基于事故树与贝叶斯网络的农产品供应链风险评估

为了探究物联网模式下农产品供应链的风险影响程度,提升农产品供应链整体水平。基于物联网层次模型结合农产品供应链风险影响因素,以农产品供应链的风险因素为研究对象,以事故树模型为基础,构建基于事故树模型的风险因素树形图,并将其映射为贝叶斯网络,通过结合专家给出的风险影响因素值进行三角模糊数处理来降低人为因素的影响,最终通过正向、反向推理分析各基本事件的重要度并进行排序,有效定量评估各事件的风险性,并找出最薄弱的环节,进而提出针对性的改善措施。结果表明,将事故树模型引入农产品供应链进行研究,对比单一事故树分析,此方法可以提高评估的可信度和客观度,对物联网模式下农产品供应链的风险评估具有一定的理论和实用价值。     

基于贝叶斯网络分类算法的采摘机器人故障诊断研究

提出了贝叶斯网络分类算法和采摘机器人故障诊断节点的选取的方法,建立了采摘机器人故障诊断贝叶斯网络模型,并从采摘机器人动力故障和执行器故障两方面进行了分析研究。实验结果表明:TAN贝叶斯网络算法在诊断正确率和耗时时间两方面,都明显优于NB算法,说明该系统不仅适用于采摘机器人动力故障和执行器故障诊断,且能够较大地提高故障诊断正确率和效率。     

基于抗体筛查的美国猪群流行性腹泻病毒真流行率分布推断

养殖家畜的冠状病毒，如猪流行性腹泻病毒（porcine epidemic diarrhea virus，PEDV），其基因序列与蝙蝠体内冠状病毒基因序列高度相似，可引起猪肠道感染并导致仔猪大量死亡，对动物健康危害极大。本研究基于对美国猪群PEDV流行毒株表观流行率的数据挖掘作为先验信息，以2019年美国生猪入境中国西南陆路口岸的实验室抗体筛查为知识更新，利用贝叶斯统计推断方法，估计美国猪群PEDV发生的真流行率分布。结果显示，PEDV在美国猪群中的真流行率分布中位值（median）为0.005 22（95% CI=0.000 424~0.022 5），95%的高置信上限（upper confident limit，UCL）的流行率分布为3%。后验分布流行率高度右偏的概率密度统计特性推断美国猪群PEDV真流行率最大可能分布主要集中在2.5%百分位数（P_2.5%=0.000 2）与中位数（P_50%=0.005 22）之间，但不同生猪畜群间PEDV真流行率分布值可能会存在有小概率溢出分布大于0.03（P≤2.5%）的可能。此外，在现阶段口岸筛查的试剂选择方面，建议口岸首先使用基于N蛋白的ELISA抗体作为初筛，然后以基于S1重组蛋白ELISA抗体筛查作为复筛，来提高口岸对来自美国生猪的α-冠状病毒入境我国的风险认知、管控和鉴别能力。以先验分布和口岸实验室检测结果优化为基础的贝叶斯统计推断监测技术，可以为在现有知识和认知基础上最大程度阻断来自异域病原微生物入侵提供基于科学证据的风险决策技术支持，对口岸检验检疫、抽样监测和风险决策具有突破性的意义。     

基于机器学习算法的广西桉树适宜性研究

  目的  探索立地因子与桉树Eucalyptus适宜性之间的关系，开展树种适宜性研究，为桉树适宜性研究提供新思路，为科学造林提供支持。  方法  以广西桉树人工林为研究对象，选取广西国有高峰林场的1 883个森林资源小班调查数据，分别运用朴素贝叶斯、支持向量机、随机森林算法作为树种适宜性评价方法，构建桉树适宜性分类模型。输入为地貌类型、海拔、坡向、坡位、坡度、凋落物厚度、腐殖质层厚度、土层厚度、石砾含量、成土母质，土壤类型等11个立地因子信息，输出为桉树适宜性。  结果  3种算法构建的模型拟合精度依次为63.18%、69.73%、78.03%，泛化精度依次为64.33%、67.93%、78.18%。相比于朴素贝叶斯、支持向量机算法，随机森林算法分类效果更好。立地因子重要性排序由高到低依次为:海拔、土层厚度、坡向、坡度、石砾含量、凋落物厚度、坡位、腐殖质层厚度、土壤类型、地貌类型、成土母质。200~350 m海拔、80~100 cm土层厚度的地区比较适宜桉树生长。  结论  基于机器学习算法构建的桉树适宜性评价模型可以较好地对桉树的适宜性做出预测。     

基于朴素贝叶斯分类器的电力系统信誉评级研究

目前电力企业普遍面临的一个难题是客户的巨额欠费。为此，电力公司每年都需要投入大量的精力进行电费催缴工作，但问题至今仍难以得到根本解决。通过从电力系统大规模的缴费数据中提取训练样本，利用朴素贝叶斯算法进行学习，得到分类规则，将这些规则应用于对用电客户的信誉进行评级，建立客户信誉评级系统，可以帮助电力企业更好地管理客户缴费行为，并为其运营管理提供数据支持。结果表明，对于不同的分类样本甚至不同的指标体系，都可以获得较好的分类效果。     

金融时间序列指标判别框架：以特质波动率为例

基于拐点集合判别的TBUD方法主要思路是分析拐点集合间的关系，并在高维空间进行划分，从而搭建判别模型，并将分析框架应用在特质波动率等若干指标上，利用实证数据得到结论。应用TBUD判别框架可以发现，特质波动率等指标无法对拐点集合进行清晰划分，因而并不具有预测能力。     

基于MCMC模拟的MGPD模型及其在地质灾害风险度量中的应用

基于马尔科夫链蒙特卡洛(简记为MCMC)模拟的参数贝叶斯估计,对改进的广义帕累托分布(简记为MGPD)模型进行了优化,并利用该模型得到了地质灾害损失的在险损失值(简记为VaR)和条件损失值(简记为CVaR).以湖南娄底市地质灾害损失数据进行实证分析及模型适应性检验,结果表明:优化后的模型不仅具有很好的极值数据描述能力,而且具有较强的适用性.     

基于信号博弈的阳澄湖大闸蟹绿色标签市场应用分析

水产品绿色标签对消费者来说是高质量的信号,对卖家来说则是卖出高价的资本.但是欺诈行为的存在损害了消费者和其他卖家的利益,扰乱了市场秩序.以阳澄湖大闸蟹为例,通过信号博彝理论,对螃蟹市场中关卖双方的消费行为进行博彝分析,得到了精炼贝叶斯Nash均衡.     

基于改进BP神网络的离心泵性能预测

采用改进神经网络(贝叶斯正则化算法)对IB型单级离心泵水力模型的性能进行了预测,通过工程实践中得到的100组离心泵最优几何尺寸来训练网络,并用训练好的网络对需生产的水泵进行工况预测。结果显示,用改进神经网络来预测单级离心泵的性能,预测误差不超过6%。