Para realizar la evaluación de la situación de vehículos aéreos no tripulados (VANT), se establece una red bayesiana (RB) para la evaluación de la situación. Con el objetivo de resolver el problema de que los parámetros de la RB son difíciles de obtener, se propone un algoritmo de optimización de ballenas mejorado basado en intervalos de parámetros previos (IWOA-PPI) para el aprendizaje de parámetros. En primer lugar, de acuerdo con las dependencias entre la situación y sus factores relacionados, se establece la estructura de la RB. En segundo lugar, para aprovechar al máximo el conocimiento previo de los parámetros, las restricciones de los parámetros se transforman en intervalos de parámetros previos utilizando muestreo de Monte Carlo y fórmulas de transformación de intervalos. En tercer lugar, se proponen un factor de circunvalación variable y un factor de convergencia no lineal. El primero y el segundo mejoran las capacidades de búsqueda local y global del algoritmo de optimización de ballenas (WOA), respectivamente. Finalmente, se introduce una estrategia de recocido simulado que incorpora el vuelo de Levy para permitir que el WOA salga del óptimo local. En el experimento para las RB estándar, se aplican cinco algoritmos de aprendizaje de parámetros, y los resultados demuestran que el IWOA-PPI no solo es efectivo, sino también el más preciso. En el experimento para la RB de situación, se evalúan las situaciones del escenario de misión supuesto, y los resultados muestran que el método de evaluación de la situación propuesto en este artículo es correcto y factible.