CN106776485A - 一种基于概率计算的鉴定结论量化的方法 - Google Patents

Abstract

本发明公开了一种基于概率计算的鉴定结论量化的方法，包括以下步骤：步骤1)罗列产品的失效现象并进行分组；步骤2)针对每个失效现象均罗列出有关的若干失效机理；步骤3)对产品进行试验和观测，将发现的若干特征点进行罗列，并归类；步骤4)计算单个物证特征点与若干失效机理之间的关联性，并保存数据，得到数据库；步骤5)对物证进行检测，得到该物证的失效现象和若干检材特征点，然后与数据库进行对比，得到鉴定结论。本发明提高预案效率和科学性，减少重复调查成本，并且定量得出鉴定结论，减少鉴定结论的模糊情况。

Description

一种基于概率计算的鉴定结论量化的方法

技术领域

本发明涉及鉴定领域，具体涉及一种基于概率计算的鉴定结论量化的方法。

背景技术

通常，在进行产品质量司法鉴定过程中，鉴定人通过现场调查、取样，结合现场检测或实验室检测结果，比对相应的标准、合同、约定，结合鉴定人或专家意见等专业判断，做出符合性判定，给出鉴定意见，供法庭使用，这是一般的司法鉴定流程。

在得出鉴定结论之前的综合分析中，一般主要以鉴定人和鉴定专家的意见为主，鉴定人或鉴定专家通过案件资料分析、现场调查过程中收集到的情况，包括涉案产品的设计、制造、安装、使用、维护、维修、使用环境，双方的合同约定或相关标准等等，结合产品原理、个人经验、行业经验、综合工况等，通过逻辑推理等分析导致涉案产品出现故障或问题的原因，给出鉴定结论。

国际上对于事实认定的概率分析呈现出两个基本走向，一方面，司法鉴定领域中新一代统计概率证据正在崛起，比如运用概率乘积规则构建印证公式的电子证据，比如正在探索数据库建设的笔迹证据；另一方面，乔纳森.科恩的关于自由证明思想，罗纳德.艾伦的关于相对合理性的理论,波斯纳认为由普通人组成的陪审团来进行事实认定的最大优势不是别的，恰恰是他们能够更准确的认定事实。

目前，对于鉴定结论，多通过数据比对、逻辑推理、综合分析等方法得出，虽然部分结合了实验结果等数据表述，但总体属于个人或专家团队判断，包含更多鉴定人的主观意见，甚至与鉴定人的情感、经验、知识、背景等均有关系，鉴定结论客观性不足。对于出现两种或以上的原因时，如何进一步判断是哪个原因导致涉案产品质量问题的发生往往无法定夺。或给出模糊判断，或冒险取其一，这两种做法均使鉴定报告的作用大打折扣。

发明内容

本发明的目的在于克服现有技术存在的以上问题，提供一种基于概率计算的鉴定结论量化的方法，本发明提高预案效率和科学性，减少重复调查成本，并且定量得出鉴定结论，减少鉴定结论的模糊情况。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种基于概率计算的鉴定结论量化的方法，包括以下步骤：

步骤1)罗列产品的失效现象并进行分组；

步骤2)针对每个失效现象均罗列出有关的若干失效机理，失效机理记为H_i；

步骤3)对产品进行试验和观测，将发现的若干特征点进行罗列，然后以失效机理为中心，将与相对应失效机理有关的特征点进行归类,得到若干相关的物证特征点，物证特征点记为a_h，其中每个失效机理相对应的若干相关的物证特征点的集合记为A_ih；

步骤4)通过计算得出当a_h存在时，由H_i导致发生的概率P(H_i∣a_h)，得到单个物证特征点与若干失效机理之间的关联性，并保存数据，得到数据库；

步骤5)对物证进行检测，得到该物证的失效现象和若干检材特征点，检材特征点记为E_r，若干检材特征点的集合记为检材特征群，记为E，然后将E与数据库进行对比，当E存在时，由第i种H_i导致失效现象发生的概率P(H_i∣E)，得到鉴定结论。

进一步的，所述步骤4中采用的计算公式为：

其中，H_ir是对于H_i的先验假设，P(H_i)的先验概率称为P(H_ir)，取值为：P(H_ir)＝上一轮的P(H_i∣a_h)；P(a_h)为特征点a_h发生的概率；P(a_h|H_ir)是在H_i发生时能看到a_h特征点的概率。

进一步的，所述物证的E检材特征群存在时，由第i种H_i导致失效现象发生的概率公式为：

其中，m：物证的检材特征点与数据库中物证特征点匹配时，在m个失效机理中都会出现；

a：每个失效机理中有a个特征点；

b：在第i个失效机理中所有物证特征点与所有检材特征点中存在b个相同的特征点；

w：所有有关失效机理中的物证特征点的数量与所有检材特征点的数量之和为w。

进一步的，所述步骤5中，得到若干检材特征点后，通过人工先排除一部分无关的检材特征点。

进一步的，所述步骤5中鉴定结论还包括样品来源符合关联事实的概率、样品抽样误差的概率、证据群检验数据的测量准确性和失效机理的全面性。

本发明的有益效果是:

1、提高预案效率和科学性，减少重复调查成本；

2、提高现场调查效率，现场调查有据可依，查找记录各个失效机理对应的物证特征点即可；

3、定量得出鉴定结论，减少鉴定结论的模糊情况。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例详细说明如后。本发明的具体实施方式由以下实施例详细给出。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在实际操作过程中，建立数据库是极为重要的，首先需要罗列产品的失效现象并进行分组；列明产品及失效现象，如金属材料的断裂、电热水器漏电、钢化玻璃爆裂、LED屏不亮等。

然后针对每个失效现象均罗列出有关的若干失效机理，失效机理记为H_i；如金属材料的断裂可能对应的失效机理有脆性断裂、韧性断裂、疲劳断裂、蠕变断裂。金属材料的腐蚀对应的失效机理有化学腐蚀、电化学腐蚀、物理腐蚀。

接着对产品进行试验和观测，其中产品为多个，将发现的若干特征点进行罗列，如在金属材料断裂的分析中，可能检测到多种失效特征点，材料成分不符、如晶粒大、杯锥状断口、纯剪切断口、人字纹花样等，然后以失效机理为中心，将与相对应失效机理有关的特征点进行归类,得到若干相关的物证特征点，物证特征点记为a_h，其中每个失效机理相对应的若干相关的物证特征点的集合记为A_ih；

最后通过计算得出当a_h存在时，由H_i导致发生的概率P(H_i∣a_h)，得到单个物证特征点与若干失效机理之间的关联性，并保存数据，得到数据库；其中采用的计算公式为：

H_ir是对于H_i的先验假设，P(H_i)的先验概率称为P(H_ir)，取值为：P(H_ir)＝上一轮的P(H_i∣a_h)，P(H_ir”)＝1-P(H_i∣a_h)；P(a_h)为特征点a_h发生的概率；P(a_h|H_ir)是在H_i发生时能看到a_h特征点的概率。

P(a_h|H_ir)是在Hi机理发生时能看到a_h特征点的概率，P(a_h|H_ir”)是指在H_i机理未发生时能看到a_h的概率，这两个值在对第一轮的比对样品进行计算中按先验概率分别赋值P(a_h|H_ir)＝0.5和P(a_h|H_ir”)＝0.1。给公式中的P(H_ir)一个先验概率(第一次赋值为P(H_ir)＝0.5)，并随着试验样品数据每增加一次比对而增加一轮贝叶斯推理，每一轮贝叶斯推理进行计算式都根据上一轮的P(H_i|a_h)对P(H_ir)重新赋值；下一轮的P(H_ir)的先验概率等于上一轮的P(H_i|a_h)，从而调整每轮公式计算的P(H_ir)的先验概率。

建立数据库后，就可以进行使用了，先对物证进行检测，得到该物证的失效现象和若干检材特征点，检材特征点记为E_r，若干检材特征点的集合记为检材特征群，记为E，然后将E与数据库进行对比，当E存在时，由第i种H_i导致失效现象发生的概率P(H_i∣E)，得到鉴定结论。

