Jag accepterar att kakor lagras på min dator

Läs mer

Att utforma Bayesianska nätverk. Diskussion, erfarenheter och metodik för tillämpningar av Bayesianska nätverk.

Att utforma Bayesianska nätverk. Diskussion, erfarenheter och metodik för tillämpningar av Bayesianska nätverk. Beställ tryckt exemplar Lägg i kundvagnen Ladda ned som PDF
Författare: Ann-Sofie Stenérus, Anna Lindberg, Alexander Ahl
Ort: Stockholm
Sidor: 56
Utgivningsår: 2008
Publiceringsdatum: 2008-12-29
Rapportnummer: (FOI-R--2680--SE)
Nyckelord Bayesianska nätverk, Bayesianska modeller, BN, sannolikhetsfördelningar, betingade sannolikheter, sannolikhetslära, beslutsmodell, beslutsstödsmodell, expertkunskap, RVM, MARTA
Keywords Bayesian network theory, Bayesian modelling, probability, distribution, conditional distribution, decision support, decision support models, expert knowledge
Sammanfattning Den här rapporten har skrivits inom ramarna för projektet OA-metoder som en del i arbetet att dokumentera kompetens kring metoden Bayesianska nätverk på FOI Försvarsanalys. Rapporten avser att bygga vidare på tidigare arbete och baseras i huvudsak på Försvarsanalys samlade erfarenheter av att arbeta med Bayesianska nätverk som metod och beslutsmodell, framför allt för olika tillämpningsområden inom Försvarsmakten. Materialet till rapporten utgörs av intervjuer med medarbetare på Försvarsanalys och på författarnas egna erfarenheter. Artiklar och annat skriftligt material inom området har också utgjort en del av informationsunderlaget. För att exemplifiera erfarenheter, resonemang och diskussioner beskrivs löpande två exempel på Bayesianska nätverk som utvecklats inom FOI, RiskVärderingsModellen för oexploderad ammunition (RVM) samt Militär Analysmetod för Reliabla Taktiska värderingar(MARTA). Rapporten börjar med att översiktligt beskriva vilka typer av problem som lämpar sig för Bayesianska nätverk och under vilka förutsättningar som nätverken kan användas. Vidare beskrivs tre faser för uppbyggandet av ett Bayesianskt nätverk. I första fasen ska en tydlig frågeställning skapas. Det är en förutsättning för att bygga ett Bayesianskt nätverk och rapporten beskriver olika metoder för hur denna kan uppnås. I nästa fas ska en tydlig struktur för nätverket skapas. Här finns det flera fallgropar som modellutvecklare bör vara medvetna om och som bör undvikas. Den sista fasen i skapandeprocessen är att bestämma de identifierade variablernas tillstånd och sannoliksfördelningar. Experter utgör en viktig del i nätverksbyggandet, deras kunskaper är ofte oersättliga vid arbetet exempelvis med att ta fram sannolikstabeller. Modellutvecklarnas och slutanvändarnas behov i form av gränssnitt skiljer sig ofta åt, både under utvecklingen av nätverket och vid den slutliga tillämpningen. För att lösa detta problem kan alternativa gränssnitt utvecklas. Validering och verifiering är viktiga delar för att säkerställa modellens giltighet och kan göras både via funktioner i den använda mjukvaran samt med hjälp av andra tillvägagångssätt. Utifrån de erfarenheter som dokumenterats kring arbetet med Bayesianska nätverk är det möjligt att dra ett flertal slutsatser om metoden och dess användning. En slutsats är att det oftast är bättre med en förenklad struktur med begränsade osäkerheter i data än en komplex men korrekt struktur med stora osäkerheter i data. -++++++-
Abstract This report has been written as part of the project Operational Analysis Methods (OAM) to build competence on the applications of Bayesian network theory at the Division of Defence Analysis, FOI. The report is a continuation on previous work and is mainly based upon experiences from within the division when working with the method as a decision support tool for Swedish defence applications. Interviews with colleagues and the authors´personal experiences constitute the main basis of the report but articles and other sources of information have also been used. To exemplify knowledge, experiences and discussions, two Bayesian network models developed at the division are described continuously throughout the report. One of the models is used to assess risk in proving grounds namely The risk assessment model for UnExploded Ordnance, (RVM for UXO). The other model, A Military Analysis method for Reliable Tactical Assessments, (MARTA), combines AHP analysis with Bayesian theory and is used to assess an army battalion´s capabilities during an exercise. The report initially discusses the types of problems suitable for Bayesian network modelling and when and how the networks can be used. The process of developing a Bayesian network can be separated into three phases. FFirst, to build a network a defined problem is required. Different methods to obtain this and to find variables important for the problem are therefore described. Second, once the problem has been limited and the variables found, a clear structure must be created. There are several critical issues the modeller should be aware of and which should, if possible, be avoided. Third, to create the final Bayesian network structure the variable conditions must be found and their probabilities determinded. At the Division of Defence Analysis, external experts are often invaluable sources of information in all phases. The needs of an interface often discriminate between the modeller and end users during the whole process, from development to implementation of the network. To solve this user related problem different interfaces can be developed. Equally important is the validation and verification to secure the model structure and data. The above mentioned problems can be solved in different ways, in part by the software used for modelling and this is discussed in the final sections of the report. Several conclusions can be drawn from the experiences of working with and using Bayesian networks. One conclusion is that a simplified structure with limited uncertainties often is preferred over a complex and more correct structure with larger uncertainties in the data and tables.

Kundvagn

Inga rapporter i kundvagnen

FOI, Totalförsvarets forskningsinstitut

FOI
Totalförsvarets forskningsinstitut
164 90 Stockholm

Tel: 08-555 030 00
Fax: 08-555 031 00

Orgnr: 202100-5182