(19)中华 人民共和国 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 202111453238.6 (22)申请日 2021.12.01 (71)申请人 南京师范大学 地址 210046 江苏省南京市栖霞区文苑路1 号 (72)发明人 罗文　尹伊蕾　张悦　张正方　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 代理人 向文 (51)Int.Cl. G06F 30/27(2020.01) G06N 7/00(2006.01) G06F 17/18(2006.01) G06F 111/10(2020.01) (54)发明名称 一种基于Bayes网络的气候演化模拟方法 (57)摘要 本发明公开了一种基于Bayes网络的气候演 化模拟方法， 包括如下步骤： 利用多粒度时空对 象将GREB气候演化过程抽象为场景； 引入Bayes 网络的图模型， 通过Bayes网络的图模型表达多 粒度时空对象的关联关系， 利用条件概率表描述 多粒度时空对象的关系强度； 利用更新算子更新 和同步气候演化状态。 本发明将GREB模型与 Bayes网络二者通过动力耦 合的视角有机整合和 嵌套， 构造气候演化模型， 不仅能兼顾气候演化 的物理规律， 还能有效地提高模拟的效率和精 度， 同时对数据具有一定的稳定性， 为多粒度时 空对象气候对象复杂关系的表达、 推理、 分析、 预 测提供方法支撑， 为今后气候演化变量的数值模 拟提供了有力支撑 。 权利要求书3页 说明书10页 附图3页 CN 114429076 A 2022.05.03 CN 114429076 A 1.一种基于Bayes网络的气候演化模拟方法， 其特 征在于， 包括如下步骤： S1： 利用多粒度时空对象将GREB气候演化过程抽象为场景； S2： 引入Bayes网络 的图模型， 通过Bayes网络 的图模型表达多粒度时空对象的关联关 系， 利用条件概 率表描述多粒度时空对象的关系强度； S3： 基于多粒度时空对象的关联关系和关系强度， 利用更新算子更新和同步气候演化 状态。 2.根据权利要求1所述的一种基于Bayes网络的气候演化模拟方法， 其特征在于， 所述 步骤S1具体为： 假设任意多粒度时空对象为M＝(E,O)， 一个气候演化过程M可由它所包含的n个多粒度 时空对象m1,m2,…,mn组成， 可将其形式化表达为： M＝{m1,m2,...,mn}， 在此基础上， 嵌入各 组分间的结构关系： Mt＝{X(m1,m2,...,mn)|m1t,m2t,...,mnt}(t＝0,1,...,s)， 通过演化操 作γ实验自身演化， 利用Evo lution()实现。 3.根据权利要求2所述的一种基于Bayes网络的气候演化模拟方法， 其特征在于， 所述 步骤S1的形式化表达为： 其中， 和 分别表示t时刻和t+1时刻 多粒度时空对象Mt的表达集合； Mt和Mt+1分别 表示t时刻和t+1时刻的多粒度时空对象M； s表示整个演化过程的时间长度； X(m1,m2,..., mn)表示气候过程M中各组成要素间的结构关系； f(X(m1,m2,...,mn)|m1t,m2t,...,mnt)表示 气候过程各组成要素在关联关系下的协同演化。 4.根据权利要求1所述的一种基于Bayes网络的气候演化模拟方法， 其特征在于， 所述 步骤S2具体为： 定义一个由i个多粒度时空对象m1,m2,...,mi组成的气候过程： Mt＝{X(m1,m2,…,mi)| m1t,m2t,…,mit}， 它们在t时刻的表达集 合分别为 其中， 其中， R为时空参照表达， S为时空位置表达， D为空间形态表达， A为属性特征表达， Σ为 组成结构表达， G为关联关系表达， 为行为能力 表达， F为认知能力 表达， O＝{α, β,γ, δ, ε} 是操作集合， 其中， α 为构造与析构操作， β 为分解与组合操作， γ为转化与演化操作， δ为关 系动态操作， ε为学习与决策操作； 关联关系的表 达： 每个表达集合都唯一对应的一个特征状态， 假定多粒度时空对象mi有 j个特征状态， 那么定义mi的状态集合为 每个时刻mi的表达集合都对应 状态集合中的一个状态， 对于气候过程各要素间的结构关系X(m1,m2,...,mi)， 利用Bayes网 络的图模型进行描述， 定义Bayes网络B＝(S,X)， 其中S表示节点组成的有向无环图， X代表 图的节点集合， 即多粒度时空对象m1,m2,...,mi， 节点与节点间用有向边 →连接， 表示多粒 度时空对象间的关联关系， 其中， 父节点 为自变量， 子节点 为因变量；权　利　要　求　书 1/3 页 2 CN 114429076 A 2关系强度的表达： 每个节点都有独立的条件概率表， 表示其父节点联合分布下的概率 分布， 定义状态概 率集合为某时刻多粒度时空对象的表达集 合对应各个 状态的概 率分布。 5.根据权利要求4所述的一种基于Bayes网络的气候演化模拟方法， 其特征在于， 所述 关系强度的表达中分为无 父节点和有父节点2种情况， 具体如下： 若多粒度时空对象mi无父节点， 它的条件概 率表的形式化表达为： 式中： 表示多粒度时空对象mi的条件概率表， 表示mi的第j个特征状态， 表示 mi的表达集合对应的状态为 的概率， 且 在t时刻的状态概率集合 用 表示， 形式化表达为： 若多粒度时空对象mi有一个或多 个父节点m1,m2,...,me(e≤i‑1)， 分别有d1,d2,...de个 状态， 即m1,m2,...,me→mi， 在所有可 能状态的父节点下mi的状态概率集合组成的条件概率 表为： 式中： 表示多粒度时空对象mi的条件概率表， 表示mi的第j个特征状 态， 表示在父节点m1,m2,...,me表达集合对应第r1,r2,...re个状态下， mi的 表达集合对应第j个 状态的概 率， 在t时刻的状态概 率集合用 表示， 形式化表达为： 6.根据权利要求5所述的一种基于Bayes网络的气候演化模拟方法， 其特征在于， 所述 步骤S3具体为： 在气候演化过程中引入演化更新算子Update()来实现父节点与子节点两者的同步和 更新， 定义节点mi的入度为指向该节点的边的条数， 用 表示， 即mi的状态受到 个要素 的影响， 给定气候过程Mt＝{X(m1,m2,...,mi)|m1t,m2t,...,mit}， 当其中n(n≤i)个节点由于 某演化操作， 他们的表达集合通过Evolution()算子发生变化时， 与这些节点有关联关系 并为因变量的节点的状态概率集合将会发生变化， 通过Update()算子对这些发生变化的 节点进行表达集 合的更新， 表达为： 式中： 多粒度时空对象mi在t2时刻通过Update()算子， 它的表达集 合从 更新为 权　利　要　求　书 2/3 页 3 CN 114429076 A 3