摘要：随着对诊断决策要求的提高,传感器证实已经逐渐成为机电设计状态检测和诊断系统中不可忽视的技术。通过对研究方法的调研和总结,考虑到在BIT系统中应用的特点及需求,研究采用基于知识模型冗余的传感器证实技术以实现更好的实时性。研究了基于传感器因果网络模型的传感器证实算法,实现对网络中节点和链接间相关信息的融合,以得到准确的证实结果,并在实例应用中验证了方法的有效性。

摘要：风险溢出是系统性金融风险产生和演化的核心动因,因此,探究风险的溢出路径与强度至关重要.为了弥补传统方法在维度与参数上的局限,本文将非参数条件互信息检验与因果网络结构学习算法相结合,提出了一种新的非参数高维因果网络构建方法来分析金融系统波动溢出的动态联动性和风险传递机制.此文在非线性合成数据集中验证了该方法的有效性和稳健性并根据因果拓扑关系构造最优预测子集对序列进行多因子预测.并将该模型应用于构建2013年1月至2019年12月期间全球81家能源公司日度股票收益的波动溢出网络,测量基本面与投资者两种维度的风险溢出强度动态变化并进行预测分析.此外,结合企业财务数据和宏观经济变量,考虑企业之间的业务异质性,探索风险溢出的决定因素.研究结果表明,1)能源产业链的上游以及高油价风险敞口的能源企业表现出较大的风险外溢效应和风险承受程度;2)除公司规模以外,企业资产收益率,边际收益等因素也影响溢出效应的强弱;3)能源公司的风险溢出在业务上存在很大差异,溢出驱动因素也有所不同,这对于在投资组合决策和监管政策设计等具有重要的参考价值;4)虽然因果预选信息选择策略结合非参数模型的短期预测效果要优于结合参数模型,但是随着预测步长的增加,参数模型的优势却更明显.

摘要：针对电力系统配电网故障诊断问题,本文构建了基于因果网络的配电网故障诊断模型。该模型利用配电网故障发生时系统产生的告警信息,将配电网各设备的关联关系抽象成3类基本因果关系,运用因果网络进行逻辑逆向推理,实现配电网故障诊断。同时为验证该模型的有效性,以某实际配电网作为算例进行仿真验证。仿真结果表明,该模型能快速准确的诊断出配电网发生的故障,具有较好的诊断结果。该研究对维持配电网的稳定运行及保证用户用电的可靠性具有非常重要的意义。

摘要：使用因果推断相关的机器学习方法辅助检测致病基因时,作为因果推断的核心工具,条件独立性(CI)测试算法在高维生物数据场景中往往存在时间复杂度高以及准确性低等问题。为此,提出一种融合偏相关测试与线性残差独立性测试算法,压缩CI测试条件集的搜索空间,同时提高准确率。设计一种因果推断策略,在减少冗余CI测试的同时结合V结构与因果函数模型的优点,在应用于真实癌症数据的致病基因检测场景中可以区分Markov等价类,找到真正的因果关系。实验结果表明,提出的算法有较好的致病基因检测性能。