(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211326292.9 (22)申请日 2022.10.27 (71)申请人 北京城建 设计发展集团股份有限公 司 地址 100037 北京市西城区阜成门北 大街 五号 (72)发明人 韩玉珍　张连卫　华福才　张雷　 邢兆泳　董明祥　贺永跃　于英杰　 刘鑫　聂小凡　潘毫　何纪忠　 赵刚　 (74)专利代理 机构 北京中知星原知识产权代理 事务所(普通 合伙) 11868 专利代理师 艾变开 (51)Int.Cl. G06Q 10/06(2012.01)G06Q 50/08(2012.01) G06N 5/04(2006.01) G06N 7/00(2006.01) (54)发明名称 基于贝叶斯网络的运营隧道结构病害快速 智能诊断方法 (57)摘要 本发明涉及一种基于贝叶斯网络的运营隧 道结构病害快速智能诊断方法， 包括： S10： 建立 隧道结构病害诊断贝叶斯网络； S2 0： 基于隧道结 构病害诊断贝叶斯网络进行隧道结构病害诊断， 包括： S201： 输入隧道结构病害基本特征数据； S202： 根据贝叶斯网络推断病害成因； S2 03： 验证 推断的病害成因是否发生； S204： 预测不采取措 施情况下隧道结构病害发展趋势； S205： 根据贝 叶斯网络推荐治理措施。 本发明将贝叶斯网络推 理方法引入到城市轨道交通隧道结构病害诊断 中， 通过简单的条件输入可推断出隧道结构病害 的成因并给出推荐的治理方案， 实现了病害诊断 的自动化和 智能化， 提高了病害诊断的速度和效 率， 诊断结果更符合实际。 权利要求书3页 说明书10页 附图2页 CN 115392797 A 2022.11.25 CN 115392797 A 1.一种基于贝叶斯网络的运营隧道结构病害快速智能诊断方法， 其特 征在于， 包括： S10： 建立隧道结构病害 诊断贝叶斯网络， 包括： S101： 确定隧道结构病害 诊断贝叶斯网络结构； S102： 设定贝叶斯网络节点状态变量类型及值 域； S103： 确定贝叶斯网络节点状态变量 概率分布； S20： 基于贝叶斯网络进行隧道结构病害 诊断， 包括： S201： 输入隧道结构病害基本特 征数据； S202： 根据贝叶斯网络推断病害成因； S203： 验证推断的病害成因是否发生； 若验证结果为 “否”， 则修改病害成因类节点状态 变量取值， 并返回S202重新推断病害成因， 直至推断的病害成因经验证恰好发生； S204： 若验证结果 为“是”， 预测不采取措施情况 下隧道结构病害发展趋势； S205： 基于隧道结构病害发展趋势并由贝叶斯网络推荐 治理措施。 2.根据权利要求1所述的诊断方法， 其特 征在于： 所述S101确定隧道结构病害 诊断贝叶斯网络结构包括： S1011： 根据隧道结构病害诊治的实际需求， 确定在隧道结构病害诊断贝叶斯网络中考 虑的病害类型集 合； S1012： 针对单一病害类型， 根据专 家知识， 确定病害成因集 合与措施集 合； S1013： 针对单一病害， 将病害涉及的节点划分为成因、 病害、 趋势与措施四类， 采用 “病 害‑成因‑措施‑趋势”构成的有向无环图表 示贝叶斯网络结构， 根据确定的病害成因集合与 措施集合生成相应的节点； S1014： 在生成的节点之间建立关联； S1015： 重复S1012～S1014， 遍历所述病害类型集合中所有的病害类型， 为每一种病害 类型建立独立的病害 贝叶斯网络； S1016： 根据专家知识， 考虑不同类型病害之间的内在关联， 确定所述病害类型集合中 病害贝叶斯网络之间的因果关联。 3.根据权利要求2所述的诊断方法， 其特 征在于： 所述S1014在生成的节点之间建立关联包括： （1） 成因类节点、 措施类节点作为根节点， 趋势类节点为叶节点， 成因类节点以病害类 节点和趋势类节点为子节点， 病害类节点以趋势类节点为子节点， 措施类节点以趋势类节 点为子节点； （2） 每个病害类节点有且仅有一个趋势类节点作为子节点； （3） 每个趋势类节点有且仅有一个病害类节点作为父节点； （4） 每个病害类节点至少有一个成因类节点作为父节点； （5） 所有病害类节点的所有成因类父节点同时为 其趋势类子节点的父节点； （6） 每个趋势类节点至少有一个措施类节点作为父节点。 4.根据权利要求2所述的诊断方法， 其特 征在于： 所述S1016确定不同类型病害之间的内在关联包括： （1） 在相应两个病害类节点之间建立关联， 将代表影响因素出现的病害类节点作为父 节点， 代表被影响因素出现的病害类节点作为子节点， 子节点状态变量的概率分布考虑父权　利　要　求　书 1/3 页 2 CN 115392797 A 2节点状态变量取值； （2） 同一成因导 致多种病害， 将代 表相同病害成因的节点 合并； （3） 同一措施治理多种 病害， 将代 表相同治理措施的节点 合并。 5.根据权利要求1所述的诊断方法， 其特 征在于： 所述S102设定贝叶斯网络节点状态变量类型及值 域包括： （1） 对于病害类节点， 状态变量值域设定为{ “Y： 出现”，“N： 不出现 ”}； 若已有病害案例 数量较大， 且数据完整时， 参照现有技 术标准进行分级； （2） 对于成因类节点， 状态变量值域设定为{ “存在”、“不存在”}； 若已有病害案例数量 较大， 且数据完整时， 将其 值域扩展为{ “S： 严重”、“E： 一般”、“L： 较轻”和“N： 不存在 ”}； （3） 对于趋势类节点， 状态变量值域设定为{ “B： 好转”，“W； 恶化”}； 若已有病害案例数 量较大， 且数据完整时， 将其 值域扩展为{ “B： 好转”、“W； 恶化”，“N； 无明显变化 ”}； （4） 对于措施类节点， 状态变量 值域设定为{ “Y： 采取”、“N： 不采取 ”}。 6.根据权利要求1所述的诊断方法， 其特 征在于： 所述S201输入隧道结构病害基本特 征数据包括： 按照隧道结构病 害诊断贝叶斯网络的节点状态变量值域， 依据实测情况判断节点变量 取值， 输入隧道结构病害基本特 征数据； 和/或， 所述S202根据贝叶斯网络推断病害成因包括： 计算病害所有成因类父节点的后验概 率， 推断病害成因； 和/或， 所述S20 3验证推断的病害成因是否发生包括： 现场使用监测或检测手段， 验证 推断的病害成因是否发生。 7.根据权利要求1所述的诊断方法， 其特 征在于： 所述S204预测隧道结构病害发展趋势包括： S2041： 检索目标病害类节点的趋势类子节点 集合S(N_QS)； S2042： 检索目标病害类节点的病害类子节点集合S(N_BH)， 进一步检索其趋势类子节 点集合S(M_QS)； S2043： 计算趋势类子节点集合S(N_QS)及S(M_QS)的状态变量概率分布， 作为当前未采 取措施情况 下隧道结构病害发展趋势的定量评价。 8.根据权利要求1所述的诊断方法， 其特 征在于： 所述S205根据贝叶斯网络推荐 治理措施包括： S2051： 依据隧道结构病害诊断贝叶斯网络检索目标病害类节点的趋势类子节点集合S (N_QS)； S2052： 检索趋势类子节点 集合S(N_QS)的所有措施类父节点 集合S （N_CSi） ； S2053： 设定某一措施类父节点状态变量为 “采取”， 观察趋势类子节点N_QS的状态变量 概率分布变化， 当趋势类子节点N_QS的状态变量 “好转”的概率明显变大时， 相应的措施类 父节点所对应的措施作为推荐措施； S2054： 重复S20 53， 遍历措施类父节点 集合S （N_CSi） 中的所有措施类父节点。 9.一种运营隧道结构病害快速智能诊断装置， 其特 征在于， 包括： 至少一个存 储器， 用于存 储至少一个程序； 至少一个处 理器；权　利　要　求　书 2/3 页 3 CN 115392797 A 3