目前,贝叶斯网络(BN)已广泛应用于风险事件评估,但由于风险事件的特殊性,其应用受到一定限制。一是传统BN风险评估模型缺失定量数据,参数确定多依赖专家经验,敀引入基于遗传算法的条件概率表(CPT)检索算法用于改进BN参数学习。事是风险评估中的变量相互关联,既不满足BN所要求的条件独立性假设,也导致计算效率下降,敀提出改进的灰色关联分析法(GRA)计算指标权重对BN进行加权,以满足条件独立性假设。最后将改进的BN风险评估模型应用于实际问题研究,结果表明该模型可应用于不完全数据和变量相关的风险事件评估。