基于QSIM算法的預警系統內部協同性研究

□賈傳亮 陳洋洋 李若珺

[中央財經大學 北京 100081]

隨著人們對于各類風險防范意識的加強，風險預警管理與預警系統的建立工作逐漸成為了人們關注與研究的重點。預警系統作為一個綜合性系統，對于保障突發事件應急管理工作有著重要意義。預警系統包括眾多環節，并且受到諸如外部環境、資源、決策者等相關因素的影響，鑒于預警系統的綜合性，其內部的每一個環節之間都對彼此有著一定程度的影響，而這些環節又在協同作用下共同影響著系統自身的效率性。因此，系統內部環節之間關系的探討對于提高整體系統效率具有積極的指導作用。

本文將采用定性模擬技術，使用QSIM算法對于預警系統內部的每個環節之間的相互影響與聯系進行描述，以確定預警系統的內部協同性。并通過對預警系統內部環節之間的協同作用的整理來加深對于系統運行原理的認識，以此來指導決策者從源頭處解決預警系統各環節在實際應用中可能出現的問題，同時對系統的效率改進提出相應的建議。

定性模擬中的QSIM算法在系統的研究中有著較為廣泛的應用，如白旭使用QSIM模擬了北京市的文化設施配置指標體系[1]；賈傳亮，池宏等也基于QSIM算法對于突發事件的應急處置過程進行了模擬研究與分析[2]；劉怡君等對社會輿論系統進行了探討，并使用QSIM算法對2003年的SARS事件進行了模擬研究[3]；夏功成等則使用定性模擬對員工的離職行為進行了預測[4]。可見定性模擬作為一種較為有效的模擬方法已經被國內很多學者用于進行系統模擬并且對于系統內部的協同作用的研究具有一定有效性。國外學者對于這種方法的應用也進行了許多拓展：Fran?ois E.Cellier與Victorino Sanz使用定性與定量混合的方法對圖書館系統進行了模擬[5]；Thomas Hinrichs等則使用QSIM算法對軍事系統資源的分配進行了研究[6]；Hidde de Jong,Jean-Luc Gouzé等則對基因序列網絡進行了研究，并使用定性模擬對其進行了動態分析[7]。

許多學者還從各行業入手對于預警體系進行了研究：張明華對于中小型企業融資可能發生的風險建立了預警系統并設定了相應的預警指標[8]；鄧明然等從商業銀行的操作流程入手，從定性和定量兩方面探討了商業銀行的操作風險與預警系統[9]；潘懷明等則分析了我國養老保險基金運作方面的漏洞，設計出了一個可以及時反映養老保險基金風險的預警系統[10]。

一、預警系統內部環節分析

預警系統包括許多環節，其主要的運行機制是：首先收集相關數據；再根據數據進行分析，從而評價得出各種風險的強弱和與標準值的偏差程度；最后評定風險級別，向決策層發出預警信號以達到對事態進行預測與監控的目的。我們在預警系統的運轉基礎上，分析并且構造了預警系統的相關參量因果作用綜合模型，見圖1。圖1反映了預警系統各個環節之間的關聯性，其中：“+”號表示箭頭變量會隨著箭尾變量的增加而增加，“-”號則表示箭頭變量會隨著箭尾變量的增加而減少。例如，事件爆發的速度與強度越高會使得信息的收集難度增大，并且對于決策者的綜合素質產生極大考驗從而影響預警系統的總效率；而預警機制的完善性增加則會使各部門間的溝通有所增強繼而提升整個預警系統的總效率。

圖1 預警系統主要參量因果關系綜合模型

由于預警系統內部環節的大部分參量難以進行定量描述，本文選用定性模擬的方法對于系統進行描述，并以QSIM算法來確定系統內其中一個環節狀態的變化對于其他環節以及系統本身的影響性。為了簡化并方便計量，我們將圖1中的各參量表示如下：X1表示專家知識庫完備性，主要指對于險情各種數據以及經驗的總結及整理；X2表示監測信息采集全面性，指在險情發生后對于險情可收集數據的采集情況；X3表示數據處理分析精確性，指利用收集得到的數據對于發生險情的情況判斷；X4表示機制建設完善性，指對于整個預警體系的機制進行的改進與學習工作；X5表示決策者綜合素質與決斷力，指包括決策者的分析力、決斷力、心理素質等在內的所有可能影響系統運轉的決策者自身能力；X6表示預警系統總效率，是模擬研究的最主要目標；X7表示事件爆發速度與強度，該條件屬于外部不可控因素，會對系統內其他環節造成一定程度的負面影響；X8表示預警定級準確性，指根據分析結果對于事件風險性質進行分類；X9表示預警信息上報與發布快速性，指分析部門將結果傳遞給政府管理部門的效率性；X10表示衍生次生災害預警水平，指根據現有事件對于可能發生的衍生次生災害的預防工作；X11表示相關部門聯動協同水平，指各部門間對于風險事件處理的配合程度；X12表示預警工作總結水平，指系統針對運轉流程的不足所進行的補充與改進。這些參量中，專家知識庫完備性、機制建設 完善性和決策者綜合素質與決斷力概括了預警系統的日常維護環節；監測信息采集全面性、數據處理分析精確性、預警定級準確性、預警信息上報與發布快速性、預警定級準確性、衍生次生災害預警水平與相關部門聯動協同水平則描述了險情從發生開始的系統運轉流程，即險情的事中處理環節；而對于預警工作的總結則是險情的事后工作環節，這個系統基本涵蓋了預警系統的各運轉環節的要素，能夠在一定程度上描述預警系統的運轉機制。

二、模擬方法

QSIM（Qualitative SIMmulation）由Kuipers于1986年提出，自此定型模擬的概念以及QSIM的方法逐漸被國內外學者所認同。QSIM用定性微分方程來描述模擬對象，定性微分方程由變量和約束組成，變量代表系統狀態，約束描述變量之間的關系。其大致流程表現為：在每個方程的初始定性狀態給定的前提下，首先生成所有可能的后繼狀態，然后用方程間的定性限制和全局相容規則來刪除不相容的或多余的狀態組合，如此持續下去，來模擬系統的行為。從本質上來說，QSIM是一種定性推理方法，即由當前定性狀態推導出其后繼狀態的推理過程。

（一）定義量空間

我們用定向變量對于每個環節與相關因素的狀態進行描述。定義定性變量QS(f,ti)，其中ti(i=1,2,… ) 為模擬中的時間階段，f則表示變量的定性值。該定性值以及其變化趨勢決定了變量在某個時間點或變化區間內的狀態。具體可表示為：QS(Xj,ti)=(qval,qdir)。其中，qval是Xj的定性值，取值空間為{- 2,-1,0,1,2}，分別表示“很差”、“差”、“一般”、“好”，“很好”；而qdir則表示Xj的具體變化方向，qdir={-,0,+}，表示Xj的變化趨勢為“變壞”、“穩定”或“轉好”。

（二）約束關系

對于預警系統的各環節相關因素進行分析，我們可以得到兩個變量之間的因果作用，這些因果作用就是變量間的約束關系。預警系統各環節間的約束關系具體列于表1。其中，“+”表示縱軸變量增加會引起橫軸變量的增加；“-”表示縱軸變量增加會引起橫軸變量的減少；“0”則表示兩個因素間的相互關系較弱，可以忽略不計。這些約束關系會在定性模擬的過程中用來過濾不符合實際的后繼狀態。

表1 定性變量之間的相互作用關系

（三）模擬規則

在定性模擬過程中，我們設定系統從初始狀態出發，根據通用函數轉化表得到每個參量的后繼狀態，并將后繼狀態經過約束一致性過濾、配對一致性過濾、全局解釋和全局過濾，去除掉與約束關系不一致的狀態，從而得到合理的后繼狀態[11]。

