21世纪是海洋的世纪,“海洋强国”战略和“21世纪海上丝绸之路”倡议已成为我国发展的基本国策和引领方向。作为海洋安全战略和海洋发展战略的主体空间,海洋环境与海洋资源开发、海洋工程建设、海上维权行动和海上军事活动等各方面密切相关。有效获取海洋环境信息、准确预报海洋环境变化、科学评判海洋环境风险,既是海洋科学研究的前沿问题,也是亟待开展海洋安全保障的迫切需求。海洋环境现实存在的信息不完备性、知识不确定性、环境要素多源性和作用机理非线性等特点,使得海洋环境安全保障具有极大的不确定性。海洋安全保障的重要内容之一即开展海洋环境风险评估和决策支持研究,而风险评估的核心内涵是对不确定信息的提取、表达和建模,本文针对海洋环境多源信息的融合推理和评估建模问题,引入不确定性人工智能算法—贝叶斯网络理论,围绕海洋环境安全保障、风险评估和决策支持等重要问题和关键技术开展了创新探索和研究。主要工作和成果如下:(一)系统分析和阐述了风险的不确定性内涵,将风险的不确定性特征归纳为自身不确定性、信息不确定性和认知不确定性。通过海洋气象水文要素的不确定性分析并结合不确定性风险理论,将海洋环境风险的不确定性梳理为随机性、模糊性、不完全性、不稳定性和不一致性。针对海洋环境风险的不确定性特征,提出了不确定条件下基于贝叶斯网络等智能算法的评估建模研究思路和技术途径。(二)针对大数据贝叶斯网络结构学习中,结构弧的确定存在误差大、效率低等问题,基于信息流全局因果分析思想和0/1优化原理提出了一种结构学习算法—改进型贪婪搜索算法(AGS)。该算法首先基于信息流理论,引入全局因果度量构造0/1优化问题,得到最优初始网络结构;随后以此结构为基础产生结构搜索空间,通过贪婪算法搜索结构弧,同时根据信息流确定弧方向,实现结构的一体化学习,以得到最优网络结构。数值实验表明,AGS算法与既有算法相比能够更能得到近似全局最优结构,信息流的引入实现了弧和弧方向的同步确定,简化了搜索程序,使算法在准确性和时间性能上更加可靠、高效。(三)针对贝叶斯网络参数学习在实际评估应用中,训练样本信息不定量和不完备等问题,以及既有算法对于数据缺失条件下的参数学习存在易收敛到局部最优和学习速度较慢的缺陷,基于遗传算法的基本理论和技术流程,构建误差函数以实现观测信息与推理信息的误差反馈,采用遗传算法反向搜索节点的最优概率分布,将网络参数的训练转化为多元函数的最优化问题,提出了数据非定量和信息不完备条件下网络参数学习的反演算法,数值模拟和实验仿真结果验证了该反演技术的有效性、可行性和实用性。(四)针对贝叶斯网络的条件独立性假设在实际评估问题中较难满足的限制,通过引入变量之间权重的分配以改进条件独立性假设的途径,在朴素贝叶斯框架和既有加权贝叶斯网络的基础上,归纳了权重计算方法中存在的主观性问题,针对性引入经典统计方法—灰色关联分析,并对其进行算法优化,通过改进灰色关联分析计算网络权重,建立了加权贝叶斯网络的优化模型。(五)基于本文改进发展的贝叶斯网络、动态贝叶斯网络、云模型等智能算法,对“21世纪海上丝绸之路”沿线国家海域的海洋环境风险进行了评估实验和预测模拟。首先根据实际应用条件的差异,采用不同的建模方法和途径进行风险评估实验,分别提出了近岸和远洋两套海洋环境风险评估技术流程;其次运用动态贝叶斯网络建模技术进行风险的动态评估和预测实验,运用人工智能技术对海洋环境风险进行评估分析,得出南海-印度洋沿岸18个近岸港口城市和远洋海区的海洋环境风险评估结果和风险实验区划。