贝叶斯信念网络

    贝叶斯(1702-1763) Thomas Bayes，英国数学家。1702年出生于伦敦。贝叶斯在数学方面主要研究概率论，并创立了贝叶斯统计理论，对于统计决策函数、统计推断、统计的估算等做出了贡献。

    贝叶斯“信念网络”，是基于概率推理的图形化网络，直观描述事物之间的因果关系，说白了就是要弄清楚事物之间的“相互关系”和“受控联系”、“被控关系”。

    进一步说，贝叶斯“信念网络”又称“信度网络”，是Bayes（贝叶斯）方法的扩展，是一种不确定知识表达和推理领域最有效的理论模型。已知成为近几年来研究的热点.。一个贝叶斯“信念网络”是一个有向无环图(Directed Acyclic Graph,DAG),由代表变量节点及连接这些节点有向边构成。节点代表随机变量，节点间的有向边代表了节点间的互相关系(由父节点指向其后代节点)，用条件概率进行表达关系强度，没有父节点的用先验概率进行信息表达。

    贝叶斯“信念网络”的节点变量可以是任何问题的抽象，如：测试值，观测现象，意见征询等。适用于表达和分析不确定性和概率性的事件，应用于有条件地依赖多种控制因素的决策，可以从不完全。不精确或不确定的知识或信息中做出推理。
    实际上，贝叶斯“信念网络”，是为了解决不定性和不完整性问题而提出来的，对于解决复杂的不确定性和关联性引起的问题有很大的优势，在许多领域获得了广泛的应用，大量存在于我们日常工作和生活之中。

    贝叶斯理论则是贝叶斯“信念网络”的基础。贝叶斯“信念网络”也是一种完整的数学模型,就是通过一些变量的信息来获取其他的信息的过程。因此，了解和预测非常规资源的商业价值，便需要了解非常规资源复杂的自然系统以及该系统对工程干预做出反应的方式。从某种程度上讲，贝叶斯“信念网络”是帮助专家、工程师、学者认识非常规资源（页岩气、致密地层气、煤层甲烷气以及页岩油等）的一种“工具盒”手段。

    Exxon Mobil(埃克森美孚)司开发贝叶斯理论体系中的贝叶斯“信念网络”目的，是想作为工程师提升工作认识的工具，如资源评估、资源开发，以贝叶斯理论建立起来的贝叶斯“信念网络”，在于认识“非常规资源有效开发的相互因果关系”，巧妙的使社会科学的思想方法与自然科学的技术设计相结合，并嫁接到致密地层气、页岩气、煤层气和页岩油等资源开发。

    贝叶斯“信念网络”运作步骤，第一，先是确定主题，明确目标是什么？第二是按主次关系，分层次、分重点找出相关联问题。第三是对找出的相关联的问题，分析主要、次要问题，逐一研究解决，特别是关键点问题。第四最终形成的“信念网络图”，网络土之间的因果关系就一目了然。第五最后以实践成果再验证“信念网络”科学性，对出现的偏差及时予以修正。

    这种宏观的网络，每一个节点我们都视作主题的每一个信念，锲而不舍的去研究、去解决，而且整体上完全可以把握主题目标的宏观进度，了解到每一个信念目标在北叶斯网络中所起的作用，整体提升信念网络的宏观效应，说穿了就是整体提升非常规资源的开发水平和社会商业价值。

    贝叶斯“信念网络”，是个方法，是个“工具盒”，做到知己知彼，里里外外，清清楚楚。实际上“信念网络”本身不是很聪明，看起来还很繁琐，但运用“信念网络”可以使专家学者变得更聪明，好像自己是一个“战役的统帅”，又好是社会学家或哲学家，更好像是技术的睿智的兵马大元帅。好就好在“信念网络”是给人们提供了一种认识事物的正确的科学方法。

    那么贝叶斯“信念网络”具有那些特性：一是贝叶斯网络本身是一种不定性因果关联模型。贝叶斯网络与其他决策模型不同，它本身是将多元知识图解可视化的一种概率知识表达与推理模型，更为贴切地蕴含了网络节点变量之间的因果关系及条件相关关系。
    二是贝叶斯网络具有强大的不确定性问题处理能力。贝叶斯网络用条件概率表达各个信息要素之间的相关关系，能在有限的，不完整的，不确定的信息条件下进行学习和推理。
    三是贝叶斯网络能有效地进行多源信息表达与融合。贝叶斯网络可将故障诊断与维修决策相关的各种信息纳入网络结构中，按节点的方式统一进行处理，能有效地按信息的相关关系进行融合。
    贝叶斯网络的建造是一个复杂的任务，需要知识工程师和专业领域的专家的参与。在实际中可能是反复交叉进行而不断完善的。面向非常规资源开发的诊断应用。贝叶斯“信念网络”的建造所需要的信息来自多种渠道，如技术手册，生产过程，研究过程，验试过程，现场资料以及专家经验等。

    首先将非常规资源开发分为各个相互独立且完全包含的类别（各问题类别至少应该具有可以区分的界限），然后对各个类别分别建造贝叶斯“信念网络”模型，需要注意的是诊断模型只在发生影响因素时启动。通常是问题由一个或几个原因造成的，这些原因又可能由一个或几个更低层次的原因造成。

    建立起“信念网络”的节点关系后，还需要进行概率估计、分析、研究。具体方法是假设在某问题的原因出现的情况下，估计该主要和次要原因的各个节点的条件概率，这种局部化概率估计的方法可以大大提高非常规资源的效率。
    如果该实例节点信度网络是简单的有向图结构，它的节点数目少的情况下，采用贝叶斯网络的精确推理，它包含多树传播算法，团树传播算法，图约减算法，针对实例事件进行选择恰当的算法；
    如果是该实例所画出节点图形结构复杂且节点数目多，我们可采用近似推理算法去研究，具体实施起来最好能把复杂庞大的网络进行化简，然后在与精确推理相结合来考虑。
    贝叶斯理论是贝叶斯“信念网络”处理不确定性信息的重要工具，充分体现了贝叶斯“信念网络”以概率模拟非常规油气资源评估提供了一个出色的工具和便捷的方法。