其中，物证的E检材特征群存在时，由第i种H_i导致失效现象发生的概率公式为：

设E_r与a_ir匹配时的情况，在m个失效机理中都会出现，即整个特征空间中，有m个a_ir出现，及N(E_r∩a_ir)＝m；即物证的检材特征点与数据库中物证特征点匹配时，在m个失效机理中都会出现；

设每个失效机理H_i有a个特征点，即N(H_i)＝a；即每个失效机理中有a个特征点；

设第i个失效机理中的所有特征点a_h与E_r的并集的特征点个数为b个，及N(a_h∪E_r)＝b；即在第i个失效机理中所有物证特征点与所有检材特征点中存在b个相同的特征点；

设所有的失效机理和E_r合起来有w个特征点，即所有失效机理中的物证特征点的数量与所有检材特征点的数量之和为w；

求解

给P(a_ir)赋值，公式(1.1.1)中的P(a_ir)是a_ir与相应的a_h对应，即上一步骤中的P(H_ir|a_h)的赋值。

当E_ri与a_ir匹配时，即E_ri＝a_ir时,

取

取

综上可得：

以上综合求得：

求解P(H_i|E)

将式(1.3.1)代入公式(1.3)可得:

将式(1.3.1)代入公式(1.2)可得：

将式(1.3.2)和式(1.2.2)代入公式(1)可得：

其中：

E:被观察到存在的检材特征群，由各个检材特征点E_r组成，检材特征群是指涉案待鉴定的失效样品材料或失效现场的物证特征集合；

E_r：组成E的各个检材特征点，E1,E2,E3,…Er,r＝1,2..,n每个特征点E_r相互独立并且完整，数量是有限的，E＝E1UE2UE3…UE_r，E_r是通过现场观察或实验检测得到的以失效现象为主的物理、化学特性等表象特征组成，包括一系列的微量物证、痕迹、书证、行为、性能参数、工况环境、位置分布与形状、物理属性与化学成分等，所有的E_r共同组成一个完整的检材特征群E；

E_ri：在与第i个失效机理进行比对时，与Aih相匹配(Aih∩Er)的特征点E_r的代号称为E_ri；

E_rh：在与第i个失效机理进行比对时，与Aih不相匹配的的特征点E_r的代号称为E_rh；

H_i:各个不同的失效机理，H1,H2,H3,…H_i，i＝1,2,3…,n；每个失效机理H_i是相互独立的，基于鉴定人员现有已知的情况，提出来的对于失效的原因的假设，数量是有限的，针对与检材相关的失效机理应在一开始就全面和专业的提出来，在后继分析过程中发现新的可能性时也应将新的失效机理提出来，对于产品质量鉴定或者事故原因调查而言，失效机理的定义是指引起失效现象的物理、化学变化等内在原因，包括一系列的行为因素、性能属性、工况环境、物理作用、施力方式及其时空顺序的特定组合。

H_ir：在第i个失效机理与E进行概率计算时，对于H_i的先验假设称为H_ir，P(H_i)的先验概率称为P(H_ir)；

A_ih:与H_i有关联的物证特征群；

a_h:组成A_ih的各个子物证特征点，a1,a2,a3…a_h,h＝1,2,…,n；各个子特征点互相独立无交集，数量是有限的，与失效机理H_i有关的物证特征点称为a_h，是通过现场观察或实验检测得到的以失效现象为主的物理、化学特性等表象特征组成，包括一系列的微量物证、痕迹、书证、行为、性能参数、工况环境、位置分布与形状、物理属性与化学成分等；所有的a_h共同组成一个完整的物证特征群A_ih；

a_ih：定义为在与失效机理Hi有关的物证特征点a_h当中，与E_r不相匹配的的特征点a_h的代号称为a_ih；

a_ir：定义为在与失效机理H_i有关的物证特征点a_h当中，与E_ri匹配(A_ih∩E_r)的物证特征点称为a_ir，即a_ir＝E_ri；

P(H_i|E)：从现场观察到了的检材特征群E来看，是由第i种失效机理Hi导致的可能性是多大，E＝E1UE2UE3…UE_r；P(H_i|E)＝P(H_i|UE_r)，因为E与H_i的交集是用E_r与a_h特征点一一比对的，特征点表征相同时，E_ri＝a_ir，即P(E_ri)＝P(a_ir)，不相同时为a_ih和E_rh，根据全概率公式可求得P(H_i|E)。这个就是我们要通过计算想要求得的答案：“是由第i种失效机理H_i导致的可能性是多大，”即P(H_i|E)：

