基于贝叶斯网络的区域关系态势推演方法及装置制造方法及图纸

本发明专利技术公开了一种基于贝叶斯网络的区域关系态势推演方法及装置，涉及应用信息技术领域。包括：获取待推演情景；根据待推演情景以及区域安全分级情景要素集，得到多个基本情景要素作为节点变量；根据节点变量以及解释结构模型ISM，构建节点变量间的层次结构模型，得到节点变量间的层次关系；根据节点变量、专家知识以及节点变量间的层次关系，构建贝叶斯情景网络，得到节点变量的条件概率；根据节点变量的条件概率，以仿真方式搭建区域关系演化的贝叶斯情景网络，得到跨领域区域关系态势推演结果。本发明专利技术有效解决了区域关系态势推演的不确定性和跨领域问题，可以量化不同情景下产生的不同结果，实现区域关系的态势感知与跨领域演化的动态推演。化的动态推演。化的动态推演。

【技术实现步骤摘要】
基于贝叶斯网络的区域关系态势推演方法及装置


[0001]本专利技术涉及应用信息
，特别是指一种基于贝叶斯网络的区域关系态势推演方法及装置。

技术介绍

[0002]区域安全具有跨层次、跨系统、跨领域、开放复杂巨系统等特点。对于区域关系态势评估的研究比较困难，一方面不同区域的历史背景、文化以及价值观念的不同，以及区域间的相互猜疑给国家关系演化带来了巨大的不确定性；另一方面，影响区域关系的因素有很多，不同领域之间又存在着复杂的交互关系；最后，突发事件的发生也可能会给区域带来巨大而且意想不到的影响(如9
·
11事件)，进而影响区域关系。区域关系涉及领域多，因素间关系复杂，演化过程具有高度的不确定性和连锁动态性，要求我们在事件发生发展过程中，针对实时发生的关键情景做出合理决策。因此，如何准确剖析区域关系的关键情景要素，判断其因果关系并构建贝叶斯网络，实现区域关系跨领域演化，对区域关系发展态势的研判至关重要。
[0003]区域关系态势推演是国家安全的重要部分，不仅可以准确研判未来区域关系的发展方向，还可以通过量化的方法寻找合适的应对策略，从而更好的抓住机会，提升自身实力，找到突破方向。但是目前在区域关系态势演变中还面临着诸多挑战，区域安全的多层次多领域的互相影响和作用使得情景演练非常困难。而现实生活中各种突发事件的发生以及快速变化的情景也导致情景演练效果不尽人意。
[0004]当前对区域关系态势演化的研究主要集中在单一致灾因子或某领域内风险这方面，对跨领域情景推演的研究较少。
专利
技术实现思路

[0005]本专利技术针对现有技术关于区域安全风险单一致灾因子或某领域内风险的研究较为充分，对跨领域风险的研究较少的问题，提出了本专利技术。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：
[0007]一方面，本专利技术提供了一种基于贝叶斯网络的区域关系态势推演方法，该方法由电子设备实现，该方法包括：
[0008]S1、获取待推演情景。
[0009]S2、根据待推演情景以及区域安全分级情景要素集，得到多个基本情景要素作为节点变量。
[0010]S3、根据节点变量以及解释结构模型ISM，构建节点变量间的层次结构模型，得到节点变量间的层次关系。
[0011]S4、根据节点变量、专家知识以及节点变量间的层次关系，构建贝叶斯情景网络，得到节点变量的条件概率。
[0012]S5、根据节点变量的条件概率，以仿真方式搭建区域关系演化的贝叶斯情景网络，
得到跨领域区域关系态势推演结果。
[0013]可选地，S2中的区域安全分级情景要素集，如下式(1)所示：
[0014]S
NS
(A)＝{S
H
(A),S
E
(A),S
T
(A),S
S
(A),S
P
(A)}(1)
[0015]其中，S
H
(A)为公共卫生领域情景；S
E
(A)为经济领域情景；S
T
(A)为科技领域情景；S
S
(A)为社会领域情景；S
P
(A)为政治领域情景。
[0016]可选地，S2中的公共卫生领域情景包括P个第一分类指标S
H
＝{S
H1
,S
H2
,S
H3
,
…
,S
HP
}；其中，P个第一分类指标中的任一第一分类指标包括o
i
个基本情景要素，第一分类指标基于基本情景要素表示为基于基本情景要素表示为
[0017]可选地，S2中的经济领域情景包括M个第二分类指标S
E
＝{S
E1
,S
E2
,S
E3
,
…
,S
EM
}；其中，M个第二分类指标中的任一第二分类指标包括m
i
个基本情景要素，第二分类指标基于基本情景要素表示为本情景要素表示为
[0018]可选地，S2中的科技领域情景包括Q个第三分类指标S
T
＝{S
T1
,S
T2
,S
T3
,
…
,S
TQ
}；其中，Q个第三分类指标中的任一第三分类指标包括m
i
个基本情景要素，第三分类指标基于基本情景要素表示为为
[0019]可选地，S2中的社会领域情景包括N个第四分类指标S
S
＝{S
S1
,S
S2
,S
S3
,
…
,S
SN
}；其中，N个第四分类指标中的任一第四分类指标包括n
i
个基本情景要素，第四分类指标基于基本情景要素表示为本情景要素表示为
[0020]可选地，S2中的政治领域情景包括R个第五分类指标S
P
＝{S
P1
,S
P2
,S
P3
,
…
,S
PR
}；其中，R个第五分类指标中的任一第五分类指标包括q
i
个基本情景要素，第五分类指标基于基本情景要素表示为本情景要素表示为
[0021]可选地，S3中的根据节点变量以及解释结构模型ISM，构建节点变量间的层次结构模型，得到节点变量间的层次关系包括：
[0022]根据节点变量以及专家知识，得到节点变量之间的两两关系。
[0023]根据节点变量之间的两两关系，确定初始矩阵。
[0024]根据初始矩阵，计算可达矩阵。
[0025]根据可达矩阵以及解释结构模型ISM，构建节点变量间的层次结构模型，得到节点变量间的层次关系。
[0026]可选地，S4中的根据节点变量、专家知识以及节点变量间的层次关系，构建贝叶斯情景网络，得到节点变量的条件概率包括：
[0027]根据节点变量、专家知识以及节点变量间的层次关系，用有向边连接节点变量，构建贝叶斯情景网络。
[0028]根据案例数据以及专家知识，得到节点变量的条件概率。
[0029]另一方面，本专利技术提供了一种基于贝叶斯网络的区域关系态势推演装置，该装置应用于实现基于贝叶斯网络的区域关系态势推演方法，该装置包括：
[0030]获取模块，用于获取待推演情景。
[0031]节点变量获取模块，用于根据所述待推演情景以及区域安全分级情景要素集，得
到多个基本情景要素作为节点变量。
[0032]层次关系获取模块，用于根据所述节点变量以及解释结构模型ISM，构建节点变量间的层次结构模型，得到节点变量间的层次关系。
[0033]条件概率获取模块，用于根据所述节点变量、专家知识以及节点变量间的层次关系，构建贝叶斯情景本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于贝叶斯网络的区域关系态势推演方法，其特征在于，所述方法包括：S1、获取待推演情景；S2、根据所述待推演情景以及区域安全分级情景要素集，得到多个基本情景要素作为节点变量；S3、根据所述节点变量以及解释结构模型ISM，构建节点变量间的层次结构模型，得到节点变量间的层次关系；S4、根据所述节点变量、专家知识以及节点变量间的层次关系，构建贝叶斯情景网络，得到节点变量的条件概率；S5、根据所述节点变量的条件概率，以仿真方式搭建区域关系演化的贝叶斯情景网络，得到跨领域区域关系态势推演结果。2.根据权利要求1所述的方法，其特征在于，所述S2中的区域安全分级情景要素集，如下式(1)所示：S
NS
(A)＝{S
H
(A),S
E
(A),S
T
(A),S
S
(A),S
P
(A)}(1)其中，S
H
(A)为公共卫生领域情景；S
E
(A)为经济领域情景；S
T
(A)为科技领域情景；S
S
(A)为社会领域情景；S
P
(A)为政治领域情景。3.根据权利要求2所述的方法，其特征在于，所述S2中的公共卫生领域情景包括P个第一分类指标S
H
＝{S
H1
,S
H2
,S
H3
,
…
,S
HP
}；其中，所述P个第一分类指标中的任一第一分类指标包括o
i
个基本情景要素，第一分类指标基于基本情景要素表示为S
Hi
＝{F
Hi1
,F
Hi2
,F
Hi3
,
…
,F
HiOi
}。4.根据权利要求2所述的方法，其特征在于，所述S2中的经济领域情景包括M个第二分类指标S
E
＝{S
E1
,S
E2
,S
E3
,
…
,S
EM
}；其中，所述M个第二分类指标中的任一第二分类指标包括m
i
个基本情景要素，第二分类指标基于基本情景要素表示为S
Ei
＝{F
Ei1
,F
Ei2
,F
Ei3
,
…
,F
Eimi
}。5.根据权利要求2所述的方法，其特征在于，所述S2中的科技领域情景包括Q个第三分类指标S
T
＝{S
T1
,S
T2
,S
T3
,
…
,S
TQ
}；其中，所述Q个第三分类指标中的任一第三分类指标包括m
i
个基本情景要素，第三...

【专利技术属性】
技术研发人员：邓青，马亚萍，姚梦娇，张辉，黄丽达，蒋慧灵，周亮，周正青，冯瑞，于峰，
申请(专利权)人：武汉理工大学清华大学上海交通大学，
类型：发明
国别省市：