基于知識元的非常規突發事件情景模糊推演方法

張 磊,王延章,陳雪龍

(大連理工大學管理科學與工程學院,遼寧大連116024)

基于知識元的非常規突發事件情景模糊推演方法

張 磊,王延章,陳雪龍

(大連理工大學管理科學與工程學院,遼寧大連116024)

針對非常規突發事件的情景表示中跨領域、跨學科知識支持和微觀分析的不足,基于情景要素及其相互作用關系的相對微觀分析,給出了一種以知識元模型為基礎的情景表示模型;針對非常規突發事件情景推演中信息不確定性問題,提出了一種模糊推演方法,應用知識元間相互作用關系構建模糊規則,將不確定的情景信息與模糊規則進行匹配,判斷情景推演的結果及其可能性,進而為決策者進行決策提供依據.最后,以舟曲泥石流事件為例,驗證了文中方法的科學性和實用性.

知識元;非常規突發事件;情景;模糊推演

1 引 言

近年來非常規突發事件頻發,對國家和人民造成了巨大損失.由于缺乏對非常規突發事件演化規律的認識,導致出現什么樣的事件狀態、出現這些狀態的可能性以及造成的危害都很難預測,于是人們開始從傳統“預測–應對”決策模式向“情景–應對”決策模式進行轉化[1].情景是決策者對非常規突發事件應急決策的基礎和依據,因此,情景的描述與動態推演分析是非常規突發事件應急管理研究體系的重要組成部分.

目前很多文獻從不同角度對非常規突發事件的演化進行了研究.CBR是一種較新的情景推演方法,汪季玉等[2]從危機信息處理的角度,提出了CBR的應急決策支持系統.裘江南等[3,4]針對突發事件具有不確定性特點,以貝葉斯網絡為建模工具,構建了用于對突發事件進行預測的貝葉斯網絡模型;楊保華等[5]提出了非常規突發事件情景推演的GERT網絡中災害衍生耦合問題的解決方法,為非常規突發事件情景推演提供了有效的數學工具;陳長坤等[6]基于復雜網絡的相關理論對冰雪災害事件演化機理進行了分析;劉鐵民[7]提出用系統動力學(SD)理論方法研究重大事故的演化過程;韓傳峰等[8]通過構建SD模型揭示了應急決策系統內在反饋機制和動態作用機理;Zheng等[9]利用元胞自動機(CA)模擬了在出口選擇和受社會力影響的突發狀況下人員疏散的過程;余雷等[10]通過建立CA模型的方法模擬疾病傳播過程;楊青等[11]運用CA模型分析突發傳染病傳播的內在原因,在此基礎上提出了應對突發傳染病的對策建議.非常規突發事件的情景推演需多學科多領域的理論、方法、技術、知識和模型的支持,上述理論方法對非常規突發事件情景推演的研究提供了很好的思路和基礎.在上述方法中,基于網絡的方法具有較好的通用性,但對節點設計、數據確定、節點間關系結構以及演化機理等問題要求較高,而SD和CA方法側重于從宏觀角度對事件發生發展過程的特征和規律進行描述與總結,且對已知事件的經驗性知識具有較高依賴性.綜上所述,目前的方法均沒有從相對微觀視角審視非常規突發事件的情景結構和推演問題;同時,現有的模型方法針對信息不確定和知識不完備的非常規突發事件,往往不能給予很好地解決.

情景的描述是情景推演研究的基礎,而情景表示需要綜合多學科多領域的知識予以支撐.一些學者針對非常規突發事件應急管理中的知識管理問題進行了探討.Raman[12]使用Wiki技術設計了一個基于Web的知識管理系統;王慶全等[13]基于范疇論與定型范疇論提出一種輔助應急決策知識供給的概念建模方法(CCM);溫立[14]提出了基于本體的應急決策知識模型.這些表示方法為應急管理中的知識管理提供了很好的研究思路和方法,但仍難以實現非常規突發事件應急管理跨領域跨學科知識的綜合詮釋;其中,基于本體或范疇論的方法雖在一定程度上可以解決跨領域、跨學科的知識融合問題,但巨大的概念間關系描述會造成推理的不完備問題.王延章[15]面向多領域,建立了概念、屬性與關系三元組形式的共性知識元模型,實現了對知識,信息與模型等在人類認知六層次上的管理;陳雪龍等[16]在其基礎上,構建了知識元模型,解決了應急管理多領域、多學科知識融合與知識推理的問題.知識元模型以其本原性、細粒度性對應急管理中事件及推演規則進行管理,可以有效解決情景推演中信息不確定和知識不完備問題.基于以上分析,本文利用知識元模型,從人類認知角度對客觀事物進行建模,為情景構建與推演提供綜合知識支持.