在得到若干检材特征点后，可以先通过人工先排除一部分无关的检材特征点，这样有助于提高概率分析的准确性。

并且鉴定结论中还需要考虑样品来源符合关联事实的概率、样品抽样误差的概率、证据群检验数据的测量准确性和失效机理的全面性。即对样品来源、抽样误差、测量、专业和全面性等方面对鉴定结论进行检查，检查事实认定符合事实真相的似然率：

P(H_i|E)通过赋值计算后得出相应值，然后2-5个方面的各个参数的赋值方式取值0到1，互相独立不受其他因素影响，最终1-5以相乘的方式来决定事实认定概率，更加准确符合实际情况。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (5)

1.一种基于概率计算的鉴定结论量化的方法，其特征在于，包括以下步骤：

步骤1)罗列产品的失效现象并进行分组；

步骤2)针对每个失效现象均罗列出有关的若干失效机理，失效机理记为H_i；

步骤3)对产品进行试验和观测，将发现的若干特征点进行罗列，然后以失效机理为中心，将与相对应失效机理有关的特征点进行归类,得到若干相关的物证特征点，物证特征点记为a_h，其中每个失效机理相对应的若干相关的物证特征点的集合记为A_ih；

步骤4)通过计算得出当a_h存在时，由H_i导致发生的概率P(H_i∣a_h)，得到单个物证特征点与若干失效机理之间的关联性，并保存数据，得到数据库；

步骤5)对物证进行检测，得到该物证的失效现象和若干检材特征点，检材特征点记为E_r，若干检材特征点的集合记为检材特征群，记为E，然后将E与数据库进行对比，当E存在时，由第i种H_i导致失效现象发生的概率P(H_i∣E)，得到鉴定结论。

2.根据权利要求1所述的一种基于概率计算的鉴定结论量化的方法，其特征在于，所述步骤4中采用的计算公式为：

$P\left(H_i\right|a_h)=\frac{P\left(H_{ir}\right)\×P\left(a_h\right|H_{ir})}{P\left(a_h\right)}$

其中，H_ir是对于H_i的先验假设，P(H_i)的先验概率称为P(H_ir)，取值为：P(H_ir)＝上一轮的P(H_i∣a_h)；P(a_h)为特征点a_h发生的概率；P(a_h|H_ir)是在H_i发生时能看到a_h特征点的概率。

3.根据权利要求2所述的一种基于概率计算的鉴定结论量化的方法，其特征在于，所述物证的E检材特征群存在时，由第i种H_i导致失效现象发生的概率公式为：

$P\left(H_i\right|E)=\frac{{\mathrm{\Σ}}_{r=1}^n(\frac{P\left(H_i\right|a_h)}{mb}+\frac{1-P\left(H_i\right|a_h)}{m(w-a)})}{{\mathrm{\Σ}}_{i=1}^n\left({\mathrm{\Σ}}_{r=1}^n\right(\frac{P\left(H_i\right|a_h)}{mb}+\frac{1-P\left(H_i\right|a_h)}{m(w-a)}))}$

其中，m：物证的检材特征点与数据库中物证特征点匹配时，在m个失效机理中都会出现；

a：每个失效机理中有a个特征点；

b：在第i个失效机理中所有物证特征点与所有检材特征点中存在b个相同的特征点；

w：所有有关失效机理中的物证特征点的数量与所有检材特征点的数量之和为w。

4.根据权利要求1所述的一种基于概率计算的鉴定结论量化的方法，其特征在于，所述步骤5中，得到若干检材特征点后，通过人工先排除一部分无关的检材特征点。

5.根据权利要求1所述的一种基于概率计算的鉴定结论量化的方法，其特征在于，所述步骤5中鉴定结论还包括样品来源符合关联事实的概率、样品抽样误差的概率、证据群检验数据的测量准确性和失效机理的全面性。