1、<p><b>　　畢業(yè)設(shè)計開題報告</b></p><p>　　基于動態(tài)貝葉斯網(wǎng)絡(luò)的深水防噴器操作安全性評估</p><p>　　1 研究的目的及意義</p><p>　　目前，陸地上的石油開采基本上達到了一個飽和的狀態(tài)，產(chǎn)量不會有太大的增加。石油勘探開發(fā)已經(jīng)逐步向深水海域進軍，深水井控技術(shù)，由于直接關(guān)系到油氣井施工的人身、財產(chǎn)安全

2、和海洋環(huán)境保護，得到了前所未有的重視[1]。</p><p>　　深水防噴器組是深水井控技術(shù)的關(guān)鍵技術(shù)，是保證深水鉆井作業(yè)安全最關(guān)鍵的設(shè)備，其作用是在發(fā)生井噴、井涌時控制井口壓力，在臺風(fēng)等緊急情況下鉆井裝置撤離時關(guān)閉井口，保證人員、設(shè)備安全，避免海洋環(huán)境污染和油氣資源破壞。由于深海搶險、逃生和救援極為困難，因此對深水防噴器組的技術(shù)性能和安全性要求非常高[2]。2010年4月20日，發(fā)生在美國墨西哥灣的井噴事件中，

3、正是由于深水防噴器失效，使井噴無法得到有效的控制，造成人員傷亡、鉆井平臺沉沒，大量油氣噴入海中，引起附近海域嚴(yán)重的生態(tài)災(zāi)難和資源浪費，并且造成了巨額經(jīng)濟損失。</p><p>　　與用于陸地上或非浮式鉆井平臺所用的防噴器不同，深水防噴器組安裝于數(shù)百至數(shù)千米水深的海底井口上。這大大增加了深水防噴器系統(tǒng)的復(fù)雜性，也提高了保證防噴器操作安全性的難度。所以，對深水防噴器操作安全性進行評估，顯得十分重要。</p>

4、;<p><b>　　2 國內(nèi)外研究現(xiàn)狀</b></p><p>　　2.1 深水防噴器的研究現(xiàn)狀</p><p>　　目前，國內(nèi)防噴器生產(chǎn)主要集中在寶雞石油機械廠、江蘇信得石油機械廠、華北石油榮盛機械制造有限公司、上海申開廠等廠家，生產(chǎn)的產(chǎn)品包括環(huán)形防噴器、閘板防噴器、各類閥件、帶壓作業(yè)裝置等，已經(jīng)基本上實現(xiàn)了系列化、規(guī)模化生產(chǎn)，滿足了國內(nèi)井控市場的需

5、求。</p><p>　　設(shè)計制造方面，國內(nèi)普遍采用CAD技術(shù)建造三維模型，對殼體、膠芯、閘板等關(guān)鍵組件，使用有限元分析軟件進行模擬仿真，研究關(guān)鍵部位的失效機理，獲得了較好效果。此外，通過改進加工工藝、引入先進的檢測設(shè)備如聲發(fā)射儀、數(shù)字UT儀等，大大提高了防噴器的質(zhì)量和生產(chǎn)效率。</p><p>　　在水下防噴器領(lǐng)域，國內(nèi)以前僅研制過“勘探一號”鉆井船的水下防噴器,通徑為340mm，工作壓

6、力為15MPa，只能用于淺水低壓工況。近十幾年來國內(nèi)陸上防噴器技術(shù)發(fā)展較快，研制出105MPa防噴器組、變徑閘板(壓力≤70Mpa)、剪切閘板、閘板液壓鎖緊裝置等，廣泛用于陸地和海上油田。但用于深水鉆井的大通徑高壓防噴器組還是空白，在產(chǎn)品的操作性能、可靠性、防腐技術(shù)方面還不能滿足深水作業(yè)的要求[3]。</p><p>　　近二十年來，美國三大公司在水下防噴器的設(shè)計、材料、制造、檢測試驗等方面取得很大技術(shù)進展，產(chǎn)品

7、的操作性、適用性、可靠性都有很大提高。Cameron公司的TL型閘板防噴器，主要零件為鍛件，承壓可靠、結(jié)構(gòu)緊湊。VBR-Ⅱ型變徑閘板膠芯的變徑范圍大，耐溫可達121℃，固定閘板的耐溫可達177℃。Nov Shaffer公司的NXT型閘板防噴器側(cè)門為無螺栓結(jié)構(gòu)，更換閘板方便，整機高度低。Hydrilll公司的Quik-Loq閘板防噴器側(cè)門采用快開結(jié)構(gòu)，可快速更換閘板，GX型環(huán)形防噴器采用平衡活塞設(shè)計，適用于深水作業(yè)，其環(huán)形膠芯耐溫最高可達

