贝叶斯网络在泰乐菌素发酵过程中的应用

[目的]为发酵过程的动态调控提供依据。[方法]以泰乐菌素发酵过程的各发酵条件参数为特征向量,研究利用贝叶斯方法来预测发酵过程终产量的准确度。[结果]通过用泰乐菌素发酵数据学习出的贝叶斯网络能较好地指导发酵过程中的工艺条件,取得了较好的预测效果。利用学习的贝叶斯网络能对发酵产物产量进行有效预测,对发酵过程有很好的指导意义。[结论]贝叶斯网络在微生物发酵生产中具有良好的预测性能,具有很好的实用价值和应用前景。     

基于贝叶斯网的象山港网箱轮养周期预测模型

贝叶斯网络具有强大的推理能力,能与先验知识和数据结合,进行定性和定量分析,提供了一条有效的处理预测问题的途径,首先介绍了以上贝叶斯网络及其特点,并讨论如何学习贝叶斯网络结构,然后由专家知识和给定数据,构造了一个海底网箱养殖的贝叶斯网络预测模,该模型能有效的表达网箱养殖环境各个指标之间的因果关系,进而可以对指定的网箱养殖的移动周期进行预测和决策.实验结果表明,试验数据显示评价的准确性是89.7%.以上证明该方法是有效可行的,表明贝叶斯网络是一种很有前途的预测评价方法.     

基于贝叶斯与元学习的氨氮浓度预测模型优化

针对小样本数据下氨氮浓度模型预测精度不高、收敛速度较慢的问题，采用长短期记忆网络（long short-term memory，LSTM）建立氨氮浓度预测模型，并利用贝叶斯优化算法和元学习机制对模型进行优化。其中贝叶斯优化算法用来优化预测模型的超参数，同时给出模型参数的初始值，再使用Meta-LSTM算法学习模型梯度并允许优化器之间进行参数共享和更新，最终实现对氨氮浓度预测模型的优化。将该方法与LSTM、GRU和RNN模型进行对比试验，结果显示，研究所建模型对氨氮浓度预测的均方根误差、平均绝对误差和均方误差分别为0.027 6、0.023 9和0.000 76，均优于其他预测模型。表明基于贝叶斯和元学习的氨氮浓度预测模型对小样本数据建模有效，可以实现网络快速收敛，精度满足水产养殖中氨氮浓度预测需求。     

基于贝叶斯法的长白落叶松林分优势高生长模型研究

贝叶斯统计推断是基于总体信息、样本信息和先验信息的一种统计推断方法,并已成为森林生长模型中的一种重要方法。本文以长白落叶松人工林为对象,基于1 687对林分优势高与年龄数据,利用Richards生长方程构建基于贝叶斯法和经典概率统计法的林分优势高生长模型,探讨贝叶斯统计法拟合小样本量数据的稳定性。分别基于全部样本,以及随机抽取的10%、5%和2%样本,利用经典概率统计法(非线性最小二乘法)、无先验信息的贝叶斯统计法和有先验信息的贝叶斯统计法进行参数估计,分析模型表现和参数分布。模型评价指标包括均方根误差(RMSE)、贝叶斯统计常用的DIC统计值以及参数的可信区间。结果表明:基于小样本的贝叶斯统计与大样本的经典概率统计的拟合结果相近,但贝叶斯统计法估计的参数稳定性强,且抽样5%时的RMSE值最小。有先验信息的贝叶斯统计拟合结果优于无先验信息的贝叶斯统计拟合结果,参数分布也较为集中,不确定性小;有先验信息贝叶斯统计和经典概率统计的参数分布区间有较大重叠。另外,有先验信息贝叶斯统计对3种不同样本量的拟合结果显示,参数标准差以及模型RMSE值都是在抽样5%时最小,说明用贝叶斯统计的拟合精度及参数确定性与样本量大小也有一定关系。研究验证了贝叶斯统计在利用先验信息、基于小样本量进行森林生长建模时的优越性。      

高频数据HMCMC方法在Black-Scholes模型中的应用

通过期权定价Black-Scholes模型,采用贝叶斯方法对模型中未知参数给出后验分布,通过高频数据扩充(HFA)的Mone Carlo (MC)方法(HMCMC)给出Black-Scholes模型参数波动率的数值结果,并和矩估计的方法做了比较,数值结果表明,所提出的方法具有较好的应用价值.     