其具體算法步驟如下：

步驟1：從活動狀態表中取出一個狀態作為當前狀態。

步驟2：根據通用狀態轉換表，確定每個變量由當前狀態轉換到的狀態集合。

步驟3：對每個約束，產生狀態轉換的二元或三元組合集合，根據約束的限定，過濾掉與約束不一致的元組。

步驟4：對元組進行配對一致性過濾，即具有相同函數的兩個元組，對同一個函數的轉換必須一致。

步驟5：將經過上述過濾剩余的元組加以組合，產生系統狀態的全局解釋。如果全局解釋失敗，則當前狀態為系統的結束狀態；否則，把全局解釋產生的狀態作為系統的后繼狀態，并加入活動表。

步驟6：判斷活動狀態表是否為空，若為空，模擬結束；否則則返回步驟1，繼續進行模擬。

三、實際模擬

我們對于預警系統進行一般性分析，得出各環節的初始狀態，并設定時間t0＜t1…＜ti＜ti+1＜ …＜tn為顯著時間點，以此來表示各個變量在顯著時間點之間的變化是平穩的，不會產生突變。在模擬中，我們研究t0,t1,t2三個時間情景下的變量狀態，通過通用函數狀態轉化表生成后繼狀態并進行過濾解釋后，得到的模擬結果如表2所示。

表2 各變量模擬結果

由表2的模擬結果可知，整個預警系統各個環節的狀況都會相應轉好。特別是在t2時刻，數據分析精確性、預警定級準確性、衍生次生災害預警水平以及預警工作總結水平都比原有狀態有所改進，達到了較為理想的狀態。從最終結果來看，預警系統的總效率與初始狀態相比有了一定程度的進步，但由于受到時間爆發速度與強度這個外部不可控因素的影響未能達到最佳，仍舊有改進的空間。所有指標中，預警信息上報與發布快速性仍處于一般狀態，是狀態不太理想的環節，可以作為系統改善工作的主要目標。上述模擬結果表明了預警系統的內部環節的確存在較強的內在聯系，相關部門在對具體環 節進行管理時應適當考慮系統內部的協同性從而更有針對性地展開預警工作。

四、總結

本文采用定性模擬和QSIM算法的思路，對于預警系統內部環節的關聯性進行了定性描述，梳理了系統內部各環節間的內在聯系，證明了預警系統內部的協同性。本文通過對于系統內部環節的因果推理，加深了決策者對于預警系統的理解，可以更好地幫助有關部門在實際預警問題中查找問題來源，以便從根源處解決系統問題，并且對于系統的效率改善具有較強的指導意義。

[1]白旭.基于QSIM 模擬的北京市文化設施配置指標體系問題研究[J].東方企業文化,2011(4):41:

[2]賈傳亮,池宏,孫穎,李桂君.基于QSIM算法的突發事件應急處置過程模擬研究[J].中國管理科學,2007(10):740-744:

[3]劉怡君,顧基發.基于QSIM算法的輿論主體行為模擬研究[J].管理評論,2011(09):86-92

[4]夏功成,胡斌,張金隆.基于定性模擬的員工離職行為預測[J].管理科學學報,2006(08):81-91

[5]CELLIER FRAN?OIS E,SANZ VICTORINO.Mixed Quantitative and Qualitative Simulation in Modelica[C].Como,Italy:Proceedings 7th Modelica Conference,Sep.20-22,2009:86-95.

[6]HINRICHES TOMAS,FORBUS KENNETH,KLEER JOHAN de,YOON GUNGWOOK.Hybrid Qualitative Simulation of Military Operations[C].Proceeding of the Twenty-Third Innovation Applications of Artificial Intelligence Conference,1655-1661.

[7]HIDDE De JONG,Jean-Luc Gouzé,Céline Hernandez,et al.Qualitative simulation of genetic regulatory networks using piecewise-linear models[J].Bulletin of Mathematical Biology 2004,66(2):301-340.

[8]張明華.中小企業融資風險預警系統研究[D].北京:首都經濟貿易大學,2006.

[9]鄧明然,費倫蘇,商業銀行操作風險預警指標設計研究[J].武漢理工大學學報,2007(04):140-156.

[10]潘懷明,鄭建軍.我國養老保險基金風險預警指標體系探討[J].貴州大學學報,2009(03):31-35.

[11]胡斌,蔣國銀.管理系統集成模擬原理與應用[M].北京:高等教育出版社,2010.