2 基于知識元的情景結構模型

2.1 知識元模型

知識元是知識管理的基礎.作為知識結構的最小組成單元,知識元有助于從更加微觀的角度認知非常規突發事件及其演化規律.本文中的知識元是文獻[15]提出的一種知識表示方法.如一個具體事物對象m的共性知識可以表示為一個三元組

其中M為事物對象集合,Nm為對應事物的概念及屬性名稱,為定性或定量描述的屬性集,為輸入屬性,為輸出屬性,為狀態屬性,Rm?Am×Am表示屬性狀態變化關系集.

設屬性a∈Am可以用屬性知識元表示為

其中pa為可測特征描述(如可測量、可描述),da表示當屬性狀態可測度時的測度量綱(如取值類型,取值區間和取值單位等),fa為屬性時變規律的函數,僅當屬性可測且具有時間變化可辨時不為空,則存在關系at=fa(at-1,t).

設關系r∈Rm用關系知識元表示為

其中pr描述映射r所具有屬性(結構,線性,非線性和函數映射等),為關系r的輸入屬性集,為關系r的輸出屬性集,fr為具體的關系映射函數,一般而言,fr是以數理邏輯關系,函數,啟發式規則,結構關系,規則或知識描述的屬性狀態變化關系等形式存在的.

2.2 基于知識元的情景結構模型

目前,在應急管理領域,許多學者對非常規突發事件的情景進行了廣泛深入的研究,主要集中在情景的要素分析和描述上[1,17-19],而關于非常規突發事件的情景定義還沒有達成共識.因此,在對情景形式化描述之前,首先需明確非常規突發事件情景的含義.

突發事件所處的時間、空間環境稱為事件所處的時空場景.情景中的災變觸發必須滿足時空約束,如A地區的堰塞湖不會影響到B地區的生命財產安全,這是決策者在實際中所關心的.因此,本文認為非常規突發事件的情景既包含某個時間點上要素的狀態集合,也包含時空約束下要素自身與要素之間關系及其變化趨勢的描述.

1)情景要素描述

情景的主要目的是輔助決策,情景的要素不僅僅包括客觀存在的事物,也包含一些具有主觀性的活動(如應急活動).因此,本文認為情景的要素主要包括致災因子(DF)、承災體(SF)、孕災環境(EF)以及應急活動(AF)四部分,如圖1所示.

圖1 非常規突發事件情景要素及其間關系Fig.1 The scenario factors of unconventional emergencies and the relationship among them.

若S表示情景,則情景表示為

致災因子(DF)表示對事件發生和發展起推動作用的致災因素的集合,如泥石流、臺風等自然致災因子以及火災、安全生產事故等人為(環境)致災因子;孕災環境(EF)是指災害發生發展時所處的外部環境因素的集合,包含系統所處自然環境和社會因素;承災體(SF)是各種致災因子作用對象的集合;應急活動(AF)是指針對事件本身,人類所采取一系列活動內容.根據第2.1節,情景中的要素表示為

其中km表示情景的要素知識元,ail,asp,aoq分別表示要素的輸入屬性、狀態屬性和輸出屬性,用式(2)的屬性知識元描述.以泥石流知識元為例,k泥石流={位置,時間,重度,流速,沖擊力...},其中流速可用屬性知識元描述為k流速=(可測量,m/s,數值確定型).

2)要素間關系描述

情景演化過程可以抽象為情景要素間的相互作用關系,主要體現為屬性間因果關系.一般地,這種因果關系通過兩種方式構建:1)要素知識元間的直接輸入輸出關系,即知識元km的輸出屬性為知識元kn的輸入屬性;2)要素知識元間通過關系知識元構建,即知識元km的輸出屬性和知識元kn的輸入屬性分別為對應關系fr的輸入屬性與輸出屬性.

圖2 知識元內部與知識元間關系結構圖Fig.2 The structure diagram of knowledge units and the relationship among knowledge units

圖2中ail∈AI表示輸入屬性,aoq∈AO表示輸出屬性,asp∈AS表示狀態屬性.狀態屬性的變化依賴于輸入屬性的值,狀態屬性的變化又能夠產生一定的輸出,影響其他屬性.ass∈AS是標記事件是否發生的特殊狀態變量,取值為1或0,即事件發生或不發生.

設情景中的要素知識元km,kn之間的作用關系通過知識元屬性間關系建立,如圖2(b)所示.而這些關系可用式(3)關系知識元描述.那么,要素知識元間關系用數學模型可描述為

其中F′表示km的輸出屬性與kn輸入屬性間作用關系集,F′′表示kn輸入屬性與狀態屬性間作用關系集,F′′′表示kn的狀態屬性與輸出屬性間作用關系集.

令Rmn={F′,F′′,F′′′}表示km與kn的因果關系集合,即

特別地,若m=n時,表示知識元自身內部結構作用關系,即圖2(a)所示.

3)情景的結構模型

時空屬性是知識元本質屬性,對于情景推演及其應急決策只有構建具有時空約束的情景才有現實意義.

定義1[20]令二元組(TS,≤)是一個時間域,其中TS={t∈T|t≥0}是時間集,≤表示TS上的全序.

定義2[20]令二元組(SS,≤)是一個空間域,其中SS={s∈Z|s≥0}是空間集,≤表示SS上的全序.

定義3令二元組(ti,srj)是一個時空區間,表示在時刻ti的空間區域srj,即具有時空屬性的區域,其中srj=sk-sl,sk∈SS,sl∈SS,k≥l.

因此,本文將情景描述為

其中S表示情景,t是情景所處的時刻,sr是情景演化的空間區域,即突發事件所影響區域范圍,本文限定sr是最大影響范圍,為所有要素影響區域的并,K={ki},i∈N*,是區域sr內情景的要素集合,R={Rmn}?K×K,m,n∈N*,表示t時刻情景要素間的作用影響關系集合.

3 非常規突發事件情景模糊推演方法

非常規突發事件情景演化過程是情景中要素屬性狀態不斷變化的過程.在信息知識確定情況下,按式(7)的關系分析情景中各個要素間關系,進而對情景進行推演分析.決策者根據獲取的數據、知識構建當前情景,從微觀層面分析情景中要素間關系(如圖3).通過情景推演得到的一系列情景可以較完整地體現了事件的演化過程.然而,人們在認識事件的過程中,由于事物本身表露不完全和人們自身條件限制(時間、心理壓力等)等原因造成人們對該事件發生的條件和發展認識不清,難以把握.廣義的講,幾乎所有的非常規突發事件的情景推演都是在知識不完備或信息不確定條件下進行的,這就使得像數學、物理那樣嚴格的邏輯推理方法難以實現,即使忽略次要因素能夠進行推理,也與實際情況相差甚遠.因此,針對非常規突發事件的不確定性的特點,本節以知識元為基礎,采用模糊推理方法,解決情景推演中信息不確定情況下無法推演分析的問題.

圖3情景要素知識元間關系基本結構圖Fig.3 The basic structure diagram of scenario factors

圖3 中“+”號表示耦合關系,圖中的四種基本關系結構可抽象為如圖3(a)的一對一關系簡單情況,因此,本文只著重研究圖3(a)形式的關系.情景演化的本質是在孕災環境和應急活動影響下致災因子和承災體間關系的變化.為了方便推理分析,本文將情景中致災因子和承災體間關系用矩陣M描述.設情景S共有n個要素知識元k1,k2,...,kn,那么

其中mij取值0或1,當知識元間ki,kj存在并促發如式(7)的作用關系,那么mij=1,否則為0.但是在情景不確定情況下,難以通過精確的定量分析來確定要素間的作用關系是否促發.因此,本文用模糊關系來描述情景要素間的不確定關系.模糊關系是普通關系的拓廣,用來描述事物間關聯的程度.

設情景S中n個要素知識元k1,k2,...,kn組成論域U={k1,k2,...,kn},那么,論域U上的模糊關系

正是對所有要素知識元間的作用關系賦予一個隸屬度,使得情景中要素知識元間的關系模糊化,將這樣的模糊關系稱為情景推演的效用矩陣.矩陣中的每個元素代表了情景演化的一條模糊規則,將這些規則表示為模糊產生式規則形式

其中N=1,2,...,m表示模糊規則的數目;L表示各個子前提間的邏輯組合關系(合取);Pi表示規則中第i個前提;wi∈(0,1]表示子前提Pi的權重,即前提Pi的重要程度,;n為前提條件的個數;Q表示規則結論;Fi∈(0,1]表示前提的模糊隸屬度;θ∈(0,1]表示該規則產生的結論的置信度;τ∈(0,1]為該規則的“可應用閾限”,表示規則是否被采納的判斷標識,θ和τ根據專家和經驗數據法給出.

模糊規則可以將應急領域的不確定的知識和信息加以表示.不確定的情景信息與模糊規則的前提進行匹配,分析情景推演的結果及其可能性,進而輔助決策者進行決策.令MN(E,P)(0≤MN(E,P)≤1)表示情景不確定信息集E={e1,e2,...,en}與第N條規則前提集PN={P1,P2,...,Pn}的匹配程度,即

其中m(ei,pi)表示子前提的匹配度,具體匹配度算法根據實際應用特點定義.

實際中,存在著這樣一種情況,在前提集中存在特別重要的前提,而其他次要子前提對結論的推理不會產生較大的影響,本文將這樣的匹配稱為特殊匹配.那么需首先滿足條件

其中λi表示特殊匹配的匹配閾值,即在存在特殊前提的匹配中,只有特殊匹配滿足閾值λi的前提下,再進行規則的匹配計算.

在模糊匹配中,對于第N條規則,當MN(E,P)≥τ時,模糊規則被激活,且推出結論Q的可能性為

在信息和知識不確定情況下,利用要素知識元間的關系構建如式(11)所示的模糊規則,形成情景推演模糊規則庫.決策者進行情景推演時,首先分析確定情景中所包含的要素知識元;接著根據當前的信息或數據將要素知識元實例化[18]為相應的要素對象(如建筑物知識元實例化為學校、醫院等),情景的不確定性通過知識元模型蘊含到要素對象的屬性描述中;然后與模糊規則進行匹配,計算要素對象間發生影響作用關系的可能性,進而得到情景推演的效用矩陣;最后通過當前情景和效用矩陣推演分析的情景發展態勢.

4 案例分析

2010年8月,甘肅省甘南藏族自治州舟曲縣城突發大規模泥石流災害,給舟曲縣城造成了毀滅性災難,傷亡人數之多,財產損失之大,成為我國歷史上有記錄以來的泥石流災害之最.本節以舟曲泥石流災害為例,驗證前文給出方法的科學性和實用性.

舟曲縣地處西秦嶺地質構造帶南部隴南山地,主城區位于三眼峪等泥石流溝堆積扇上.2010–08–07在三眼峪等泥石流形成區的降雨量達77.3 mm/h,暴雨形成強大洪水依次沖毀兩條溝內的天然堆石壩和人工攔擋壩,形成規模巨大的高容重黏性泥石流,泥石流攜帶具有強大沖擊力的巨石沖毀房屋5 500余間,造成1 744人死亡和失蹤.其中,三眼峪溝流域面積為25.75 km2,流域相對高差2 488 m,主溝長9.7 km,主溝平均比降為24.1%,溝口扇形地東西長約2 050 m,平均比降為11%,供給泥石流的固體物質約200×104m3,流量高達約1 800 m3/s,一次最大固體物質沖出量為110×104m3[21].

本節將知識元模型用于泥石流災害的情景表示與推演分析中,首先分析確定情景中的要素知識元及其相互作用關系;接著根據情景的信息實例化情景要素知識元,構建初始情景;最后,針對事件中信息不確定的問題,通過模糊推理方法進行情景推演分析.為簡化論述,本例中泥石流災害僅給出一條泥石流溝和兩處建筑物.如圖4所示,在事件影響區域sr內有一條泥石流溝,泥石流溝的下游有2處建筑物.根據事件的描述,可以抽取情景中的要素知識元:泥石流、泥石流溝以及建筑物共3個,用式(5)描述各要素知識元見表1,要素知識元屬性描述見表2(以泥石流知識元為例).

圖4 情景結構示意圖Fig.4 The structure diagram of scenario

表1 要素知識元表Table 1 Elements of knowledge unit table

表2 泥石流屬性知識元表Table 2 The attribute knowledge element table of debris

要素對象間相互作用關系的促發是推動情景演化的重要參數.本例中要素對象間相互作用關系主要包含泥石流與建筑物間作用關系和泥石流溝與泥石流間作用關系,為說明問題,本文以式(15)的泥石流與建筑間的作用關系為例,其他相關關系因篇幅所限,在此不再贅述.根據第2.3節要素對象間的關系描述,將泥石流與建筑物間的作用關系R13描述為

其中F表示泥石流沖擊力,g為重力加速度,α為房屋受力面與泥石流沖擊力方向夾角,σ為建筑物形狀系數,γc為泥石流重度、Vc為泥石流流速,Fmax表示攔擋壩最大抗沖擊力,sd表示建筑物狀態,即是否倒塌.

結合當前情景信息將要素知識元實例化為要素對象,構建初始情景S0,記為

假設初始時刻t0泥石流位于A點,根據式(9)可知初始情景S0的關聯矩陣

當t1時刻,泥石流到達B點位置,利用模糊概率綜合評價方法將情景信息處理后為E={e1,e2,e3},其中e1=(泥石流速度快,0.69),e2=(泥石流重度大,0.54),e3=(泥石流與建筑物接觸面積大,0.8).

用式(19)計算匹配度m(ei,pi)[24]

其中∨為取大,則

同理,m(e2,p2)=0.806,m(e3,p3)=1,根據式(12)可得

顯然,MN(E,P)＞τ,模糊規則被激活,按式(14)可知房屋倒塌的可能性為=MN(E,P)∧θ=0.75.采用相同方法可得情景推演的效用矩陣.然后,通過如下的模糊推理算式得到下一個情景S1的關系矩陣

以此類推得到情景的關系矩陣不再變動,即情景演化結束.由推演結果可知,在t0時刻,泥石流移動到A點,與住房不滿足空間約束,所以關系矩陣M0的元素都是0,即泥石流未能沖毀建筑物;在t1時刻,泥石流到達B點,與房屋1滿足時空約束并激活相應的模糊規則R13,經計算可知,泥石流沖毀住房1的可能性是0.75;而泥石流與房屋2不滿足時空約束,故泥石流沖毀住房2的可能性依然是0.可見本方法推演結果是符合實際的,因此,通過本方法既可以輔助決策者在情景信息難以確定的情況下把握事件發展趨勢,同時也可以從微觀層面對情景結構和演化機理進行分析,做出及時科學的應對措施.

5 結束語

非常規突發事件的情景表示與推演分析是非常突發事件應對的基礎.情景的表示與推演一方面需要多領域、多學科知識的綜合支持,另一方面,非常規突發事件的性質決定了其情景構建與推演分析所依據的信息通常具有不確定性.此外,若能從相對微觀視角刻畫非常規突發事件的情景構成及演化機理,將更有助于非常規突發事件的決策應對.而已有相關研究在上述幾方面仍有待進一步提升.

本文以知識元模型為基礎,從相對微觀的視角描述了情景構成要素及其間相互作用規律,給出了一種適用于演化分析的情景表示模型,解決了非常規突發事件情景構建中的多學科、多領域知識支持問題,并實現了對情景構成要素相對微觀的刻畫;基于該情景表示模型,提出了一種基于知識的情景模糊推演方法.通過知識元屬性間關系的不確定性推理得出情景推演的結果及其可能性,解決了非常規突發事件情景演化分析中的信息不確定性問題,并實現了對情景演化機理相對微觀的刻畫,有助于決策者對事件演化過程的深刻認知與把握,進而做出科學高效的應對決策.最后,通過算例分析證明了該方法的科學性與實用性.

本文提出的方法是對非常突發事件情景構建與推演研究的一次有益嘗試,其推演結論與知識元體系的完備程度以及模糊規則的作用閾值具有相關性.因此,知識元體系完備程度的刻畫、模糊規則合理作用閾值的選取以及推演結論的置信度分析還需進一步深入研究,這將在后續研究工作中給出.

[1]李仕明,劉娟娟,王 博,等.基于情景的非常規突發事件應急管理研究:“2009突發事件應急管理論壇”綜述.電子科技大學學報(社科版),2010,12(1):1–3. Li S M,Liu J J,Wang B,et al.Unconventional incident management research based on scenarios:“The First International Forumon Incident Management”(IFIM09)overview.Journal of University of Electronic Science and Technology of China(Social Sciences Edition),2010,12(1):1–3.(in Chinese)

[2]汪季玉,王金桃.基于案例推理的應急決策支持系統研究.管理科學,2003,16(6):46–51. Wang J Y,Wang J T.A study of emergency decision support system based on case-based reasoning.Management Sciceces in China, 2003,16(6):46–51.(in Chinese)