基于贝叶斯网络的城市燃气管道安全失效概率

贝叶斯网络对不确定性问题具有强大的处理能力和自我学习更新能力,而贝叶斯网络软件的应用提高了基于贝叶斯网络风险预测的有效性。建立了基于贝叶斯网络的城市燃气管道失效概率分析模型,运用HUGIN和MSBNX软件工具,结合某市天然气管道案例,计算多态故障顶事件安全失效概率和各失效因素的结构重要度。运用BN的推理能力,对造成管道安全失效的自然破坏因素和腐蚀因素分别进行单因素和双因素修正。修正后的贝叶斯网络模型更加符合实际,对提高城市燃气管道安全失效定量分析的系统性、预见性和准确性具有更好的现实意义,也充分显示了贝叶斯网络在处理复杂系统风险分析中独特的优越性和适用性。     

基于贝叶斯网络的中医辨证系统

将贝叶斯网络运用于中医辨证系统的研究,以更加量化中医辨证诊断系统.通过将中医体系中的916个证候,51项证素及其构成的1700条证名构成中医辨证贝叶斯网络的节点集,初步建立起中医辨证数据库并通过网络学习,形成中医辨证贝叶斯网络结构及概率表.利用建立的贝叶斯网络中医辨证系统,进行数据计量分析、推理验证证候—证素—证名间的关系,其结果与中医专家经验有很高的吻合性,尽管其仍未能全面反映中医辨证的思维能力.所以贝叶斯网络是对中医辨证进行信息挖掘处理的一种较好方法,可应用于中医人工智能辨证系统的建立.     

林分径级分布预测模型参数的贝叶斯法估计——以金沟岭林场样地数据为例

以吉林省金沟岭林场云冷杉针阔混交异龄林26块检查法样地的5次观测数据为基础,建立转移矩阵模型对一定周期的林分径级分布进行预测。分别利用经典统计学方法和贝叶斯方法对转移矩阵模型的参数进行估计,建立了固定参数的矩阵模型和贝叶斯矩阵模型,并对两种模型的预测效果进行对比。结果显示,固定参数的转移矩阵模型对林分径级分布的预测值比实际值偏高,贝叶斯模型的预测结果更接近林分的实际径级分布,证明了贝叶斯参数估计方法比固定参数平均的方法所建模型具有更高的预测精度。     

基于贝叶斯法的新疆天山云杉树高-胸径模型研究

【目的】贝叶斯统计法能够利用先验信息与样本信息去进行统计推断,可有效提升模型参数的可靠程度和稳定性。【方法】本研究以天山云杉林为研究对象,使用3块100 m×100 m天山云杉调查样地数据,利用经典统计方法(极大似然法)、贝叶斯法构建天山云杉树高-胸径模型。利用随机抽样法抽取80%样地数据进行建模,20%样地数据进行检验,对比分析基于经典方法的非线性模型和非线性混合效应模型以及基于贝叶斯法的贝叶斯模型和层次贝叶斯模型的表现和参数分布。【结果】通过对比非线性模型和贝叶斯模型,贝叶斯模型的a、b、c 3个参数置信区间比非线性模型的分别要窄53.86%、46.87%、65.17%。而层次贝叶斯模型和非线性混合效应模型相比,层次贝叶斯模型的固定效应参数置信区间比非线性混合效应模型的要窄37.21%、62.62%、49.31%,但随机效应参数标准差的置信区间更为分散。基于贝叶斯法的模型,其参数标准差均低于基于经典方法的模型。4种树高-胸径模型的拟合结果显示：层次贝叶斯模型的拟合效果优于其他3种模型,其决定系数(R²)为0.961。拟合精度显示：层次贝叶斯模型的预测精度略高于...     

