不确定性问题一直是人工智能领域研究的焦点,在不确定性环境下进行推理和决策日益受到人们的关注。贝叶斯网将概率论和图论有机结合,是一种自然、紧凑的联合概率分布的图形表达方式。由于贝叶斯网具有坚实的理论基础、语义清晰的网络结构、灵活的推理能力、方便的决策机制及有效的学习机制等优点,它已逐渐成为处理不确定性问题的最佳方法之一。贝叶斯网的关键在于构建网络,从数据中学习是一种有效的建网方法。贝叶斯网的学习包括结构学习和参数学习,参数学习是在已知网络结构情形下对数据集学习,难度较小。但是通过数据集的学习确定网络结构很困难,而且随着变量个数的增加搜索空间的个数呈指数增长。已经证明,贝叶斯网络的结构学习是NP难题。目前已经研究出多种贝叶斯网络结构学习的算法,一种有效且准确性较高的学习算法是K2算法。考虑到我国石油业面临着严重的石油开采、传输、加工设备的腐蚀问题,本文以石油传输管道的腐蚀为例,利用K2算法生成石油管道腐蚀问题的贝叶斯网络结构,结合专家先验知识对所得的网络结构进行推理,得出石油管道腐蚀的主要原因。