一种基于贝叶斯网络的农村房屋鉴定等级分类方法技术

本发明专利技术属于房屋智能鉴定技术领域，具体公开了一种基于贝叶斯网络的农村房屋危险等级智能判别方法。通过依靠前期专家经验、实地考察，对于房屋危险性因子以及宜居性因子的识别。并通过皮尔逊卡方检验验证因子之间的相关性；构建贝叶斯网络结构模型，根据前期搜集数据推算出各因子的先验概率，并输入至推理引擎，得到最后房屋危险性等级与宜居性等级的后验概率。最后通过准确性检验与敏感性分析逐步进行模型的调试。本发明专利技术提供的方法，将宜居性纳入农村房屋鉴定之中，将房屋评判过程可视化，同时也给农村住户提供了一种自我初步诊断房屋等级的方法，减少了专家实地踏勘挨家挨户逐一鉴定的工作量，提升了农村房屋安全排查效率。率。率。

【技术实现步骤摘要】
一种基于贝叶斯网络的农村房屋鉴定等级分类方法


[0001]本专利技术属于房屋智能鉴定领域，具体公开了一种基于贝叶斯网络 的农村房屋鉴定等级分类方法。

技术介绍

[0002]现有的农村房屋鉴定中，多是依靠专家实地挨家挨户逐一踏勘检 测，导致耗时耗力效率不高。缺少一种能为普通村民自行进行房屋危 险等级判定的方法。
[0003]其次，现有农村房屋鉴定多是从安全性角度考虑，仅满足了住户 的基本需求。但随着我国经济不断发展，人民对美好生活需求的不断 提高。现实中仍存在大量房屋虽安全性符合规范要求，但宜居性较差， 如房屋渗水漏雨，采光通风不足，保温防水效果差；最终导致村民不 愿居住其中，从而导致房屋破败甚至荒废。

