| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究目的和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-14页 |
| 1.3.1 国外研究现状 | 第10-12页 |
| 1.3.2 国内研究现状 | 第12-14页 |
| 1.4 论文研究内容 | 第14-16页 |
| 1.4.1 主要研究内容 | 第14-15页 |
| 1.4.2 技术路线 | 第15-16页 |
| 第二章 贝叶斯网络概述 | 第16-31页 |
| 2.1 贝叶斯网络基本理论 | 第16-21页 |
| 2.1.1 贝叶斯网络定义 | 第16-18页 |
| 2.1.2 贝叶斯网络结构 | 第18-21页 |
| 2.2 贝叶斯网络结构学习 | 第21-25页 |
| 2.2.1 基于评分搜索的方法 | 第21-25页 |
| 2.2.1.1 基于贝叶斯统计的评分函数 | 第22-24页 |
| 2.2.1.2 基于信息理论的评分函数 | 第24-25页 |
| 2.3 贝叶斯网络参数学习 | 第25-27页 |
| 2.3.1 最大似然估计 | 第25-26页 |
| 2.3.2 贝叶斯估计 | 第26-27页 |
| 2.4 Matlab的BNT软件包 | 第27-31页 |
| 2.4.1 基于BNT软件包的贝叶斯网络 | 第28页 |
| 2.4.2 基于BNT软件包的结构学习函数和算法 | 第28-29页 |
| 2.4.3 基于BNT软件包参数学习函数和算法 | 第29页 |
| 2.4.4 基于BNT软件包的贝叶斯网络推理引擎 | 第29-31页 |
| 第三章 我国危险货物道路运输事故影响因素分析 | 第31-41页 |
| 3.1 事故原因分析 | 第31-33页 |
| 3.2 事故发生时间分布 | 第33-35页 |
| 3.2.1 月份分布 | 第33-34页 |
| 3.2.2 时间段分布 | 第34-35页 |
| 3.3 事故地点和事故类型 | 第35-39页 |
| 3.3.1 事故发生区域 | 第35-36页 |
| 3.3.2 事故发生类型 | 第36-38页 |
| 3.3.3 事故点道路等级分布 | 第38-39页 |
| 3.4 事故后果及类型 | 第39-41页 |
| 3.4.1 事故主要后果 | 第39-40页 |
| 3.4.2 事故后果类型 | 第40-41页 |
| 第四章 危险货物道路运输事故预测模型 | 第41-69页 |
| 4.1 事故预测问题概述 | 第41-42页 |
| 4.2 基于贝叶斯网络的事故预测模型建立 | 第42-65页 |
| 4.2.1 参数选择 | 第42-43页 |
| 4.2.2 相关性分析 | 第43-46页 |
| 4.2.3 贝叶斯网络结构学习 | 第46-50页 |
| 4.2.3.1 变量设置和数据导入 | 第46-48页 |
| 4.2.3.2 基于BNT软件包的贝叶斯网络结构学习 | 第48-50页 |
| 4.2.4 贝叶斯网络参数学习 | 第50-60页 |
| 4.2.4.1 贝叶斯网络先验概率确定 | 第50-55页 |
| 4.2.4.2 基于贝叶斯估计参数学习 | 第55-57页 |
| 4.2.4.3 参数学习结果准确性验证 | 第57-60页 |
| 4.2.5 危险货物道路运输事故的贝叶斯网络推理 | 第60-65页 |
| 4.3 危险货物运输事故案例分析 | 第65-69页 |
| 结论与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |