基于貝葉斯網(wǎng)絡(luò)的應(yīng)急物流風(fēng)險(xiǎn)預(yù)測(cè)與控制研究

李柯+譚柱森+唐小艷

摘 要：基于因子分析確定影響應(yīng)急物流風(fēng)險(xiǎn)的因素，從事前、事中、事后三個(gè)環(huán)節(jié)拓展指標(biāo)體系，并建立應(yīng)急物流風(fēng)險(xiǎn)的貝葉斯網(wǎng)絡(luò)模型。采用歷史數(shù)據(jù)進(jìn)行實(shí)例分析，實(shí)現(xiàn)應(yīng)急物流風(fēng)險(xiǎn)預(yù)測(cè)以及應(yīng)急物流風(fēng)險(xiǎn)控制，預(yù)測(cè)出我國(guó)應(yīng)急物流發(fā)生風(fēng)險(xiǎn)的概率為15%，事中處理階段應(yīng)急物流發(fā)生風(fēng)險(xiǎn)的可能性最大，反向分析出資源協(xié)調(diào)能力是應(yīng)急物流風(fēng)險(xiǎn)控制的薄弱環(huán)節(jié)，是后期降低應(yīng)急物流風(fēng)險(xiǎn)的關(guān)鍵。為提升應(yīng)急物流能力、規(guī)避應(yīng)急物流風(fēng)險(xiǎn)提供了新的思路。

關(guān)鍵詞：因子分析；貝葉斯網(wǎng)絡(luò)；應(yīng)急物流風(fēng)險(xiǎn)

Abstract： Based on factor analysis to determine the factors that affects the risk of emergency logistics， determine the index system in the three parts of advance warning， dealing with the emergency and post recovery. Then establish emergency logistics risk Bayesian network model. Using historical data to carry on the example analysis， realizes the emergency logistics risk forecasting and the emergency logistics risk controlling. The occurrence probability of emergency logistics risk in our country is 15%， and it most likely occurs in the disaster processing stage. We can conclude that resource coordination ability is the weak link of emergency logistics risk control and the key to reduce the risk of emergency logistics from the reverse analysis， thus provided the new mentality for the promotion of emergency logistics ability， and to avoid the emergency logistics risk.

Key words： factor analysis； Bayesian network； emergency logistics risk

引 言

應(yīng)急物流是國(guó)家安全保障系統(tǒng)的重要組成部分。在經(jīng)濟(jì)建設(shè)過(guò)程中，應(yīng)對(duì)突發(fā)事件是不可避免的工作，特別是隨著人口的增加和城市化的增強(qiáng)，應(yīng)對(duì)突發(fā)事件對(duì)物流能力的要求更加苛刻。當(dāng)突發(fā)事件發(fā)生后，受災(zāi)地區(qū)會(huì)在很短的時(shí)間內(nèi)產(chǎn)生巨大的資源需求，對(duì)應(yīng)急資源的準(zhǔn)時(shí)性要求很高，所以應(yīng)急物流關(guān)系到突發(fā)事件應(yīng)急的效果。應(yīng)急物流包括了預(yù)警環(huán)節(jié)準(zhǔn)備應(yīng)急物資，建設(shè)應(yīng)急物流網(wǎng)絡(luò)，完善應(yīng)急物流體系；也包括突發(fā)事件應(yīng)急過(guò)程中的資源運(yùn)作，實(shí)現(xiàn)人員、設(shè)備、物資的迅速到位，搶救受災(zāi)的人、財(cái)、物，及時(shí)補(bǔ)充應(yīng)急所需的一切物資，盡量減少損失；還包括對(duì)受災(zāi)群眾和受災(zāi)區(qū)域的事后恢復(fù)，實(shí)現(xiàn)資源的合理供給，保障事后恢復(fù)工作的快速進(jìn)行。

我國(guó)的應(yīng)急管理體制機(jī)制決定了我國(guó)在應(yīng)急物資上實(shí)行分級(jí)負(fù)責(zé)、屬地管理的方式，對(duì)應(yīng)急資源實(shí)行相對(duì)獨(dú)立的區(qū)域管理，具有自上而下的平行線性結(jié)構(gòu)，必然會(huì)導(dǎo)致補(bǔ)給線比較長(zhǎng)、保障能力分散、中轉(zhuǎn)效率低等缺點(diǎn)。另外，應(yīng)急物流本身就是一個(gè)非常復(fù)雜的網(wǎng)絡(luò)，從應(yīng)急物資的前期儲(chǔ)備到突發(fā)事件發(fā)生后的應(yīng)急物資調(diào)運(yùn)，以及事后恢復(fù)階段的應(yīng)急資源供應(yīng)，都會(huì)受到各種不可控因素的影響，最終可能導(dǎo)致應(yīng)急物流發(fā)生風(fēng)險(xiǎn)，損壞應(yīng)急資源的質(zhì)量以及降低應(yīng)急資源到達(dá)準(zhǔn)時(shí)率，對(duì)突發(fā)事件的處理造成風(fēng)險(xiǎn)，最終危及人民群眾的生命和財(cái)產(chǎn)安全。因此，進(jìn)行應(yīng)急物流風(fēng)險(xiǎn)的預(yù)測(cè)和風(fēng)險(xiǎn)控制具有重大的意義。

國(guó)內(nèi)外學(xué)者主要采用BP神經(jīng)網(wǎng)絡(luò)[1]、模糊綜合評(píng)價(jià)法[2]、粒子群算法[3]、AHP[4]、熵理論[5]等方法研究應(yīng)急物流風(fēng)險(xiǎn)，側(cè)重于應(yīng)急物流風(fēng)險(xiǎn)的評(píng)估和識(shí)別，缺乏對(duì)應(yīng)急物流風(fēng)險(xiǎn)的預(yù)警與控制策略的研究，因此實(shí)用性不強(qiáng)。貝葉斯網(wǎng)絡(luò)能夠很好地解決這一問(wèn)題，國(guó)內(nèi)外學(xué)者利用貝葉斯網(wǎng)絡(luò)進(jìn)行了大量的實(shí)證研究，在預(yù)測(cè)方面，裘江南等（2011）利用貝葉斯模型構(gòu)建通用的突發(fā)事件預(yù)測(cè)模型[6]， RA Sutrisnowati（2015）基于貝葉斯網(wǎng)絡(luò)建立了港口應(yīng)急物流風(fēng)險(xiǎn)預(yù)測(cè)模型[7]；在風(fēng)險(xiǎn)控制方面G Arroyofigueroa，LE Sucar（2013）基于貝葉斯網(wǎng)絡(luò)建立了故障診斷與風(fēng)險(xiǎn)控制模型[8]，白翠粉（2013）建立了基于3層貝葉斯（Bayes）網(wǎng)絡(luò)的綜合故障診斷方法[9]，諸如此類(lèi)的研究證實(shí)了貝葉斯網(wǎng)絡(luò)在風(fēng)險(xiǎn)預(yù)測(cè)可控制上的可行性。本研究基于因子分析和貝葉斯網(wǎng)絡(luò)，找到應(yīng)急物流風(fēng)險(xiǎn)的影響因素，從事前、事中、事后環(huán)節(jié)入手，把影響因素分為人、機(jī)、料、法、環(huán)等維度，建立應(yīng)急物流風(fēng)險(xiǎn)貝葉斯網(wǎng)絡(luò)模型，詳細(xì)探討應(yīng)急物流風(fēng)險(xiǎn)的預(yù)測(cè)與控制。

1 貝葉斯定理與貝葉斯網(wǎng)絡(luò)

英國(guó)學(xué)者貝葉斯于18世紀(jì)提出了貝葉斯定理（Bayes' Theorem），貝葉斯定理也稱(chēng)貝葉斯推理。假設(shè)B，B，…，B互斥且構(gòu)成一個(gè)完全事件，已知它們的概率PB， i=1，2，…，n，現(xiàn)觀察到某事件A與B，B，…，B相伴隨機(jī)出現(xiàn)，且已知條件概率PA|B，求PB|A。則：

通常把PA|B叫做B條件下，A的后驗(yàn)概率，PB是B條件下的先驗(yàn)概率，后驗(yàn)概率比先驗(yàn)概率包含更多的信息，可以用做故障排查與風(fēng)險(xiǎn)預(yù)測(cè)。

貝葉斯網(wǎng)絡(luò)（BN）是基于貝葉斯定理的分析工具，BN以圖形的模式描述了變量之間的概率關(guān)系，有向無(wú)環(huán)圖是BN的基本表現(xiàn)形式，直觀地表明了各隨機(jī)變量間的邏輯關(guān)系。采用條件概率把節(jié)點(diǎn)間的關(guān)系量化，說(shuō)明節(jié)點(diǎn)間的具體的關(guān)系強(qiáng)度。因此，貝葉斯網(wǎng)絡(luò)可以代表包括了定量的和定性的數(shù)據(jù)，通過(guò)計(jì)算和轉(zhuǎn)換，基于貝葉斯網(wǎng)絡(luò)變量之間的依賴(lài)關(guān)系以及變量的概率分布，計(jì)算所需的其它概率信息，貝葉斯定理還可以進(jìn)行規(guī)則學(xué)習(xí)和統(tǒng)計(jì)推斷，挖掘出數(shù)據(jù)之間的潛在關(guān)系，可實(shí)現(xiàn)預(yù)測(cè)、分類(lèi)、因果分析等多項(xiàng)任務(wù)。

2 應(yīng)急物流風(fēng)險(xiǎn)貝葉斯網(wǎng)絡(luò)的建立

2.1 應(yīng)急物流風(fēng)險(xiǎn)影響因素的確定

應(yīng)急物流風(fēng)險(xiǎn)的存在是隨機(jī)而普遍的，它既可以存在某一個(gè)單獨(dú)的環(huán)節(jié)中，如某種應(yīng)急資源的配送過(guò)程等，也可貫穿全過(guò)程，形成應(yīng)急物流供應(yīng)鏈的風(fēng)險(xiǎn)，并且受環(huán)境影響，一旦物流供應(yīng)鏈的快速作業(yè)會(huì)受到限制，就會(huì)導(dǎo)致應(yīng)急物流風(fēng)險(xiǎn)，所以應(yīng)急物流風(fēng)險(xiǎn)是多方面、多環(huán)節(jié)的。

學(xué)者們對(duì)應(yīng)急物流風(fēng)險(xiǎn)的影響因素做了比較充分的研究，基本涵蓋了導(dǎo)致應(yīng)急物流風(fēng)險(xiǎn)的全部因素。基于前人的研究，歸納和分析2000年至2015年我國(guó)發(fā)生的重大突發(fā)事件，包括公共衛(wèi)生事件、自然災(zāi)害、事故災(zāi)難和社會(huì)安全事件，著重分析突發(fā)事件的應(yīng)急物流風(fēng)險(xiǎn)，可得出若干關(guān)鍵的影響因素。這些影響因素是多維度的，例如應(yīng)急演練不到位、信息傳達(dá)能力不足等可以歸為人的因素，而有的因素則可以歸為設(shè)備的因素，為了把這些雜亂的因素劃分為不同的類(lèi)別，系統(tǒng)地建立指標(biāo)，根據(jù)這些影響因素設(shè)計(jì)量表問(wèn)卷并由應(yīng)急管理方面的專(zhuān)家填寫(xiě)。收集并整理數(shù)據(jù)，對(duì)數(shù)據(jù)作因子分析，由表1可知，KMO值為0.809，顯著性為0.000。表示量表各個(gè)條目之間的簡(jiǎn)單相關(guān)關(guān)系大于偏相關(guān)關(guān)系，適合做因子分析。

經(jīng)過(guò)旋轉(zhuǎn)之后，16個(gè)關(guān)鍵指標(biāo)被分為四類(lèi)，即得到四個(gè)公共因子，如表2所示，通過(guò)進(jìn)一步分析，四個(gè)公共因子分別從人、機(jī)、料、法、環(huán)四個(gè)方面構(gòu)成應(yīng)急物流風(fēng)險(xiǎn)。

基于因子分析得到的維度，考慮到突發(fā)事件應(yīng)急的全過(guò)程以及應(yīng)急管理每個(gè)階段的特點(diǎn)，從事前預(yù)警應(yīng)急物流、事中處理應(yīng)急物流以及事后恢復(fù)應(yīng)急物流三個(gè)環(huán)節(jié)對(duì)指標(biāo)進(jìn)行拓展，最終形成表3所示的應(yīng)急物流風(fēng)險(xiǎn)因素矩陣。

2.2 應(yīng)急物流風(fēng)險(xiǎn)貝葉斯網(wǎng)絡(luò)

要構(gòu)造一個(gè)貝葉斯網(wǎng)絡(luò)，首先應(yīng)該確定父節(jié)點(diǎn)，添加節(jié)點(diǎn)的順序是首先添加根本原因的節(jié)點(diǎn)，然后添加受他們直接影響的變量，依次類(lèi)推，直到?jīng)]有對(duì)其他變量產(chǎn)生影響的節(jié)點(diǎn)為止，也就是節(jié)點(diǎn)V應(yīng)該包含所有直接影響V的父節(jié)點(diǎn)V，V，…，V。分析構(gòu)成應(yīng)急物流風(fēng)險(xiǎn)的指標(biāo)，如圖1所示，可以從事前預(yù)警環(huán)節(jié)S、事中處理環(huán)節(jié)S以及事后恢復(fù)環(huán)節(jié)S三個(gè)環(huán)節(jié)出發(fā)反向添加節(jié)點(diǎn)建立貝葉斯網(wǎng)絡(luò)。

用Mi=1，2，3表示第i環(huán)節(jié)的非監(jiān)管風(fēng)險(xiǎn)，用Ni=1，2，3； j=1，2，3，4表示第i環(huán)節(jié)的第j種風(fēng)險(xiǎn)（人為風(fēng)險(xiǎn)、物料及設(shè)備風(fēng)險(xiǎn)、環(huán)境風(fēng)險(xiǎn)、監(jiān)管風(fēng)險(xiǎn)）。可以建立如圖2所示的貝葉斯網(wǎng)絡(luò)。各節(jié)點(diǎn)遵循“或門(mén)”的邏輯，即有：

3 實(shí)例分析

3.1 應(yīng)急物流風(fēng)險(xiǎn)預(yù)測(cè)

統(tǒng)計(jì)和分析2000年至2015年我國(guó)發(fā)生的重大災(zāi)害中的應(yīng)急物流，由專(zhuān)家對(duì)各個(gè)指標(biāo)進(jìn)行打分，進(jìn)而確定其發(fā)生的概率，然后基于各個(gè)指標(biāo)的數(shù)據(jù)和貝葉斯網(wǎng)絡(luò)，利用GeNIe軟件可以預(yù)測(cè)出我國(guó)地震應(yīng)急物流發(fā)生風(fēng)險(xiǎn)的概率。如圖3所示，State0表示風(fēng)險(xiǎn)發(fā)生，State1表示風(fēng)險(xiǎn)不發(fā)生，由式（1），PT=1=15%，表示應(yīng)急物流發(fā)生風(fēng)險(xiǎn)的概率為15%。另外，PS=1

=6%，PS=1=6%，PS=1=4%，說(shuō)明事前環(huán)節(jié)的風(fēng)險(xiǎn)和事中環(huán)節(jié)的風(fēng)險(xiǎn)概率一樣大，事后恢復(fù)環(huán)節(jié)的風(fēng)險(xiǎn)要小于前兩個(gè)環(huán)節(jié)。這一結(jié)果也在一定程度上反應(yīng)了我國(guó)政府在建設(shè)應(yīng)急物流方面的缺點(diǎn)，在預(yù)警環(huán)節(jié)的應(yīng)急物流建設(shè)不夠，比如培訓(xùn)演練機(jī)制不健全、沒(méi)有事先建立暢通的應(yīng)急物流體制、應(yīng)急物資的儲(chǔ)備不足并且機(jī)動(dòng)性很弱等。在事中處理環(huán)節(jié)也存在較大的漏洞，如圖3所示，PM=1=0.58，說(shuō)明在事中處理階段存在較大的非管理風(fēng)險(xiǎn)（人為風(fēng)險(xiǎn)、物資設(shè)備風(fēng)險(xiǎn)、環(huán)境風(fēng)險(xiǎn)），比如應(yīng)急資源的協(xié)調(diào)、緊急物資的調(diào)運(yùn)、運(yùn)輸能力的構(gòu)建等都是應(yīng)急物流風(fēng)險(xiǎn)的高發(fā)區(qū)，經(jīng)過(guò)提前預(yù)測(cè)可以事先采取有針對(duì)性的措施規(guī)避應(yīng)急物流風(fēng)險(xiǎn)。根據(jù)這個(gè)模型還能進(jìn)行特定災(zāi)害的應(yīng)急物流風(fēng)險(xiǎn)的預(yù)測(cè)，比如用來(lái)預(yù)測(cè)我國(guó)的地震應(yīng)急物流風(fēng)險(xiǎn)，可以根據(jù)以往地震的應(yīng)急物流風(fēng)險(xiǎn)歷史數(shù)據(jù)確定PX=1， i=1，2，3，…，n的值，然后通過(guò)模型計(jì)算新的PT=1的值即為預(yù)測(cè)出的概率。通過(guò)對(duì)應(yīng)急物流風(fēng)險(xiǎn)的預(yù)測(cè)可實(shí)現(xiàn)應(yīng)急物流風(fēng)險(xiǎn)識(shí)別，有利于更全面、更系統(tǒng)地分析和識(shí)別應(yīng)急物流實(shí)施過(guò)程中的風(fēng)險(xiǎn)問(wèn)題，從而有針對(duì)性地制定降低應(yīng)急物流風(fēng)險(xiǎn)的措施，從而建立完善的應(yīng)急物流體制機(jī)制，提高應(yīng)急物流系統(tǒng)的響應(yīng)速度，從應(yīng)急物流的角度將突發(fā)事件造成的損失降到最低。

3.2 應(yīng)急物流風(fēng)險(xiǎn)控制

BN節(jié)點(diǎn)的獨(dú)立性使得貝葉斯網(wǎng)絡(luò)具有雙向推理的優(yōu)勢(shì)，除了根據(jù)B計(jì)算PT=1的值進(jìn)行正向預(yù)測(cè)外，還能假定應(yīng)急物流出現(xiàn)風(fēng)險(xiǎn)，反向查找應(yīng)急物流的各個(gè)環(huán)節(jié)，通過(guò)后驗(yàn)概率確定應(yīng)急物流的薄弱環(huán)節(jié)，從而有針對(duì)性的制定措施，進(jìn)行物流風(fēng)險(xiǎn)控制。現(xiàn)假設(shè)PT=1，在GeNIe中把T設(shè)為證據(jù)，由式（2），可得不同環(huán)節(jié)后驗(yàn)概率。如表4所示，如果應(yīng)急物流發(fā)生風(fēng)險(xiǎn)，那么S（事中處理環(huán)節(jié)）發(fā)生風(fēng)險(xiǎn)的可能性最大PS=1=0.41，其次是事前預(yù)警環(huán)節(jié)PS=1=0.38，從整體上來(lái)說(shuō)，事中處理應(yīng)急物流是應(yīng)急物流最薄弱的環(huán)節(jié)。

基于后驗(yàn)概率可進(jìn)行應(yīng)急物流風(fēng)險(xiǎn)的定位，假設(shè)PT=1，得出所有根節(jié)點(diǎn)的發(fā)生概率，經(jīng)過(guò)比較發(fā)現(xiàn)PX=1=20.7%為最大值，其次為PX=1=14.3%，PX=1=7.8%，形成了表5所示的路徑，這是應(yīng)急物流風(fēng)險(xiǎn)的薄弱環(huán)節(jié)，可進(jìn)行應(yīng)急物流風(fēng)險(xiǎn)排查和制定提升應(yīng)急物流能力的措施。

為了更快地找到應(yīng)急物流發(fā)生風(fēng)險(xiǎn)的根本原因，首先從可能性最大的X，X，X進(jìn)行排查，發(fā)現(xiàn)此次應(yīng)急物流風(fēng)險(xiǎn)是由于X（資源協(xié)調(diào)能力差）導(dǎo)致的，接下來(lái)把X設(shè)置為證據(jù)，進(jìn)一步進(jìn)行排查，得出所有節(jié)點(diǎn)的概率值，PX=1=3.2%，PX=1=1.2%，其它指標(biāo)的概率值均小于1%，由于事先對(duì)X以及X進(jìn)行了排查，沒(méi)有出現(xiàn)較大的問(wèn)題，所以基本確定本次的應(yīng)急物流風(fēng)險(xiǎn)是由于事中環(huán)節(jié)的資源協(xié)調(diào)能力出現(xiàn)問(wèn)題導(dǎo)致的。因?yàn)樵谕话l(fā)事件發(fā)生后，受災(zāi)地區(qū)的交通設(shè)施和通訊等物流條件有可能遭受創(chuàng)傷，而災(zāi)害的應(yīng)對(duì)往往需要在短時(shí)間內(nèi)投入大量的救災(zāi)物資，對(duì)機(jī)構(gòu)的組織協(xié)調(diào)能力提出了重大的考驗(yàn)，良好的組織協(xié)調(diào)和調(diào)度能準(zhǔn)確地將救災(zāi)急需的物資配送到指定地點(diǎn)。如果組織協(xié)調(diào)不力，則會(huì)導(dǎo)致救災(zāi)物資無(wú)法到達(dá)目的地，從而延誤救災(zāi)進(jìn)度。相關(guān)部門(mén)可以出臺(tái)措施，加強(qiáng)聯(lián)防聯(lián)動(dòng)以及區(qū)域間的協(xié)調(diào)配合，健全區(qū)域間的資源共享能力，避免應(yīng)急物流風(fēng)險(xiǎn)的再次發(fā)生，從而實(shí)現(xiàn)應(yīng)急物流風(fēng)險(xiǎn)控制。另外，對(duì)于風(fēng)險(xiǎn)可能性較大的X、X，雖然在排查時(shí)沒(méi)有成為證據(jù)PX=1=100%，但是仍然要針對(duì)這些高風(fēng)險(xiǎn)指標(biāo)采取措施，做到提前防范，實(shí)現(xiàn)應(yīng)急物流風(fēng)險(xiǎn)的全面控制。

4 結(jié)束語(yǔ)

采用因子分析把應(yīng)急物流風(fēng)險(xiǎn)影響因素劃分為人、機(jī)、料、法、環(huán)等類(lèi)別，從事前、事中、事后三個(gè)環(huán)節(jié)出發(fā)拓展指標(biāo)體系，建立了應(yīng)急物流風(fēng)險(xiǎn)貝葉斯網(wǎng)絡(luò)模型，以近年我國(guó)發(fā)生的突發(fā)事件應(yīng)急物流為例進(jìn)行實(shí)例分析，驗(yàn)證了貝葉斯網(wǎng)絡(luò)在應(yīng)急物流風(fēng)險(xiǎn)研究中的適用性。通過(guò)先驗(yàn)概率和后驗(yàn)概率進(jìn)行應(yīng)急物流風(fēng)險(xiǎn)的預(yù)測(cè)以及應(yīng)急物流薄弱環(huán)節(jié)查找，實(shí)現(xiàn)不同突發(fā)事件應(yīng)急物流風(fēng)險(xiǎn)的預(yù)測(cè)，并且可以實(shí)現(xiàn)應(yīng)急物流風(fēng)險(xiǎn)的快速定位。通過(guò)模擬發(fā)現(xiàn)我國(guó)應(yīng)急物流的風(fēng)險(xiǎn)在于應(yīng)急物資的協(xié)調(diào)能力不足，同時(shí)也存在應(yīng)急物資儲(chǔ)備不足等風(fēng)險(xiǎn)，后期需要采取措施預(yù)防和控制這些風(fēng)險(xiǎn)。

參考文獻(xiàn)：

[1] 張杰，湯齊. 基于BP神經(jīng)網(wǎng)絡(luò)的企業(yè)應(yīng)急物流風(fēng)險(xiǎn)管理[J]. 物流技術(shù)，2012，31（8）：229-232.

[2] 趙勇，封少娟，劉佳. 應(yīng)急物流風(fēng)險(xiǎn)分析研究[J]. 物流科技，2006，29（9）：9-13.

[3] 王慶榮，趙小檸，楊景玉，等. 基于粒子群算法的虛擬應(yīng)急物流風(fēng)險(xiǎn)識(shí)別投影尋蹤模型[J]. 蘭州交通大學(xué)學(xué)報(bào)，2013，32（1）： 142-145.

[4] 李志偉，Lizhi-Wei. 基于AHP法與BP神經(jīng)網(wǎng)絡(luò)的應(yīng)急物流風(fēng)險(xiǎn)評(píng)估與預(yù)測(cè)模型[J]. 物流技術(shù)，2008，27（9）：75-77.

[5] 趙玉忠，宋揚(yáng)，陳業(yè)華. 應(yīng)急物流方案風(fēng)險(xiǎn)評(píng)價(jià)研究[J]. 物流技術(shù)，2012，31（21）：248-249.

[6] 裘江南，王延章，董磊磊，等. 基于貝葉斯網(wǎng)絡(luò)的突發(fā)事件預(yù)測(cè)模型[J]. 系統(tǒng)管理學(xué)報(bào)，2011，20（1）：98-103.

[7] Sutrisnowati R A， Bae H， Song M. Bayesian network construction from event log for lateness analysis in port logistics[J]. Computers & Industrial Engineering， 2015，89：53-66.

[8] Arroyo-figueroa G， Sucar L E. A Temporal Bayesian Network for Diagnosis and Prediction[Z]. ACM， 2013.

[9] 白翠粉，高文勝，金雷，等. 基于3層貝葉斯網(wǎng)絡(luò)的變壓器綜合故障診斷[J]. 高電壓技術(shù)，2013，39（2）：330-335.