Climatic burden of eating at home against away-from-home: A novel Bayesian Belief Network model for the mechanism of eating-out in urban China

Li, Jiaojiao; Song, Guobao; Semakula, Henry Musoke; Zhang, Shushen

doi:10.1016/j.scitotenv.2018.09.015

Cited by 16 publications

(12 citation statements)

References 51 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…BNs flexibility is commonly exploited in scenario simulation and analysis (e.g. Bromley et al, 2005;Dang et al, 2019;Eldridge et al, 2019;Gonzalez-Redin et al, 2019;Molina et al, 2009), but has also been used to identify the key factors that influence aspects of interest (Li et al, 2019;Song et al, 2018), to replicate hierarchical composite indicators (Requejo-Castro et al, 2019), or to elucidate the network structure underlying the data-athand, through associated structure learning algorithms (SLA) (Alameddine et al, 2011;Garcia-Prats et al, 2018).…”

Section: Introductionmentioning

confidence: 99%

Data-driven Bayesian network modelling to explore the relationships between SDG 6 and the 2030 Agenda

Requejo-Castro

Giné‐Garriga

Foguet

2020

Science of The Total Environment

View full text Add to dashboard Cite

Section: Introductionmentioning

confidence: 99%

Data-driven Bayesian network modelling to explore the relationships between SDG 6 and the 2030 Agenda

Requejo-Castro

Giné‐Garriga

Foguet

2020

Science of The Total Environment

View full text Add to dashboard Cite

“…A sensitivity analysis was carried out to identify, among the input nodes, the key contributors on water and sanitation performance index for rural communities (WSP). In doing so, we applied an inverse use of the network, as recently tested by Li et al (2019). Also known as diagnostic inference (Carriger et al, 2016), the model is run in a backward direction (from objective to input nodes).…”

Section: The Network Of Nicaraguamentioning

confidence: 99%

“…Apart from facilitating common features to the first two approaches presented (i.e. CI and causal chains and networks) such as scenario analysis, BNs have been interestingly used to identify the key factors influencing aspects of interest (Li et al, 2019;Song et al, 2018) and to elucidate the network structure underlying the data at hand through associated structure learning algorithms (SLA) (Alameddine et al, 2011;Garcia-Prats et al, 2018). BNs have been successfully applied to address environmental issues (Bromley, 2005) and water issues (Phan et al, 2016), but their application to the WASH sector is less common Bartram, 2017, 2018;Dondeynaz et al, 2013;Fisher et al, 2015;Kumar and Mazumdar, 2002).…”

Section: Introductionmentioning

confidence: 99%

Bayesian network modelling of hierarchical composite indicators

Requejo-Castro

Giné‐Garriga

Foguet

2019

Science of The Total Environment

View full text Add to dashboard Cite

The water, sanitation and hygiene (WaSH) sector has witnessed the development of multiple tools for multidimensional monitoring. Hierarchical and composite indicators (CI)-based conceptual frameworks provide one illustrative example. However, this approach does not address the existing interrelationship of the indicators they integrate. Bayesian Networks (BNs) are increasingly exploited to assess WaSH issues and to support planning and decision-making processes. This research aims to evaluate the validity, reliability and feasibility of BNs to replicate an existing CI-based conceptual framework. We adopt a data-driven approach and we propose a semi-automatic methodology. One regional monitoring initiative is selected as a pilot study: the Rural Water Supply and Sanitation Information System (SIASAR). Data from two different countries are processed and analysed to calibrate and validate the model and the method. Major findings show i) an improvement of model inference capacity when providing structure to the networks (according to the CI-based framework), ii) a reduction and quantification of the key components that explain a pre-defined objective variable (implying important advantages in data updating), and iii) an identification of interlinkages among these components (which might enhance multi-and trans-disciplinary actions). We conclude that BNs accurately replicates the CI-based conceptual framework. The proposal contributes to its wider application.

show abstract

“…К классу вероятностных графических моделей относятся байесовские сети доверия [9][10][11], марковские сети [12], алгебраические байесовские сети [3,4] и др. Все эти модели работают со знаниями с неопределенностью.…”

Section: релевантные работыunclassified

“…В работе [13] рассмотрена двойственность байесовских сетей доверия и нейронных сетей с прямой связью, в то время как [14] посвящена их объединению с другими моделями. Ряд работ посвящен использованию байесовских сетей доверия в различных областях, таких как здоровье, инженерия, экология [9][10][11].…”

Section: релевантные работыunclassified

Algebraic Bayesian networks: sequestered fusion of knowledge patterns under information deficiency conditions

Алексеевич¹,

Львович²

2019

Naučno-teh. vestn. inf. tehnol. meh. opt.

View full text Add to dashboard Cite

Предмет исследования. При машинном обучении вероятностных графических моделей нередки ситуации, в которых одному объекту оказываются сопоставлены две или более модели, обученные на различных, но пересекающихся наборах данных. Предметом данного исследования является операция слияния таких моделей, представленных фрагментами знаний алгебраической байесовской сети. Целью данного исследования является описание и формализация способов слияния алгебраических байесовских сетей, представленных в виде фрагментов знаний. Метод. Построены модели слияния, семантика которых четко эксплицируется предположениями о соотношении вероятностных семантик рассматриваемых фрагментов знаний. Основные результаты. Определены и систематизированы способы слияния фрагментов знаний, при которых не происходит генерации новых элементов сети. Приведено и доказано утверждение о числе атомов в получаемой сети и теорема о сложности поддержания ее интернальной непротиворечивости. Продемонстрирован пример слияния двух сетей на выборке с шумом. При этом для проведения компаративного анализа теоретическое распределение выборки задано, а сама выборка генерируется методом Монте-Карло. Практическая значимость. Предложенные в исследовании способы слияния алгебраических байесовских сетей могут найти применение при работе с двумя или более обученными сетями, описывающими различные свойства одного объекта. Использование данных способов позволит построить, агрегирующую все данные об исследуемом объекте, оказавшиеся доступными, в комплексную сеть и проводить в ней операции логико-вероятностного вывода. Ключевые слова вероятностные графические модели, алгебраические байесовские сети, байесовские сети доверия, неполная информация, фрагмент знаний, слияние фрагментов знаний, машинное обучение Благодарности Работа выполнена в рамках проекта по государственному заданию СПИИРАН № 0073-2019-0003 при финансовой поддержке РФФИ, проект № 18-01-00626-Методы представления, синтеза оценок истинности и машинного обучения в алгебраических байесовских сетях и родственных моделях знаний с неопределенностью: логико-вероятностный подход и системы графов.

show abstract

Climatic burden of eating at home against away-from-home: A novel Bayesian Belief Network model for the mechanism of eating-out in urban China

Cited by 16 publications

References 51 publications

Data-driven Bayesian network modelling to explore the relationships between SDG 6 and the 2030 Agenda

Data-driven Bayesian network modelling to explore the relationships between SDG 6 and the 2030 Agenda

Bayesian network modelling of hierarchical composite indicators

Algebraic Bayesian networks: sequestered fusion of knowledge patterns under information deficiency conditions

Contact Info

Product

Resources

About