[3]裘江南,王延章,董磊磊,等.基于貝葉斯網絡的突發事件預測模型.系統管理學報,2011,20(1):98–103. Qiu J N,Wang Y Z,Dong L L,et al.A model for predicting emergency event based on bayesian networks.Journal of Systems& Management,2011,20(1):98–103.(in Chinese)

[4]裘江南,劉麗麗,董磊磊.基于貝葉斯網絡的突發事件鏈建模方法與應用.系統工程學報,2012,27(6):739–750. Qiu J J,Liu L L,Dong L L.Modeling method and application of emergent event chain based on bayesian networks.Journal of Systems Engineering,2012,27(6):739–750.(in Chinese)

[5]楊保華,方志耕,劉思峰,等.基于GERTS網絡的非常規突發事件情景推演共力耦合模型.系統工程理論與實踐,2012,32(5): 963–970. Yang B H,Fang Z G,Liu S F,et al.Model of co-coupling in unconventional incidents based on GERTS network.Systems Engineering:Theory&Practice,2012,32(5):963–970.(in Chinese)

[6]陳長坤,孫云鳳,李 智.冰雪災害危機事件演化及衍生鏈特征分析.災害學,2009,24(1):18–21. Chen C K,Sun Y F,Li Z.Characteristic analysis of evolution and derivation chain of risk event caused by snow and ice disasters. Journal of Catastrophology,2009,24(1):18–21.(in Chinese)

[7]劉鐵民.重大事故動力學演化.中國安全生產科學技術,2007,2(6):3–6. Liu T M.Dynamic evolution of major accidents-concepts and rudiments.Journal of Safety Science and Technology,2007,2(6):3–6. (in Chinese)

[8]韓傳峰,王興廣,孔靜靜.非常規突發事件應急決策系統動態作用機理.軟科學,2009,23(8):50–53. Han C F,Wang X G,Kong J J.Dynamci mechanism of unconventional emergency decision-making system.Soft Science,2009, 23(8):50–53.(in Chinese)

[9]Zheng X,Li W,Guan C.Simulation of evacuation processes in a square with a partition wall using a cellular automaton model for pedestrian dynamics.Physica A:Statistical Mechanics and its Applications,2010,389(11):2177–2188.

[10]余 雷,薛惠鋒,高曉燕,等.基于元胞自動機的傳染病傳播模型研究.計算機工程與應用,2007,43(2):196–198. Yu L,Xue H F,Gao X Y,et al.Epidemic spread model based on cellular automaton.Computer Engineering and Applications,2007, 43(2):196–198.(in Chinese)

[11]楊 青,楊 帆.基于元胞自動機的突發傳染病事件演化模型.系統工程學報,2012,27(6):727–738. YangQ,YangF.Emergencyepidemicsspreadmodelusingcellularautomata.JournalofSystemsEngineering,2012,27(6):727–738. (in Chinese)

[12]Raman M.Claremont colleges emergency preparedness:An action research initiative.Systemic Practice and Action Research,2006, 19(3):253–271.

[13]王慶全,榮莉莉,于 凱.應急決策知識發現的推理方法研究.運籌與管理,2010,19(1):21–29. Wang Q Q,Rong L L,Yu K.A knowledge reasoning method for emergency decision-making knowledge discovery.Operations Research and Management Science,2010,19(1):21–29.(in Chinese)

[14]溫 立.基于本體的應急決策知識模型研究.大連:大連理工大學,2008. Wen L.The Study of Ontology for Knowledge Model based on Emergency Decision-making.Dalian:Dalian University of Technology,2008.(in Chinese)

[15]王延章.模型管理的知識及其表示方法.系統工程學報,2011,26(5):291–297. Wang Y Z.Knowledge and representation of model management.Journal of Systems Engineering,2011,26(5):291–297.(in Chinese)

[16]陳雪龍,董恩超,王延章,等.非常規突發事件應急管理的知識元模型.情報雜志,2011,30(12):22–26. Chen X L,Dong E C,Wang Y Z,et al.Knowledge unit model for emergency management of unconventional incident.Journal of Intelligence,2011,30(12):22–26.(in Chinese)

