买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安理工大学

摘要：本发明公开一种于DEMATEL和贝叶斯网络的运动风险预测方法，通过采集历史运动数据经过简化作为训练集，运动者实时运动数据作为测试集；同时考虑了运动者的身体状况、环境、设备三种风险类别，利用K‑近邻分类器对测试集进行分类。采用DEMATEL分析运动风险事件中的风险因素，从影响程度、被影响程度、中心程度和因果关系程度分析了风险因素之间的关系。最后将贝叶斯网络方法引入运动风险事件的概率评估和影响评估中计算出风险事件的风险值，解决了现有技术中存在的进行运动风险预测时，风险因素之间的相互关系以及风险发生概率和影响无法量化计算的问题，这种风险预测方法具有较好的价值。

主权项：1.基于DEMATEL和贝叶斯网络的运动风险预测方法，其特征在于，具体步骤为：步骤1，进行运动风险数据采集并进行预处理得到训练集，对运动风险数据采集包括问卷调查、设备采集和基于大数据技术的人工智能数据补充机制的方法获取运动者的历史运动数据，对运动风险数据进行数据清洗、数据集成、数据变换和数据规约之后，利用主成分分析技术，对数据进行降维处理，最终得到训练集；进行运动者实时数据采集并进行预处理作为测试集，运动者实时数据采集方式为在运动过程中采用穿戴设备对运动者进行数据采集，之后删除含有缺失值的数据得到测试集，所述训练集和测试集中的数据包括心率、血压、运动时间、呼吸、温度、湿度、运动器材、防护设备和运动过程中所发生过的风险事件；步骤2，利用K-近邻分类器对训练集进行初始化和训练，K-近邻分类器设置的分类标签为个体风险、环境风险和设备风险三类，利用训练后的K-近邻分类器对测试集进行分类，得到分类结果；步骤3，根据分类结果确定风险因素，采用DEMATEL对风险因素进行分析，得到因果关系指数ri和中心性指数mi；具体包括：步骤3.1，根据分类结果，采用定性分析的方法确定风险因素x1,x2,…,xN，其中N为风险因素的数目；步骤3.2，建立初始直接关系矩阵，直接关系矩阵X为： 其中xij表示因子xi直接影响因子xj的程度；步骤3.3，获得归一化的直接关系矩阵D：D＝sXs02其中，dij＝sxij,i,j＝1,2,…,N，s表示为比例因子，由公式3得到： 步骤3.4，获得全关系矩阵T，公式为： 其中i＝1,2,…,N；步骤3.5，计算中心性指数mi和因果关系指数ri：所述全关系矩阵T内的行数和列数分别记为fi和ej，如公式所示: 其中，fi为影响其他因素的程度，ej为受其他因素影响的程度；因素i的中心性指数ni可以通过将fi添加到ei来获得，它衡量因素i在整个过程中的影响，公式如下：mi＝fi+ei,i＝1,2,…,N7同理，fi减去ei即可得到因素i的因果关系指数ri，如公式8：ri＝fi-ei,i＝1,2,…,N8如果ri0，意味着因素i影响其他因素，则表示为原因因素；相反，如果ri0，表示因素i受其他因素的影响，则表示为结果因素；步骤4，根据因果关系指数和中心性指数，运用贝叶斯网络进行风险评估，计算每个风险因素所引起的风险事件发生的概率P和风险影响C；风险事件发生的概率P的获取方式为：将运动风险因素x1,x2,…,xN作为贝叶斯网络的节点，代表随机变量；因果关系指数ri作为节点间的有向边，代表了节点间的相互关系，由父节点指向子节点，父节点为原因因素，子节点为结果因素；令G为定义在随机变量x1,x2,…,xN上的贝叶斯网络，那么由风险因素造成的同一类风险事件发生的概率为： 其中ParGxi为节点xi的父节点，pixi|ParGxi表示节点条件概率；步骤5，根据风险事件发生的概率P和风险影响C计算对应风险的风险值。

全文数据：

权利要求：

百度查询： 西安理工大学 基于DEMATEL和贝叶斯网络的运动风险预测方法