技术实现思路

[0004]有鉴于此，本专利技术所要解决的技术问题在于，提出一种基于贝叶 斯网络的农村房屋鉴定等级分类方法，以解决现有技术的问题。
[0005]为达到以上目的，本专利技术提供了一种基于贝叶斯网络的农村房屋 鉴定等级分类方法，包括以下步骤：
[0006]S1、通过专家经验与实地考察确定构成农村房屋危险的相关的因 子；
[0007]S2、将因子进行识别，从房屋危险性角度与宜居性角度对房屋的 相关的因子进行分类；
[0008]S3、根据现场调查识别出的因子进行因子相关分析，在数据上验 证因子两两间的相关性；
[0009]S4、根据采集的数据，获得相关的因子的先验概率，构建贝叶斯 网络结构模型，将先验概率输入至贝叶斯推理引擎，得到房屋危险性 等级后验概率与宜居性等级后验概率。
[0010]在上述技术方案中，优选的，所述因子的识别分类如下：
[0011]房屋危险性的因子包括：墙体、梁柱、屋架檩条、粘接材料、楼 盖屋盖、地基基础、抗震构造；
[0012]房屋宜居性的因子包括：保温防水、采光通风、水电管线、卫生 设备、消防安全；
[0013]房屋描述性相关的因子包括：建造年代、结构形式、有无改扩建、 场地环境。
[0014]在上述技术方案中，优选的，所述房屋危险性的因子分为ABCD 四个等级，所述房屋宜居性的因子分为ABC三个等级，所述抗震构造、 卫生设备、改建扩建分为有、无两个等级，所述建造年代分为1980 年以前、1980
‑
2000年和2000年以后三个类别，所述结构形式分为 砌体结构、石结构、生土结构和其他四个类别，所述场地环境分为无 自然灾害和存在自然灾害两个类别。
[0015]在上述技术方案中，优选的，S4中形成贝叶斯结构网络图，基 于贝叶斯有向无环图将权利要求2中各因子连接，最后输出房屋危险 性等级与宜居性等级相关概率。
[0016]在上述技术方案中，优选的，基于贝叶斯网络的农村房屋鉴定等 级分类方法，其因子相关性分析如下：
[0017]采用皮尔逊卡方验证因子之间的相关性。首先假设H0：观察频 数和期望频数没有区别，卡方值表示了观察值与理论值的偏离程度。 卡方计算公式如下：实际频数Oi理论频数Ei
[0018]在自由度固定时，每个卡方值与P值相对应，卡方值越大，相应 反映由抽样误差引起的样本差别概率P值就越小。
[0019]在上述技术方案中，优选的，先验概率根据前期调查数据获得， 记P(A)为先验概率，表示样本观测前对该参数所具有的知识和假设， 根据如下公式计算：后验概率根据贝叶斯公式如下
[0020]P(A|B)是已知B发生后A的条件概率，作为后验概率，表示在 进行新的观测后对原有知识的更新，P(B|A)是已知A发生后B的条件 概率；
[0021]在多因子作用下，其概率采用链式法则进行计算，公式如下：
[0022]P(X1,X2…
X
n
)＝P(X1)P(X2|X1)
…
P(X
n
|X1,X2…
X
n
)。
[0023]在上述技术方案中，优选的，所述推荐引擎包括贝叶斯推理引擎 和贝叶斯自学习引擎。
[0024]与现有技术相比，本专利技术具有以下有益效果：
[0025]1.将宜居性纳入农村房屋鉴定之中，满足了住户进一步的需求， 更加体现了房屋鉴定的人性化，不单单考虑房屋安全性的最低层次要 求。
[0026]2.考虑用户的需求，将房屋鉴定评判过程可视化，基于此利用 贝叶斯网络结构模型对房屋等级进行分类；有效的减少了专家现场逐 一挨家挨户实地检测踏勘的工作量，让住户可自行进行初步鉴定，做 到针对房屋安全隐患早发现、早鉴定、早处理。
附图说明
[0027]图1是本专利技术某一实施例提供的基于贝叶斯网络的农村房屋鉴 定等级分类方法流程图；
[0028]图2是本专利技术某一实施例提供的基于皮尔逊卡方检验图；
[0029]图3是本专利技术某一实施例提供的农村房屋鉴定等级分类贝叶斯 结构网络图；
[0030]图4是本专利技术某一实施例提供的建立相关因子的条件概率表；
[0031]图5是本专利技术某一实施例提供的建立的敏感性分析图中。
具体实施方式
[0032]为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结 合附图和具体实施方式对本专利技术进行进一步的详细描述。
[0033]在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但 是，本专利技术还可以采用其他不同于在此描述的其他方式来实施，因 此，本专利技术并不限于下面公开的具体实施例的限制。
[0034]参照图1
‑
图5，图1示出根据本公开一实施例提供的基于贝叶斯 网络的农村房屋鉴定等级分类方法流程图。如图1所示，该方法可以 包括：
[0035]步骤1：通过专家经验与实地考察确定构成农村房屋危险的相关 因子；
[0036]步骤2：将构成危险房屋的相关因子进行识别，将因子进行识别， 从房屋危险性角度与宜居性角度对房屋相关因子进行分类；其中房屋 危险性因子包括：墙体、梁柱、屋架檩条、粘接材料、楼盖屋盖、地 基基础、抗震构造。房屋宜居性因子包括：保温防水、采光通风、水 电管线、卫生设备、消防安全。房屋描述性相关因子：建造年代、结 构形式、有无改扩建、场地环境。
[0037]将房屋宜居性因子分为ABC三个等级。其中抗震构造、卫生设备、 改建扩建分为两个等级(有、无)建造年代分为1980年以前， 1980
‑
2000年，2000年以后。结构形式分为砌体结构、石结构、生土 结构、其他。场地环境分为无自然灾害，存在自然灾害。
[0038]步骤3：根据现场调查识别出的因子进行数据收集与整理，并进 行因子相关分析，在数据上验证因子两两间的相关性；
[0039]采用皮尔逊卡方验证因子之间的相关性。首先假设H0：观察频 数和期望频数没有区别，卡方值表示了观察值与理论值的偏离程度。
[0040]卡方计算公式如下：实际频数Oi理 论频数Ei在自由度固定时，每个卡方值与P值相对应，卡方值越大， 相应反映本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于贝叶斯网络的农村房屋鉴定等级分类方法，其特征在于，包括以下步骤：S1、通过专家经验与实地考察确定构成农村房屋危险的相关的因子；S2、将因子进行识别，从房屋危险性角度与宜居性角度对房屋的相关的因子进行分类；S3、根据现场调查识别出的因子进行因子相关分析，在数据上验证因子两两间的相关性；S4、根据采集的数据，获得相关的因子的先验概率，构建贝叶斯网络结构模型，将先验概率输入至贝叶斯推理引擎，得到房屋危险性等级后验概率与宜居性等级后验概率。2.根据权利要求1所述的一种基于贝叶斯网络的农村房屋鉴定等级分类方法，其特征在于，所述因子的识别分类如下：房屋危险性的因子包括：墙体、梁柱、屋架檩条、粘接材料、楼盖屋盖、地基基础、抗震构造；房屋宜居性的因子包括：保温防水、采光通风、水电管线、卫生设备、消防安全；房屋描述性相关的因子包括：建造年代、结构形式、有无改扩建、场地环境。3.根据权利要求2所述的一种基于贝叶斯网络的农村房屋鉴定等级分类方法，其特征在于，所述房屋危险性的因子分为ABCD四个等级，所述房屋宜居性的因子分为ABC三个等级，所述抗震构造、卫生设备、改建扩建分为有、无两个等级，所述建造年代分为1980年以前、1980
‑
2000年和2000年以后三个类别，所述结构形式分为砌体结构、石结构、生土结构和其他四个类别，所述场地环境分为无自然灾害和存在自然灾害两个类别。4.根据权利要求1所述的一种基于贝叶斯网络的农村房屋鉴定等级分类方法，其特征在于，S4中形成...

【专利技术属性】
技术研发人员：朱峥，宋明志，王佩佩，丰村，王修华，管绍荣，陶士恒，杨明宇，陈敏涵，刘钟，
申请(专利权)人：江苏海洋大学，
类型：发明
国别省市：