[17]姜 卉,黃 鈞.罕見重大突發事件應急實時決策中的情景演變.華中科技大學學報(社會科學版),2009,23(1):104–108. Jiang H,Huang J.The study on the issues of scenario evolvement in real time decision making of infrequent fatal emergencies. Journal of Huazhong University of Science and Technology(Social Sciences Edition),2009,23(1):104–108.(in Chinese)

[18]仲秋雁,郭艷敏,王 寧,等.基于知識元的非常規突發事件情景模型研究.情報科學,2012,30(1):115–120. Zhong Q Y,Guo Y M,Wang N,et al.Research on unconventional emergency scenario model based on knowledge element.Information Science,2012,30(1):115–120.(in Chinese)

[19]王顏新,李向陽,徐 磊.突發事件情境重構中的模糊規則推理方法.系統工程理論與實踐,2012,32(5):954–962. Wang Y X,Li X Y,Xu L.Fuzzy rules reasoning method in emergency context reconstruction.Systems Engineering:Theory& Practice,2012,32(5):954–962.(in Chinese)

[20]徐洪學,郭秀英,劉永賢.基于RBAC的具有時空約束的工作流授權模型.東北大學學報(自然科學版),2006,27(2):217–220. Xu H X,Guo X Y,Liu Y X.Temporarily-Spatially constrained workfow authorization model based on RBAC.Journal of Northeastern University:Natural Science,2006,27(2):217–220.(in Chinese)

[21]胡向德,王根龍,趙 成,等.舟曲“8.8”三眼峪特大泥石流特征值分析.西北地質,2011,44(3):44–52. Hu X D,Wang G L,Zhao C,et al.Analyses of characteristic values for Sanyanyu debris fow in zhouqu county on August 8,2010. Northwestern Geology,2011,44(3):44–52.(in Chinese)

[22]郭萬銘,焦金魚.基于模糊綜合評判法分析的岷縣洮河流域單溝泥石流危險性評價.地質災害與環境保護,2010,21(2): 15–18. Guo W M,Jiao J Y.Hazard assessment of single gullly debris fows in the Taohe river valley of Min County based on fuzzy comprehensive evaluation method.Journal of Geological Hazards and Environment Preservation,2010,21(2):15–18.(in Chinese)

[23]劉章軍.基于模糊概率方法的泥石流危險性評價.三峽大學學報(自然科學版),2007,29(4):295–298. Liu Z J.Debris fow danger evaluation based on fuzzy probability method.Journal of China Three Gorges University(Natural Sciences Edition),2007,29(4):295–298.(in Chinese)

[24]Yeung D S,Tsang E C C.Improved fuzzy knowledge representation and rule evaluation using fuzzy petri nets and degree of subsethood.International Journal of Intelligent Systems,1994,9(12):1083–1100.

Fuzzy inference method for unconventional events scenarios based on knowledge unit

Zhang Lei,Wang Yanzhang,Chen Xuelong
(School of Management Science and Engineering,Dalian University of Technology,Dalian 116024,China)

In view of the lack of interdisciplinary knowledge support and microscopic analysis in scene expression of unconventional emergencies,this paper proposes a scenario representation model based on the knowledge unit model and the micro-analysis of scenarios factors and their interactions.In view of the uncertainty of information in scenarios inference,a fuzzy inference method is introduced.This method constructs the fuzzy rules on the basis of the interaction between knowledge units,matches the uncertainty information with the fuzzy rules,and then estimates the results and probability of scenarios inference which can provide the basis for decision making.Finally,the Zhouqu debris fow event is given as an example to testify the feasibility and practicability of the proposed method.

knowledge element;unconventional emergencies;scenario;fuzzy inference

C934;N949

A

1000-5781(2016)06-0729-10

10.13383/j.cnki.jse.2016.06.002

張 磊(1989—),男,山西高平人,博士生,研究方向:應急管理,Email:zhang2007dlut@mail.dlut.edu.cn;

2014-03-25;

2014-08-15.

國家自然科學基金資助項目(71203019;71533001);高等學校博士學科點專項科研基金資助項目(201100411-20028);教育部人文社科基金青年資助項目(11YJC630023);遼寧社科規劃基金資助項目(L13DGL061);中央高校基本科研業務費資助項目(DUT14RW108).

王延章(1952—),男,遼寧開原人,博士,教授,研究方向:應急管理,系統工程,Email:yzwang@dlut.edu.cn;

陳雪龍(1978—),男,吉林白山人,博士,副教授,研究方向:應急管理,決策支持系統,Email:chenxl_dg@dlut.edu.cn.