8、132℃。</p><p>　　與國外公司的防噴器相比，國產(chǎn)防噴器在種類、性能、技術(shù)含量等方面還存在一些差距，在國際市場上毫無競爭力。主要有以下幾個方面：</p><p>　　(1) 在大口徑超高壓防噴器的研制方面，國內(nèi)起步晚、基礎(chǔ)差。由于工藝水平有限，大多數(shù)主要承壓件殼體采用鑄鋼件。而在鑄造工藝過程中，一些微量的有害元素?zé)o法剔除，因此毛坯質(zhì)量不高，造成成品率低，返修率高，在一定程度上影響

9、了防噴器的安全穩(wěn)定性，在鉆井過程中容易產(chǎn)生生產(chǎn)事故。而目前國外采用鍛造工藝制造殼體承壓件，生產(chǎn)出的毛坯具有重量輕、可靠性高、材料性能好等眾多優(yōu)點。</p><p>　　(2) 國產(chǎn)防噴器組產(chǎn)品的功能不全面，針對水下防噴器的研究較少。目前，國內(nèi)還沒有廠家能夠獨立生產(chǎn)水下防噴器組，對在沙漠、海洋等惡劣自然環(huán)境中使用的防噴器，國內(nèi)產(chǎn)品在耐高低溫、耐腐蝕性能和材料強度等方面均達不到要求，仍需從國外高價進口耐腐蝕不銹鋼防噴

10、器；對于深水防噴器組內(nèi)的液壓連接器、撓性接頭等設(shè)備的研究，國內(nèi)更是處于空白，產(chǎn)品幾乎完全依靠進口。</p><p>　　(3) 在加工設(shè)備方面差距也很大，國外生產(chǎn)廠家已經(jīng)采用大型數(shù)控機床來進行防噴器的關(guān)鍵零部件精加工，而在國內(nèi)，仍然采用普通機床，人工加工關(guān)鍵零部件，精度高低可想而知。</p><p>　　(4) 防噴器一些關(guān)鍵密封件受制造工藝水平、材料性能的限制，在使用過程中壽命較低，安全

11、性能低，無法滿足深水等惡劣環(huán)境下的密封要求，尤其是高壓、大通徑的密封件目前多數(shù)無法自行研制生產(chǎn)，主要來自進口[4-7]。</p><p>　　由于國外對防噴器裝備研究比較早，技術(shù)成熟，他們已經(jīng)經(jīng)過了三個技術(shù)發(fā)展階段，第一階段為手動控制閘板防噴器，第二階段為液動控制閘板防噴器和加上環(huán)形防噴器的組合出來的防噴器組，第三階段仍為液動防噴器，但是此時他們研制出來的防噴器已經(jīng)由簡單的低壓、小通徑、簡單的結(jié)構(gòu)轉(zhuǎn)化為高壓、大通

12、徑、可變通徑和不斷完善的結(jié)構(gòu)。目前國外先進廠家正在開發(fā)、完善第四代產(chǎn)品即井下防噴器。</p><p>　　總體來說，由于深水防噴器組控制系統(tǒng)的研制難度大，投入多，風(fēng)險高，國內(nèi)對這方面的研究還處于空白。國外的生產(chǎn)制造技術(shù)也為Cameron、Hydril和Shaffer等少數(shù)外國公司壟斷。我國為了開采南海深水石油，研制自主產(chǎn)權(quán)的深水防噴器及其控制系統(tǒng)已是刻不容緩。</p><p>　　2.2

13、動態(tài)貝葉斯網(wǎng)絡(luò)的研究現(xiàn)狀</p><p>　　貝葉斯網(wǎng)絡(luò)一般指靜態(tài)貝葉斯網(wǎng)絡(luò)，它是一種幫助人們將概率統(tǒng)計應(yīng)用于復(fù)雜領(lǐng)域、進行不確定性推理和數(shù)據(jù)分析的工具。它起源于人工智能領(lǐng)域的研究，近年來對眾多其它領(lǐng)域也產(chǎn)生了重要影響。</p><p>　　隨著人工智能的發(fā)展，尤其是機器學(xué)習(xí)、數(shù)據(jù)挖掘等興起，為貝葉斯理論的發(fā)展和應(yīng)用提供了更為廣闊的空間。貝葉斯理論的內(nèi)涵也比以前有了很大變化。20世紀(jì)80年