统计模式识别方法在录井油气评价中的应用

深入地研究了综合录井的特征参数,对其进行了降维映射处理。提出了利用窗函数法和近邻法求录井参数的特征分布,并以此来构造概率密度分布函数;应用统计模式识别的贝叶斯判别决策方法训练分类的有关参数,确定了基于线性窗函数的贝叶斯方法和基于独立近邻原则的贝叶斯方法,为利用统计规律进行录井数据的自动处理提供了一种新的探索途径。     

基于贝叶斯正则化BP神经网络的森林资源资产批量评估研究

将BP神经网络与批量评估方法结合应用于森林资源资产评估中,通过对森林资源资产评估价值主要影响因子进行数据处理,确定不同龄组的BP网络结构,结合TM算法,通过贝叶斯正则化修正BP神经网络的训练性能函数,建立基于BP神经网络的不同龄组森林资源资产批量评估模型。结果表明,贝叶斯正则化BP神经网络能够实现批量预估森林资源资产价值,其评估结果精度可靠,泛化能力很好,可为森林资源资产评估提供一种新的思路与方法。     

运用布尔网络模型和贝叶斯网络模型推测基因调控网络的比较研究

基因调控网络的研究从基因之间相互作用的角度揭示复杂的生命现象,是功能基因组学研究的重要内容,也是当前生物信息学研究的前沿。布尔网络模型和贝叶斯网络模型都是研究基因调控网络的有力工具。本文分别采用布尔网络模型和贝叶斯网络模式推测基因调控网络,实验结果显示布尔网络推测出了7条正确的调控关系,而贝叶斯网络仅推测出5条正确的调控关系,在本实验中推测基因之间的调控关系正确数布尔网络模型优于贝叶斯网络模型。     

基于贝叶斯网络的城市居民出行方式研究

为解决含有不确定信息的非期望产出效率评价问题，建立了一个非期望产出的随机DEA模型．该模型将非期望产出作为负期望产出进行处理，引入了期望效率值、显著性水平来刻画随机问题，并通过机会约束规划的相关知识将模型转化为确定形式．对模型的最优值的相关性质进行了探讨，说明最优值与期望效率值、显著性水平之间的关系．最后给出数值实验说明该模型的有效性．     

基于贝叶斯正则化BP网络的粮虫分类识别研究

以粮虫为对象,研究了利用数字图像处理技术与BP神经网络技术实现分类识别的方法。首先对4类常见粮虫进行图像采集、预处理及特征提取,然后将提取到的9个形态学特征参数作为神经网络的输入参数,对应的粮虫类别代号作为输出参数,建立BP神经网络,并在网络学习过程中采用贝叶斯正则化优化算法对其进行改进。最后通过仿真试验表明:该方法在粮虫识别算法中收敛速度快,预测精度高,稳定性好,泛化能力优,从而证实了该方法在实际应用中的可行性。     

Research of Gene Regulatory Network with Multi-Time Delay Based on Bayesian Network

The gene regulatory network was reconstructed according to time-series microarray data getting from hybridization at different time between gene chips to analyze coordination and restriction between genes. An algorithm for controlling the gene expression regulatory network of the whole cell was designed using Bayesian network which provides an effective aided analysis for gene regulatory network.     

贝叶网在农业专家系统中的研究与应用

针对基于贝叶斯网建立农业专家系统所涉及的关键问题,在模型构建方面,手工构建是必要的,其中采用＂分离技术＂、＂局部结构＂机制和转换现有的确定性因子知识库等技术简化贝叶斯网的构造,使得基于贝叶斯网的农业专家系统获得了较好的效果,利用切集条件化（cutset conditioning）算法实现精确推理。创建了基于贝叶斯网的涮辣专家系统,系统运行结果表明,采用贝叶斯网来表示与处理农业中的不确定性知识是比较有效的。     

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测

选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985~2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明：通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。     

基于贝叶斯网络的小麦条锈病预测研究

[目的]在地理信息系统GIS的平台上,将不确定性推理方法——贝叶斯网络引入病害预测,基于关键气象因子（温度、降水、湿度、日照）构建一个用于预测小麦条锈病发生概率的贝叶斯网络模型.[方法]采用预测日前7d的气象数据预测自预测日起7d内的条锈病发病概率,并对我国小麦条锈病重要流行区域——甘肃省东南部地区2010 ～ 2012年病害发生情况进行预测.[结果]模型在返青期至乳熟期输出的病害发生概率与实际调查结果吻合度分别为62.92％、63.18％、79.48％、94.75％,能够较客观地反映病害发生的时间规律和空间分布特点.[结论]该研究表明将贝叶斯网络和GIS分析结合在较大的空间范围内利用关键气象因子进行小麦条锈病短期预测是一种可行的途径.