随着网络规模的不断扩大、结构的日益复杂,网络故障管理的难度也随之增大。本文首先阐述了网络管理的概念,提出了在不确定性的情况下,对网络故障定位的主要困难,以及目前解决该问题的几种主流的方法,在此基础上,讨论了贝叶斯网络模型。　　 贝叶斯网络是一种描述概率关系的有向无环图,适用于不确定性和概率性事物,应用于有条件地依赖多种控制因素的决策。在不确定性推理中,贝叶斯网属于一种基于模型的内涵方法,相对于基于规则的外延方法,其优点是语义清晰,它提供了特定领域知识的一种模型表示以及基于这种模型的若干种学习和推理机制,用于建立模型并回答与这些领域知识相关的问题,并在此基础上进行辅助的预测、决策以及分析。文中采用了一种近似方法,对原有的贝叶斯网络图进行裁剪,使之成为一棵能体现最强依赖关系的生成树,这就是贝叶斯网络的贪婪接近算法。使用该算法的优点就是大大减少了运算量,令贝叶斯网络的后验概率的计算更为可行,可以应用于网络故障管理的范畴。　　 为证明使用贝叶斯网络的贪婪接近算法应用于网络故障管理系统的可行性、有效性和正确性,使用软件仿真的方式,自动生成随机的贝叶斯网络模型,并为按照网络故障管理的特点生成条件概率表。对此产生最强依赖生成树,计算出各个结果结点发生的条件下,各个因为结点发生的概率。同时,采用大量的随机数,输入贝叶斯网络模型,按照结点间的依赖关系和条件概率表,计算每个结点的状态值,然后统计各个结果结点和因为结果的关系。通过对比的结果得出贝叶斯网络贪婪接近算法正确性的数据。