预案分析贝叶斯网络方法.docVIP

预案分析贝叶斯网络方法 　　摘要：在对预案进行评估分析和执行过程中常会涉及不确定性问题，传统的预案编制工具关键路径法（Critical Path Method，CPM）不具备处理不确定性问题的能力。本文推荐的贝叶斯网络法(Bayesian Networks) 因其处理分析不确定性问题的能力已经被广泛应用于一系列的决策支持应用，但对预案评估分析的应用是新颖的。本文介绍了用贝叶斯网络法分析传统关键路径法编制的预案。 　　关键词：预案分析；不确定性问题；贝叶斯网络 　　中图分类号：TP393 文献标识码：A文章编号：1006-4311（2012）08-0141-02 　　0引言 　　预案是指根据评估分析或经验，对潜在的或可能发生的突发事件事先制定的应急处置方案。目前我们在编制预案时最常用到的方法是关键路径法，在预案实际应用过程中常会受到各种原因造成的不确定性问题影响，使得预案的执行结果偏离预期结果。尤其是在大型复杂的预案执行过程中，因其各个活动之间存在很多错综复杂、关联耦合的相互关系，不确定因素及不确定信息充斥其间，使得这种偏离预期会更明显。面对不确定性问题对预案执行的影响，使得我们有必要对预案制定是否科学、内容是否完备等进行评估，对在现有资源情况下预案偏离预期结果的可能性进行分析。目前对预案进行评估分析时，人们常会考虑用预案演练的方式来进行，但是并非所有的预案都可以通过演练的方式进行检验，同时演练的高成本在一些预案中也难以承受。同时由于关键路径法是一种处理纯粹确定性问题的方法，这种方法本身没有试图处理或量化不确定性问题，所以我们必须引入一种其它的方法来进行预案分析。 　　本文推荐的基于概率推理的贝叶斯网络法是为解决不确定性、不完整性问题而提出的，因其对于解决复杂项目的不确定性问题和活动之间的关联性引起的不确定性问题有很大的优势，而被广泛使用于一系列的决策支持应用，将其应用于预案分析中还是一种较新的尝试。 　　1贝叶斯网络法 　　1.1 贝叶斯网络贝叶斯网络（也称为信念网络，因果概率网络，因果网，图形概率网络，概率因果模型和概率影响图）为很多涉及不确定性和概率推理的问题提供决策支持。贝???斯网络是一个有向图，连同相关的概率表。 　　图1由节点、箭线和概率表构成。该图显示了在某项目中那些特定任务延迟原因构成的简单贝叶斯网络。这些节点代表不确定性变量，每个节点都有一组状态（例如“合同签订”节点的“按期”和“逾期”）。箭线代表变量之间的因果关系或影响力（例如“合同签订”和“工人技能”可能会影响“按期完工”）。概率表代表每个节点变量状态的概率。因为变量没有前因（称为起点节点），概率表只包含事前分布 （例如，合同签订节点PA1=0.95和PA2=0.05）。这也被称为先验分布用以表示之前的信念。对于每个有前因的变量，概率表对每个前因状态有条件概率的组合（例如图1，按期完工的概率表）。这也被称为似然函数，表示前一特定状态引起某一结果的可能性。 　　贝叶斯网络是将概率统计应用于复杂领域进行不确定性推理和数据分析的工具。当一些变量已经被观测到时，我们可以据此推断其它未被观测变量的概率。这些观测值代表了后验概率并通过贝叶斯规则作用于每个受它影响的节点，因此其影响就可以传播到贝叶斯网络上的其它节点并修改这些节点的概率分布。 　　1.2 贝叶斯网络的活动时间图2所示是一个按不确定性来源和其对某项活动持续时间影响为模型建立的贝叶斯网络原型，模型中包含使得活动持续时间不确定的那些变量。其中初始时间估计是活动的第一期估计，是根据历史数据，过去的经验或专家判断进行的初始估计；资源包含对活动时间带来影响的任何因素，资源水平可以从“成本”，“人员经验”和“技术水平”这些可直接观察的“指标”节点中推断出来。通过显示各种情况下运行该模型的结果，可帮助项目管理人员对各种“指标”节点对活动的影响认识得更加深刻。 　　2贝叶斯网络法在预案分析中的应用 　　为说明如何通过贝叶斯网络的活动时间模型对一个活动进行分析，假设在一个预案中某项活动的贝叶斯网络时间模型如图2所示，“成本”、“人员经验”及“现有技术水平”为“指标”节点，“指标”节点和“资源”的等级简单的分为低、中和高三种情况。未观测到各“指标”节点情况时，假设各“指标”节点三种情况出现的概率均等，根据历史数据，过去的经验或专家判断，就可以通过贝叶斯网络法计算得到活动时间的概率分布，结果如图3所示。 　　根据得到的概率分布还可以计算出活动时间累计概率。在图4中可以看到，应用贝叶斯网络法我们可以通过计算得到任务在多少天内完成的概率是多少，可通过计算的结果来验证。例如按照上述假设在未能观测到“指标”节点的情况下，有90%的可能性在11天15小时内完成该项活动。据此，我们可以通过计算得出的结果来分析