14、代，貝葉斯網(wǎng)絡(luò)用于專家系統(tǒng)的知識表示，20世紀(jì)90年代進一步研究可學(xué)習(xí)的貝葉斯網(wǎng)絡(luò)，用于數(shù)據(jù)挖掘、機器學(xué)習(xí)和預(yù)測[8]。</p><p>　　從技術(shù)層面講，貝葉斯網(wǎng)絡(luò)是一種系統(tǒng)地描述隨機變量之間關(guān)系的語言。構(gòu)造貝葉斯網(wǎng)絡(luò)的主要目的是進行概率推理，即計算一些事件發(fā)生的概率。要在一些隨機變量之間進行概率推理，理論上只需要一個聯(lián)合概率分布即可。但是，聯(lián)合概率分布的復(fù)雜度相對于變量個數(shù)成指數(shù)增長，所以當(dāng)變量眾多時不可行。

15、貝葉斯網(wǎng)絡(luò)的提出就是要解決這個問題，它把復(fù)雜的聯(lián)合概率分布分解成一系列相對簡單的模塊，從而大大降低了知識獲取的難度和概率推理的復(fù)雜度，使得人們可以把概率論應(yīng)用于大型問題。</p><p>　　貝葉斯網(wǎng)絡(luò)作為圖形模型的一種，具有圖形模型的大多數(shù)性質(zhì)。它是概率理論和圖論相結(jié)合的產(chǎn)物。它提供了一種自然的工具，可以用來處理貫穿于應(yīng)用數(shù)學(xué)和工程中的兩個問題一不確定性和復(fù)雜性。尤其是在機器學(xué)習(xí)算法設(shè)計和分析方面扮演著越來越重

16、要的角色。圖形模型的模塊化概念將一個復(fù)雜系統(tǒng)分成了簡單的組成部分，概率理論提供了各個部分聯(lián)合起來的粘合劑，保證系統(tǒng)作為整體是一致的，并提供了模型到數(shù)據(jù)的接口。圖形模型的圖論部分則提供了直觀的界面，通過它人們可以將高度互動化的變量集和數(shù)據(jù)結(jié)構(gòu)模型化，并可以被用來設(shè)計有效的通用算法。</p><p>　　貝葉斯網(wǎng)絡(luò)構(gòu)成了一個有向圖模型，而不同于其它知識表示框架(例如:基于規(guī)則的系統(tǒng)、神經(jīng)網(wǎng)絡(luò))那樣試圖對知識推理的過程

17、進行建模。貝葉斯網(wǎng)絡(luò)實際上是在模擬潛藏在境中起作用的因果機制。概率知識和在網(wǎng)絡(luò)中的因果知識可以被貝葉斯網(wǎng)絡(luò)有效的表示和處理。</p><p>　　這種貝葉斯網(wǎng)絡(luò)的在聯(lián)想方面的方便性可以用來對于認(rèn)知方面的任務(wù)進行建模，如物體識別、閱讀理解、時態(tài)預(yù)測。對于這種任務(wù)，貝葉斯網(wǎng)絡(luò)為調(diào)整從下向上和自上而下兩種推理之間的關(guān)系提供了一種一致的語義學(xué)定義，這樣就給高級概念和低級概念之間的信息交流架起了橋梁。這種能力可以使得系統(tǒng)在

18、進行實際觀測前能夠選擇有最大信息量的觀測[9-10]。</p><p>　　近年來,靜態(tài)貝葉斯網(wǎng)絡(luò)廣泛應(yīng)用在多個領(lǐng)域,例如Microsoft公司采用該方法解決了Windows系統(tǒng)的打印機故障,醫(yī)療領(lǐng)域中采用該方法進行疾病的診斷等。但是靜態(tài)貝葉斯網(wǎng)絡(luò)不能解決有關(guān)時序的問題,即未考慮實際動態(tài)系統(tǒng)各個時刻狀態(tài)間的相互影響。為了描述實際動態(tài)系統(tǒng)的狀態(tài)變化,一些學(xué)者提出DBN理論。</p><p>

