买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了基于贝叶斯网络的城市地铁内涝风险处置辅助决策方法，包括获取目标城市地铁的内涝数据和基础数据，对所述内涝数据进行预处理，通过预处理后的所述内涝数据得到第一评估数据和第二评估数据，采用风险水平对所述第一评估数据和所述第二评估数据进行风险评估，获得风险值，根据所述监测数据对所述风险值进行调整获得风险程度，根据所述风险程度构建内涝风险处置辅助决策模型，优化所述内涝风险处置辅助决策。该方法不仅可以提高基于贝叶斯网络的城市地铁内涝风险处置辅助决策的精度，同时具有较好的可解释性，可以直接应用于城市地铁内涝风险处置辅助决策系统中。

主权项：1.基于贝叶斯网络的城市地铁内涝风险处置辅助决策方法，其特征在于，包括以下步骤：获取目标城市地铁的内涝数据和基础数据，对所述内涝数据进行预处理；所述内涝数据包括历史涝灾数据、气象数据、监测数据；通过预处理后的所述内涝数据得到第一评估数据和第二评估数据；所述第一评估数据表征所述目标城市地铁的水流量预测值；所述第二评估数据表征所述目标城市地铁的可用排水能力；所述水流量预测值为基于所述监测数据和所述气象数据的水流预测量；所述排水能力为基于所述基础数据和所述监测数据的可用排水量；包括：内涝攻击地铁分别为预警准备、初步内涝和严重内涝三个阶段，根据地铁内涝的风险因素构建攻击状态矩阵，将风险因素作为节点，计算风险值： 其中节点w的危险程度为aw，节点w的攻击结果为节点w的攻击阶段为cw，节点w的攻击状态为dw，危险程度、攻击结果、攻击阶段和攻击状态的数量和为m，权重分别为ψ1、ψ2、ψ3、ψ4；根据风险因素导致结果添加方向，计算节点有向边的权重： 其中攻击状态的总数为N*，攻击状态i节点w的危险程度最大值为awi,max，节点w攻击状态i的风险值为节点w攻击后节点y处于攻击状态i的概率为攻击状态i节点w的危险程度为awi，攻击常数为z，节点w攻击节点y的风险期望为根据有向的风险因素构建有向加权网络，计算路径攻陷节点的平均值： 其中从节点w攻陷其它节点的数量为n，从节点w攻陷其它节点的路径为l，从节点w攻陷其它节点的概率平均值为从节点w开始第l条可能危及其它节点路径的攻陷概率为Qwl；计算被攻陷的平均概率： 其中节点w通过第l条路径被攻陷的概率为节点w被攻陷的可能路径数量为n1，节点i被攻陷的平均概率为根据有向加权网络构建加权有向图，计算节点的重要性指数： 其中节点w的重要性指数为εw，第一平衡因子为θ1，第二平衡因子为θ2，自然常数为e，节点w向外发送连接的权重为Sotw，节点w接收连接的权重为Sinw，攻陷系数为υ；计算节点的加权风险期望： 其中节点w的加权风险期望为节点w处于攻击状态i的概率为加权因子为λ，计算节点的风险值： 其中第一平衡系数为第二平衡系数为节点w的风险值为采用风险水平对所述第一评估数据和所述第二评估数据进行风险评估，获得风险值，根据所述监测数据对所述风险值进行调整获得风险程度；包括：计算监测数据的风险重要性： 其中第j个监测数据的风险重要性为第j个监测数据的数量为k，第j个监测数据的贡献度为uj，第j个监测数据的风险承受力为第j个监测数据的上一雨情风险破坏程度为第j个监测数据的强度因子为χj；将风险重要性大于0.362的监测数据整合为风险数据，根据风险数据计算风险程度： 其中第c个雨情的风险程度为Uc，第c个雨情的第j个风险数据值为fcj，第j个风险数据的标准值为第c个雨情的第j个风险数据的风险重要性为第c个雨情的优化因子为ζc，第c个雨情第j个风险数据的数量为第c个雨情的风险值根据所述风险程度构建内涝风险处置辅助决策模型，优化所述内涝风险处置辅助决策；包括：将风险程度作为内涝风险处置辅助决策模型的决策标准：当风险程度小于0.29时，风险等级为一级；当风险程度大于0.29小于0.53时，风险等级为二级；当风险程度大于0.53小于0.71时，风险等级为三级；当风险程度大于0.71小于0.89时，风险等级为四级；当风险程度大于0.89小于1时，风险等级为特级；内涝风险处置辅助决策模型包括关联规则挖掘算法、贝叶斯网络算法、长短期记忆网络算法、模糊评价算法；关联规则挖掘算法根据内涝数据的关联程度进行选择，获得重要数据；贝叶斯网络算法根据重要数据建立贝叶斯网络的基本结构；将风险因素作为贝叶斯网络的节点；对各节点的状态进行概率赋值；设置一般风险因素节点、决策节点和效用节点，获得第一风险程度；短期记忆网络算法根据重要数据的时间特性进行预测，获得第二风险程度；模糊评价算法对第一风险程度和第二风险程度进行融合，获得风险程度。

全文数据：

权利要求：

百度查询： 中国标准化研究院 基于贝叶斯网络的城市地铁内涝风险处置辅助决策方法