随着现代工业流程复杂度的提高,安全问题越来越受到重视。过程报警系统作为保证工业流程可靠运行的主要工具发挥着重要作用,而报警预测不仅能够提前检测到危险情况,还可以指导操作人员实施相应的措施,从而降低事故发生的几率。论文提出了一种基于贝叶斯网络模型(Bayesian network)的报警事件预测方法。首先,对贝叶斯网络学习算法进行了讨论,提出了一种针对不完备数据集的参数、结构学习算法,仿真分析了该算法的可行性；然后,通过历史数据提取报警事件序列,分别建立了单变量和多变量报警事件的贝叶斯网络,采用期望最大化(EM)算法和贪婪搜索算法相结合,确定多变量报警预测贝叶斯网络的参数与结构,通过概率推理对报警事件进行预测；最后,基于所给出的工业过程报警事件预测方法,对工业DMF回收过程和TE过程进行了实例研究,结果表明所提出的方法可以挖掘过程数据中的有用信息,对过程报警事件进行有效预测。