权利要求1所述的多源异构信息融合算法及其在航运经济潜力分析上的应用，其特征在于：所述步骤三具体包括以下子步骤：(4.1)将离散化的新证据分成训练样本和测试样本两部分，训练样本输入贝叶斯网络中，采用最大似然法对贝叶斯网络参数进行训练；(4.2)将测试样本输入训练成熟的贝叶斯网络中，检验贝叶斯网络经济潜力分析的准确性。5.如权利要求1所述的多源异构信息融合算法及其在航运经济潜力分析上的应用，其特征在于：步骤一中：贝叶斯网络的构建：采用贝叶斯网络建立起对北极航道与传统航道经济潜力的推理模型，从而筛选出最优的航线；贝叶斯网络结合了图论与概率论的相关原理，用以直观地描述数据、信息、模型输出之间的概率关系，并根据变化的条件随时调整整个网络结构或者是节点的参数；此外，贝叶斯网络还可以从大量案例中学习变量间的因果关系并提供变量的敏感性分析；贝叶斯网络是一种概率图型模型，是由节点和连接节点的有向边组成，北极航道与传统航道航运经济潜力分析中所要考虑的变量进行筛选，以此作为贝叶斯网络的节点；北极航道与传统航道航运经济潜力分析中变量之间的因果性分析，以此构建贝叶斯网络的边；概率图型模型中，表示为Δ＝{G(V，A)，P}；其中G(V，A)反映的是贝叶斯网络的图形结构，V＝{V1，...，V
n
}是贝...

【专利技术属性】
技术研发人员：汪杨骏，张韧，刘科峰，单雨龙，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：