《基於因果構造和推理的專家判斷關鍵技術研究》是依託北京航空航天大學，由楊敏擔任項目負責人的面上項目。
基本介紹
- 中文名：基於因果構造和推理的專家判斷關鍵技術研究
- 依託單位：北京航空航天大學
- 項目負責人：楊敏
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
不確定性事件機率分布是決策理論和風險分析的核心要素，在可用數據匱乏的情況下，主要通過專家判斷來獲取。由於受到認知、動機、情緒與社會等多種因素影響，同時也缺乏規範獲取技術的支持，目前專家判斷獲取的質量難於保證。.最近的研究表明，因果構造和推理是專家組合各種線索做出機率判斷的重要途徑。課題採用基於因果分析的思路，研究（1）利用因果貝葉斯網路開發機率判斷生成模型，用於解釋和消除專家判斷中的基率謬誤、過度自信和聯合謬誤等認知偏差；（2）基於因果的多信息源集成技術，用於多專家判斷，以及與其他數據的綜合；（3）基於Web文本挖掘和價值決策的專家選擇模型，用於選擇適合判斷任務的專家；（4）尋找群體一致判斷，用於度量動機偏差；（5）利用基於主體的股票價格預測模型進行計算驗證，並套用於複雜產品研製風險和試驗安全性評估中。.課題將提供理論上嚴密、套用中可行的專家判斷獲取關鍵技術，可套用於所有依賴專家判斷的場合。
結題摘要
不確定性事件的機率分布是決策理論和風險分析的核心要素，如何獲得一個好的機率分布在理論和實踐中都是極其重要的問題。在可用數據匱乏、事件極少發生甚至從未發生的場合，只能依賴專家的機率判斷。 專家判斷背後的因果邏輯含有大量的信息，在該因果邏輯的層面上抽取和集成專家判斷才能有效地消除專家判斷過程中的認知偏差和動機偏差。課題利用因果貝葉斯網路描述這種因果邏輯，通過網路融合技術來集成多個專家的判斷，有效降低專家認知偏差，通過引入貝葉斯吐真劑(BTS)或魯棒貝葉斯吐真劑(RBTS)等激勵機制，消除專家的動機偏差。 課題組開發了一種基於因果貝葉斯網路的風險建模與分析方法CBN-based RMA，該方法是一個結構化、流程化方法，可以將專家對風險事件機率判斷轉化為一個因果貝葉斯網路，既可以用來進行風險事件建模和分析，也可以作為專家機率判斷的因果邏輯描述，結合“邊翻轉”和“貝葉斯知識庫”兩種技術可有效集成多個專家判斷。該方法已經套用在無人機試驗試飛、空面飛彈大型地面試驗、水電站隧洞掘進工程、裝備國際採購等多個實際項目的風險評估中，驗證了該方法的良好效果。 針對專家判斷過程中大量遇到的直覺判斷、語義判斷等問題，課題組利用模糊理論開發了多種運算元進行專家判斷的信息集成，在績效綜合評價、裝備試驗安全風險管理中得到了實際套用。 通過設計一個預測賽事結果的實驗，我們檢驗了BTS和RBTS這兩種方法的效果和適用範圍。結果顯示，總體上BTS更加穩健，效果優於RBTS，但在人數較少時，RBTS可以替代BTS法。該結果有助於我們根據不同情況選擇合適的消除動機偏差方法。 課題組分析了基於主體的建模技術在結果驗證、過程驗證和模型對接等方法論上值得注意的問題，指出建模工具標準化、一致性判斷、靈敏度分析和參數空間壓縮技術是未來AB模型驗證的主要方向，這意味著後續研究應將ABM技術與其他技術結合，如實驗技術，才能更有效地檢驗專家判斷抽取和集成技術的效率。