19、　　對于隨時間變化的動態(tài)系統(tǒng)，靜態(tài)系統(tǒng)中的許多方法在動態(tài)系統(tǒng)中不能直接使用，要如何改進以推廣到動態(tài)系統(tǒng)，其研究尚處于初期階段。主要的困難在于動態(tài)系統(tǒng)復(fù)雜性，使得靜態(tài)系統(tǒng)中一些成熟方法無法處理這種具有多種復(fù)雜情況的隨機過程，這就需要針對復(fù)雜系統(tǒng)的特點研究動態(tài)系統(tǒng)的特點研究全新或改進的方法來處理。DBN理論的研究無論在國外還是國內(nèi)都是比較新的課題，近兩年開始有一些文章和研究，較深入的研究文章則發(fā)表較少。</p><p&g

20、t;　　現(xiàn)有的研究主要完成了將BN學(xué)習(xí)和推理的基本原理推廣到動態(tài)系統(tǒng)、聯(lián)合樹算法擴展到動態(tài)系統(tǒng)和在平穩(wěn)的情況下對動態(tài)離散數(shù)據(jù)的學(xué)習(xí)等。例如結(jié)構(gòu)學(xué)習(xí)方面的搜索網(wǎng)絡(luò)狀態(tài)空間并給每次搜索結(jié)果打分的學(xué)習(xí)機理，就直接在動態(tài)系統(tǒng)中采用；推理的聯(lián)合樹算法在時間軸上展開計算擴展到動態(tài)系統(tǒng)；在動態(tài)系統(tǒng)中對取有限個離散值的數(shù)據(jù)的學(xué)習(xí)中采用經(jīng)典統(tǒng)計方法對數(shù)據(jù)進行處理再用貝葉斯統(tǒng)計方法進行學(xué)習(xí)。</p><p>　　此外，還有一些文章涉

21、及線性動態(tài)系統(tǒng)，這是將網(wǎng)絡(luò)中的節(jié)點之間的作用或依賴關(guān)系處理成普通的線性回歸關(guān)系。這方面的研究成果已有不少，主要針對的是比較簡單的模型，如HMM模型和卡爾曼過濾模型在時間軸上延展的動態(tài)系統(tǒng)以及他們的系數(shù)化、開關(guān)化、耦合化模型等變形形式。在他們模型上按照線性回歸關(guān)系設(shè)計的推理算法是專用的，往往只能用于本身類別的動態(tài)模型。</p><p>　　從時態(tài)序列角度分析DBN，也取得了階段性成果。時態(tài)序列分析和分類研究已經(jīng)有幾

22、十年的歷史，研究了許多技術(shù)，如信號處理、計算機影像和財政學(xué)等技術(shù)，可以對不同的時間序列進行分析和分類。例如，卡爾曼濾波估測是在連續(xù)狀態(tài)線性動態(tài)系統(tǒng)估測的基礎(chǔ)上進行的，而隱馬爾科夫模型在離散狀態(tài)的分類方面做得非常出色，并成功用于連續(xù)語音識別和在線手寫體識別系統(tǒng)中，在生物信息學(xué)中也廣泛應(yīng)用。從時態(tài)序列的角度來看，LDS中的估測和HMM中的推理都可以看成是DBN的特殊情況外，內(nèi)容結(jié)構(gòu)上也可以應(yīng)用確切和近似的統(tǒng)計推理和學(xué)習(xí)技術(shù)。從BN模型到時間

23、序列的模型化，已經(jīng)研究出很多新方法，去推理新型而復(fù)雜的時態(tài)模型，如因子HMM、轉(zhuǎn)換狀態(tài)空間模型、混合DBN等。</p><p>　　由于不同的網(wǎng)絡(luò)結(jié)構(gòu)及拓?fù)湫问?，已?jīng)出現(xiàn)了與這些結(jié)構(gòu)相對應(yīng)的諸多推理算法，如將DBN看成一個靜態(tài)網(wǎng)絡(luò)，直接應(yīng)用靜態(tài)網(wǎng)絡(luò)交叉樹算法進行推理，或?qū)?fù)雜DBN轉(zhuǎn)換成標(biāo)準(zhǔn)HMM進行推理，或直接應(yīng)用臨界算法、邊緣算法等現(xiàn)成的DBN推理算法進行推理等。如何針對性的選擇這些算法，提高DBN的高效性是

24、一個關(guān)鍵問題。</p><p>　　動態(tài)貝葉斯網(wǎng)絡(luò)[11, 12]是普通貝葉斯網(wǎng)絡(luò)在時間領(lǐng)域的拓展，即在原來網(wǎng)絡(luò)結(jié)構(gòu)上加上時間屬性的約束。所以說動態(tài)貝葉斯網(wǎng)絡(luò)依然是一個又向無環(huán)圖，它可以用來表示因果關(guān)系、先后關(guān)系、條件關(guān)系。一般來說，它可以通過常識或?qū)＜抑R來構(gòu)造，但對于不太熟悉的領(lǐng)域，通常常識來構(gòu)造是不太可能的，因此出現(xiàn)了從大量樣本數(shù)據(jù)中挖掘網(wǎng)絡(luò)結(jié)構(gòu)的算法，即動態(tài)貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)，或稱為動態(tài)貝葉斯網(wǎng)絡(luò)的發(fā)現(xiàn)

25、?，F(xiàn)在的應(yīng)用并不多，也還不夠深入，主要在語音識別、說話人識別、人的姿態(tài)測定、視頻跟蹤、視頻獲取、大信息量處理、虛擬盆景等方面做了一些初步的研究。它是一種相對年輕的方法，尤其在處理時序數(shù)據(jù)、表達多層知識方面有著深厚的理論支持并具有較強的優(yōu)勢。近年來，越來越多的研究者開始研究如何從大量樣本數(shù)據(jù)中發(fā)現(xiàn)貝葉斯網(wǎng)絡(luò)，提出了諸多的學(xué)習(xí)算法，由于動態(tài)貝葉斯網(wǎng)絡(luò)與貝葉斯網(wǎng)絡(luò)的相似性及關(guān)聯(lián)性，故這些學(xué)習(xí)算法的很多思想亦可推廣至動態(tài)貝葉斯網(wǎng)絡(luò)發(fā)現(xiàn)。<

26、/p><p>　　BN理論是較新的研究領(lǐng)域，對靜態(tài)BN的研究尚有待進一步完善，國外對DBN的研究處于初期階段，國內(nèi)涉及到DBN的研究則更少。到目前為止，對變量取連續(xù)值的DBN結(jié)構(gòu)學(xué)習(xí)研究尚處于探索時期，還沒有較深入的文章論及。現(xiàn)有的研究表明，由于非平穩(wěn)隨機動態(tài)系統(tǒng)本身的復(fù)雜性，將靜態(tài)BN的一些方法拓展到動態(tài)系統(tǒng)遇到了許多困難，也使得對DBN的研究進展緩慢[13-15]。</p><p>　　3

27、 課題的研究目標(biāo)、研究內(nèi)容</p><p><b>　　3.1研究目標(biāo)</b></p><p>　　目前為止，國內(nèi)外關(guān)于動態(tài)貝葉斯網(wǎng)絡(luò)在深水防噴器操作安全性評估中的應(yīng)用幾乎沒有，本課題嘗試將動態(tài)貝葉斯網(wǎng)絡(luò)引入深水防噴器操作安全性評估中，促進動態(tài)貝葉斯網(wǎng)絡(luò)理論的研究與應(yīng)用，以及其在深水防噴器操作安全性評估方面的發(fā)展。綜合運用動態(tài)貝葉斯網(wǎng)絡(luò)對深水防噴器操作的安全性進行評估

28、，并結(jié)合軟件NETICA進行相互驗證，找出其中對安全性影響較大的因素，從幾個主要方面歸納原因，并對以后的防噴器的設(shè)計或操作提出一些改進方案。</p><p><b>　　3.2研究內(nèi)容</b></p><p>　　(1) 歷史數(shù)據(jù)的收集與整理。</p><p>　　(2) 對影響操作安全性的各種因素進行分類。</p><p&

29、gt;　　(3) 根據(jù)各種因素，分別對其建立動態(tài)貝葉斯網(wǎng)絡(luò)模型，最后進行整合，建立整個系統(tǒng)的動態(tài)貝葉斯網(wǎng)絡(luò)。</p><p>　　(4) 取模型中的案例利用這種方法對其進行推理分析。</p><p>　　(5) 通過軟件NETICA進行驗證。</p><p>　　(6) 最后，給出結(jié)論，并有針對性地提出改進措施或建議。</p><p>　　4

