[发明专利]一种基于改进贝叶斯网络结构的工业报警网络构造方法

权利要求书

1.一种基于改进贝叶斯网络结构的工业报警网络构造方法，其特征在于，包括以下步骤：

S1、选取TE化工过程数据集，并对数据集划分训练集和测试集；

S2、数据预处理：提取TE化工过程数据集，若统计后的数据出现间断的现象，就用均值法进行补值，同时按照工业3δ法则进行阈值设定；

S3、基于互信息的不足，对节点之间互信息的计算进行改进，引入了去熵互信息的概念，得到去熵互信息和去熵条件互信息，进而生成无向网络图；

S4、将生成的无向网络图利用VLL定向规则进而取得改进后的贝叶斯网络结构(EEMIVLL)；

S5、利用Asia、Car、Child、Alarm四种标准网络数据集对EEMIVLL进行实验，并对比实验效果评价指标。

2.如权利要求1所述的一种基于改进贝叶斯网络结构的工业报警网络构造方法，其特征在于，将TE过程报警数据进行划分具体为：将前5小时的报警数据作为训练集，将第5小时至第48小时的报警数据作为测试集。

3.如权利要求1所述的一种基于改进贝叶斯网络结构的工业报警网络构造方法，其特征在于，S2所述数据预处理的过程具体包括：

A：提取TE化工过程数据集，并将数据按照时间顺序进行排序；

B：对数据按照时间间隔T进行统计，其中T＝3min；

C：若统计后的数据出现间断的现象，采用均值法进行补值，具体公式如下所示：

其中，S_t表示时刻的报警数据，S_t+1、S_t-1分别表示t+1、t-1时刻的报警数据；

D：同时按照工业3δ法则进行阈值设定，将连续的数据按照高低阈值转化为0、1的离散序列。

4.如权利要求1所述的一种基于改进贝叶斯网络结构的工业报警网络构造方法，其特征在于，S3所述改进过程具体包括：

A：将节点X和节点Y的互信息分别除以两个节点各自的信息熵来消除自身信息熵对互信息的影响，得到两个比值记为η₁和η₂，具体公式如下所示：

其中η₁、η₂表示X和Y节点信息熵中互信息的比值，I(X,Y)表示节点X和节点Y的互信息，H(X)表示X节点的熵，H(Y)表示Y节点的熵，两个节点之间的去熵互信息公式如下所示：

EEMI_XY＝p₁η₁+p₂η₂

其中，EEM_XY表示X和Y节点之间的去熵互信息，P₁和P₂的定义公式如下所示：

B：按照如上的理论同理可以得出节点X和节点Y的条件互信息分别除以节点各自的条件信息熵来消除自身条件信息熵对条件互信息的影响，得到两个比值记为η₃和η₄，具体公式如下所示：

其中η₃和η₄表示X和Y节点条件信息熵中条件互信息的比值，I(X,Y|Z)表示给定随机变量Z的条件下X和Y的条件互信息，H(X|Z)表示给定Z的条件下X的条件熵，H(Y|Z)表示定Z的条件下Y的条件熵，两个节点之间的条件去熵互信息公式如下所示：

EEOM_XY|Z＝P₃η₃+P₄η₄

其中，EECM_XY|Z表示给定Z的条件下X和Y节点之间的条件去熵互信息，P₃和P₄的定义公式如下所示：