基于证据推理规则的数据驱动的近似因果推理模型

本文旨在利用新提出的数据开发数据驱动的近似因果推理模型证据推理(ER)规则。 ER规则构成通用的联合概率推理过程并概括了邓普斯特法则和贝叶斯推论。 基于信念规则(BRB)的方法被开发用于建模先前属性之间的复杂非线性因果关系并且因此基于ER算法和传统的基于IF-THEN规则的系统,并且本质上,它与贝叶斯网络(BN)保持方法上的一致性。 本文首先介绍ER规则,然后针对个体的有界和分析其推理模式支持和来自多个独立证据的集体支持的正交总和。 此外,我们提出了一个具有因果关系机制的近似因果推论模型。 基于数据的近似因果模型和最佳学习。 探索性近似因果关系推理模型继承了BN,BRB和相关技术的主要优势,并且有可能扩展了将近似因果推论应用于复杂决策和风险分析的范围, 系统识别,故障诊断等。实际管道泄漏检测问题的数值研究证明了所提出的数据驱动的近似因果推理的适用性和能力模型。