30、 課題擬采取的研究方法</p><p>　　(1) 由于這方面的工作國內(nèi)研究的較少，歷史數(shù)據(jù)的收集較困難。主要是通過咨詢一些深水防噴器方面專家，根據(jù)他們提供的一些資料以及經(jīng)驗來收集與整理。</p><p>　　(2) 貝葉斯網(wǎng)絡(luò)中通常有五類影響因素，包括人為因素、硬件因素、軟件因素、機械因素和液壓因素。根據(jù)深水防噴器的操作流程，首先建立系統(tǒng)的主貝葉斯網(wǎng)絡(luò)，對其進行分析，將各因素具體化，并找

31、出其概率分布。</p><p>　　(3) 利用NETICA軟件，通過添加節(jié)點和有向邊，延時邊以及概率函數(shù)，對各因素建立動態(tài)貝葉斯網(wǎng)絡(luò)。</p><p>　　(4) 運用動態(tài)貝葉斯網(wǎng)絡(luò)的一些算法比如前向后向算法等，取其中的一個案例比如緊急脫斷系統(tǒng)（EDS），進行推理分析。</p><p>　　(5) 通過NETICA軟件，對所建立的模型進行不確定性分析，敏感性分析等

32、多種推理，找出各影響因素的重要程度。</p><p>　　(6) 對分析結(jié)果進行整理，給出相應(yīng)結(jié)論。</p><p>　　5 課題的計劃進度和預(yù)期成果 </p><p>　　5.1課題的計劃進度</p><p>　　5.2預(yù)期的研究成果</p><p>　　建立系統(tǒng)的動態(tài)貝葉斯網(wǎng)絡(luò)模型，對某一案例進行分析，找出對深水防

33、噴器操作安全性影響較大的因素，并針對性的提出一些改進方案。</p><p><b>　　參考文獻</b></p><p>　　[1] 段明星, 李明亮. 深水防噴器系統(tǒng)可靠性探討[J]. 中國造船, 2010, 12:297</p><p>　　[2] 李博, 張作龍. 深水防噴器組控制系統(tǒng)的發(fā)展[J]. 流體傳動與控制, 2008, 29(4

34、):39 </p><p>　　[3] 劉翔. 3000m深水下防噴器組可靠性研究[D]. 中國石油大學(xué), 2010.</p><p>　　[4] 孫振剛. 防噴器參數(shù)化設(shè)計及仿真技術(shù)研究[D]. 中國石油大學(xué), 2009.</p><p>　　[5] 王道寶. 閘板防噴器可靠性研究[D]. 中國石油大學(xué), 2010.</p><p>　　[

35、6] 李三平. 國產(chǎn)防噴器生產(chǎn)技術(shù)現(xiàn)狀與發(fā)展趨勢[J]. 石油科技論壇, 2006:54 </p><p>　　[7] 蘇尚文, 許宏奇. 我國防噴器技術(shù)進展與發(fā)展方向[J]. 石油機械, 2001:101-107</p><p>　　[8] 李海軍, 馬登武, 劉霄等.貝葉斯網(wǎng)絡(luò)理論在裝備故障診斷中的應(yīng)用[M]. 北京: 國防工業(yè)出版社, 2009: 58-59.</p>

36、<p>　　[9] Adnan Darwiche.Modeling and Reasoning with Bayesian Networks[M]. New York: Cambridge University Press, 2009</p><p>　　[10] 張連文, 郭海鵬. 貝葉斯網(wǎng)引論[M]. 北京: 科學(xué)出版社, 2006</p><p>　　[11] Murphy

37、 K.Dynamic Bayesian networks: representation, inference and learning[D]. Doctor of Philosophy dissertation, University of California, Berkeley, 2002. </p><p>　　[12] Murphy K P, Mian S. Modeling gene expressi

38、on data using dynamic Bayesian networks.Berkeley: Computer Science Division[D]. Doctor of Philosophy dissertation, University of California, 1999.</p><p>　　[13] 李維乾. 動態(tài)貝葉斯網(wǎng)絡(luò)在水文預(yù)報中的應(yīng)用[D]. 西安理工大學(xué), 2009.</p&

39、gt;<p>　　[14] Pavlovic, Tat-Jen Cham. A Dynamic Bayesian Networks Approach to Figure Tracking Using learned Dynamic Models[J]. 1999:94-101</p><p>　　[15] 肖秦琨, 高嵩.動態(tài)貝葉斯網(wǎng)絡(luò)推理學(xué)習(xí)理論及應(yīng)用[M]. 北京: 國防工業(yè)出版社, 2007: