基于粒計算的非常規突發事件情景層次模型

陳雪龍，盧 丹，代 鵬

(大連理工大學管理與經濟學部，遼寧 大連 116024)

基于粒計算的非常規突發事件情景層次模型

陳雪龍，盧 丹，代 鵬

(大連理工大學管理與經濟學部，遼寧 大連 116024)

針對已有非常規突發事件情景表示模型與構建方法在支持多層次用戶過程中所表現出來的不足，本文首先給出情景要素的形式化表示；在此基礎上，給出基于粒計算非常規突發事件情景層次模型；給出情景泛化算法，實現低層次情景到高層次情景的泛化過程；最后通過一個算例探討模型的應用過程，并論證其科學性及可行性。研究結果表明，基于粒計算給出非常規突發事件情景層次模型，可有效實現基于復雜、不確定情景信息快速生成滿足不同層次應急管理用戶需求的不同粒度情景結構。

非常規突發事件；情景；情景層次模型；情景泛化；粒計算

1 引言

近年來，非常規突發事件頻發，不但威脅到人民的生命安全，還對經濟社會的發展造成了嚴重的損失[1]。較之傳統的突發事件來說，非常規突發事件前兆缺失，發生和演變機理復雜，直接及次生、衍生危害嚴重，使得非常規突發事件具有“情景依賴”特性，其應急管理模式正在發生從“預測-應對”到“情景-應對”的重大演變[2-3]。

非常規突發事件的應急管理過程中，情景是決策者賴以決策的基礎和依據。基于李仕明等[4]對非常規突發事件情景的闡述，本文認為非常規突發事件情景是在突發事件發生后，決策主體所正在面對的真實的境況，即任何能夠表示非常規突發事件當前所含實體特征的信息。針對非常規突發事件情景的表示、構建及其演化，國內外的眾多學者進行了深入的研究。Dettinger等[5]基于19世紀和20世紀的歷史數據，以加利福尼亞為背景構建了一個極端的冬季風暴情景。Rivas-Medina等[6]在觀測2011年洛爾卡地震數據的基礎之上，構建了一個損毀情景模型，從而為相似程度的地震提供處理依據。吳廣謀等[7]中認為某時刻的情景是各個情景要素在該時刻的狀態信息，而且在狀態信息的基礎上提取了對當前的一個狀態描述。仲秋雁等[8]通過情景元模型、情景概念模型以及情景概念模型的實例化來說明情景的構建過程。武旭鵬等[9]中對情景特征要素進行識別、區分及分類，并基于知識元模型完成對情景的規范化表示。劉奕等[10]針對突發事件案例分析問題提出了多維情景空間方法，以情景作為推演的基本單元，以要素作為情景表達的基本維度，建立多維空間坐標系統，從而將情景表達為多維情景空間中由若干個“點”構成的“軌跡”，實現對情景、情景相似度、情景推演的量化描述。劉德海等[11]將城市拆遷問題的演化博弈模型與不同對抗成本下的情景預設相結合，研究城市拆遷突發事件中地方政府和被拆遷戶之間博弈沖突多種情景下各種演化結果。有的學者通過構建GRETS網絡模型，判斷情景走向的概率來實現情景推演，主要是在宏觀上分析突發事件情景的發展，沒有在細粒度上觀察情景要素屬性狀態的變化[12-14]。Prakash等[15]基于光滑粒子流體動力學方法構建了洪水潰壩災害情景模型，綜合考慮壩體碎片、地形地勢等影響因素對洪水潰壩情景的影響。Hu等[16]融合隨機模型與多屬性效用評估對城市洪澇災害進行情景規劃。上述2方法精確的描述了情景狀態信息，為應急決策提供了較好支持，但卻較依賴數據統計信息，適用于特定類型的突發事件。王循慶[17]構建了震后次生災害預測隨機Petri網模型，實現震后次生災害演化情景的動態推演。該方法對事件情景進行了結構化描述及定量分析，但突發事件是多屬性集合，基于屬性關聯的Petri網模型在描述突發事件時容易變得很龐大，難以直觀進行應急決策分析，亦不宜即時構建。Li Jian等[18]構建了帶有循環鏈的災害因果關系演化網絡模型，通過對災害演化的動態分析，模擬了災害情景的演變過程。但其缺乏對事件結構化的描述，影響模型適用性。

以上研究從形式化表示視角給出了非常規突發事件的情景模型和構建方法，并從演化的視角對情景的走向進行了預測或概率分析。然而，非常規突發事件的應急管理通常需要多層次用戶的共同參與，高層決策者通常需要的是較為宏觀的對事件態勢總體情況的描述，而較低層次的用戶通常需要更為具體的現場信息。因此，情景信息應有粒度粗細之分，相應的情景表示模型也應具有為不同層次用戶提供不同粒度情景信息的能力，而現有研究均未從該視角審視非常規突發事件情景的表示與構建問題。

此外，由于非常規突發事件具有高度復雜、不確定的衍生及耦合等特性，其情景的表示與構建必然具有信息“過剩”(情景信息的多源、異構特性所致)、信息缺失及知識不完備(情景的復雜、不確定性所致)等特點，即其具有大數據處理特性。因此，當應用現有的理論、模型與方法構建面向多級用戶支持的非常規突發事件情景表示模型時，仍將存在巨大挑戰。

粒計算(Granular computing)是當前計算智能研究領域中模擬人類思維和解決復雜問題的新方法，廣泛應用于不確定、不精確、不完整信息的處理，是知識獲取與信息處理的有效工具[19-23]。粒計算通過簡化對物理世界和虛擬世界的認識，可高效提供“實用”的非精確解，近年來已成為一種發展迅速的大數據處理范式[24]。澳門大學陳俊龍[25]更是將粒計算列為駕馭大數據的第一方法。通過構建情景的不同層次粒結構，可使應急管理用戶在海量、不確定的情景信息中聚焦主要矛盾，降低事件處理的盲目性；輔以粒層間的相應計算，可得到適用于不同層次應急管理用戶的不同粒度情景知識或信息。因此，本文在非常規突發事件情景要素形式化表示的基礎上，基于粒計算相關理論給出非常規突發事件情景的層次模型，進而探討低層次情景到高層次情景的泛化算法，從而實現基于基本的情景信息生成適用于不同層次應急管理用戶的情景。

2 粒計算基礎

粒計算是在解決問題過程中使用“粒度”的所有理論、方法、技術和工具的“標簽”，其并不是具體的模型或方法，而是一種方法論[26]，包含了如詞計算、粗糙集、商空間、云模型、區間集、鄰域系統等諸多具體模型。

粒計算的基本組成主要包括3部分[27]：粒子、粒層和粒結構。粒子可被同時看作是由內部屬性描述的個體元素的集合，以及由它的外部屬性所描述的整體。對粒子進行“量化”時用粒度來反映粒化的程度。按實際需求的粒化準則得到的所有粒子的全體構成一個粒層。粒層的內部結構是指在該粒層上的各個粒子組成的論域的結構，即粒子之間的相互關系。粒計算模型的主要目標是能夠在不同粒層上進行問題求解，且不同粒層上的解能夠相互轉化。所有粒層之間的相互聯系構成一個關系結構，稱為粒結構。

粒計算中的2 個最基本問題為粒化和粒的計算[27]。粒化為在給定粒化準則下將問題空間中的個體聚集成不同粒子得到一個粒層的過程。粒的計算以粒子為運算對象進行問題的求解，包括同一粒層上粒子之間以及不同粒層上粒子之間的轉換或推理。

對于粒的表示、粒層及粒結構的生成以及粒的計算等，粗糙集、商空間、云模型等粒計算具體模型均從各自視角給出了相應的算子及計算過程，篇幅所限，不再贅述。

基于上述粒計算的基本思想及過程，本文結合非常規突發事件情景的特性，給出情景粒、情景粒層及情景粒結構的表示及構建過程(即粒化)；給出情景粒層的泛化算法，實現基于基本的情景信息生成不同粒度的情景粒層結構(即粒的計算)，從而滿足不同層次應急管理用戶對不同粒度情景的需求。

3 情景要素的形式化表示

構建非常規突發事件的情景，必須建立在對事件系統相關事物及其相互作用關系的有效認知基礎之上。將事件系統相關事物作為情景中的要素，可構成論域U，即情景要素的集合。論域U可表示如下：

U={u1,u2,…,un},n>0

?i,j∈{1,2,…,n}，ui≠uj

(1)

其中，ui為情景要素，是構成情景的不可再分或無需再分的基本單元。情景要素可從其屬性及其屬性間關系兩方面進行刻畫，形式化表示如下：

ui=(Ai,Ri)，ui∈U

(2)

Ri?Ai×Ai，

(3)

a=(pa,da,fa)，a∈Ai

(4)

(5)

4 基于粒計算的情景層次模型

基于論域U及情景要素的形式化表示，結合粒計算相關理論，可給出情景層次模型。

4.1 情景粒及情景粒層

定義1：情景粒。情景層次模型的基本構成要素稱為情景粒，表示為

g=(Ag,Rg,Pg,Xg)

(6)

其中，Ag為情景粒的屬性集，其元素的表示形式同式(4)；Rg為Ag×Ag上的屬性映射關系集，描述情景粒自身屬性狀態變化及相互作用關系，其元素的表示形式同式(5)；Xg為該情景粒的構成元素集合；Pg為對情景粒的描述，是情景粒中所含信息的展現途徑，由定義4及定義5予以具體刻畫。

情景要素作為情景的基本單元，構成了最基本的情景粒。對于情景要素ui構成的情景粒gi(i∈{1,2,…,n})，有Agi=Ai，Rgi=Ri，Xgi={ui}={gi}，|Xg|=1，即該情景粒由1個元素構成(|·|表示集合的基數)。所有的情景要素構成的情景粒的集合形成了情景的一個粒層，記為glk，k=1，表示粒層的層次。為便于后續探討，現給出情景粒層的形式化定義。

定義2：情景粒層。情景粒層是由粒化程度相同的情景粒及其間關系構成，用以支持某一層次的用戶。粒層glk表示為：

glk=(Gk,Rk)

(7)

其中，Gk={gi|i=1,2,…,n}，為構成粒層glk的情景粒集合，n>0為構成glk的情景粒個數；Rk={ri|i=1,2,…,m}，為粒層glk中所有情景粒屬性集之間的多元關系集，描述情景粒之間的相互作用關系，可用于支持情景的演化分析；m≥0為情景粒屬性集之間關系的個數。?ri∈Rk，ri?Ag1×Ag2×…×Agn，具體表示形式同式(5)。

情景粒的構成元素通常具有相同或相似的特性，而情景粒之間的結構較為疏松，表現為不同情景粒之間的低耦合性及同一情景粒內部的高內聚性。依該原則給出如下定理。

定理1：情景粒層的情景粒集合構成了情景的一個劃分。

證明：用數學歸納法予以證明。

上式中的函數getElementSet(Xgi)用于獲取集合Xgi所含最終情景要素的集合，鑒于情景粒的構成方式，其可通過遞歸方式實現，篇幅所限，不再贅述。

綜上，得證。

為刻畫定義2中所述情景粒的粒化程度，給出情景粒層的粒化度的概念。

定義3：情景粒層的粒化度。用以表示情景在該粒層上的抽象程度，表示為：

(8)

由該定義及情景粒的構成方式可知，層次越低，情景粒層的粒化度越小，相應的情景抽象程度越低；反之，則越高。

定理2：0≤D(glk)<1。

定義4：描述。對于情景粒g的任意屬性a∈Ag，v(a)表示a的取值，則稱(a,v(a))為g一個描述，記作ρ，即ρ=(a,v(a))。若屬性取值為空，則ρ=(a,null)。一般而言，情景粒需多個描述構成的描述集來表示。

定義5：描述集。情景粒g的多個描述構成的集合稱為g的描述集，記為P，即P={ρ1,ρ2,…,ρm}，m為情景粒g屬性的個數，ρi=(ai,v(ai))，ai∈Ag。

4.2 基于情景粒層的情景層次模型

基于情景粒層粒化度的大小，可給出粒層間的偏序關系，進而構成多層次情景模型，形式化表示如下：

SC=(GL,RSC)

(9)

若有?gli,gli+1∈GL，i∈{1,2,…,k-1}，D(gli)

(10)

(11)

(12)

至此，本節給出了情景層次模型的詳細刻畫，其形象示意如圖1所示。如果說情景是突發事件的真實映像，情景層次模型則是對這種映像在不同粒度上的、縱向上的有機組合。較高層次的情景由粒度較粗的情景粒構成，更側重在宏觀層面上去刻畫突發事件；而較低層次的情景粒度相對較細，更為適合刻畫突發事件的細節信息。

5 情景粒層的泛化算法

非常規突發事件發生時，最易獲得的情景信息通常是事件現場獲得的細節信息，而較高層次的用戶掌握的較為宏觀的信息通常由細節信息綜合、泛化、歸納而成。因此，本節基于前述對情景層次模型的探討，給出情景粒層的泛化算法，從而實現基于基本的情景信息生成適合于不同層次應急管理用戶的情景。

圖1 情景層次模型示意圖

情景泛化的本質是依據情景粒層間的層次結構及映射關系，基于最底層情景依次獲得較高層次情景信息的過程。將情景層次模型及最底層的情景信息作為輸入，經由泛化算法，輸出多層次的情景信息，即

類C語言偽代碼實現的泛化算法簡要表示如下。

voidScenario-Generalization( ){

initHSC( ); //構建初始的情景層次結構；對任意的情景粒屬性ai，有ρi=(ai,null)

instantiateBottomGL(G1,P*);//實例化最底層情景粒，即為情景粒屬性賦值

for(i=2;i<=k;i++){//生成情景粒層gli，k為情景粒層個數

for(s=1;s<=|Gi|;s++){//生成粒層gli的每一情景粒

for(s’=1;s’<=m;s′++){//對用于生成情景粒gs的映射集進行循環處理

flag=0;//設標志位

break;

flag=1; //存在空值的屬性，退出循環，置標志位

}

}

if(!flag)

}

}

}

}

算法中的關鍵變量命名同前述討論；initHSC、instantiateBottomGL、executeComputation等函數的功能具有自明性，且易于實現，篇幅所限，不再贅述。

可以看出上述算法的核心是判斷粒層間各映射的輸入屬性是否均被滿足，若滿足，則執行相應的映射運算，由較低層地的情景粒屬性值計算得到相應相鄰較高層次情景粒的屬性值；較高層次的情景粒屬性在獲得具體屬性值后，可進而通過相應的映射關系泛化得到其上一層次相應情景粒屬性值。循環往復，直至獲得最頂層情景粒的屬性值，從而獲得用于支持多級應急管理用戶的多層次情景信息。由于情景要素間、情景粒間以及不同粒層間映射涵蓋模糊、隨機或概率映射，該算法可有效應用于復雜、不確定情景信息的泛化過程。

6 算例分析

汶川地震是典型的非常規突發事件，其危害性不僅體現在地震本身，更體現在由地震引發的眾多次生災害上。2010年8月13日凌晨零點30分, 在持續強降雨作用下, 位于汶川地震重災區的四川省綿竹市清平鄉文家溝暴發特大泥石流災害, 泥石流沖塌綿遠河上游幸福大橋后, 將大橋整體推移到下游并堵塞老清平大橋，致使綿遠河堵塞、水位抬高、河水改道[28]。事故發生后，清平鄉應急部門立即組織相關村組進行轉移，并將救援情況及泥石流事故數據上報市級應急部門，市級應急部門在專家組的協助下分析相關數據，做出決策，同時將相關情況上報省級應急部門。本文以該泥石流災害及其應急處置過程為背景，從鄉鎮、市、省三個層次應急管理用戶的視角出發，詳細描述情景層次模型構建和具體的泛化過程，從而論證其有效性及科學性。

6.1 基本情景的描述

根據該泥石流災害及應急救援的實際情況，給出如圖2所示的情景簡要示意。泥石流災害M于泥石流溝D處引發，在溝口存在河流R，河流由北向南，在河流下游存在A和B兩個村莊，河流上游存在一個安置點S。以該情景為依據，抽取相關要素，構成論域U，即

U={泥石流溝D，泥石流M，河流R，村莊A，村莊B，安置點S}。

各情景要素的主要屬性如下[29-32]：

A泥石流溝D={流域面積,主溝長度,主溝流域相對高差,主溝平均坡度，黏粒含量}

A泥石流M={泥石流容重,泥石流流速,泥石流斷面積}

A河流R={河寬,河流流速,河流坡度,河流水深}

A村莊A={人數,位置,平均海拔}

A村莊B={人數,位置,平均海拔}

A安置點S={帳篷數量,飲用水量,安置人數}

圖2 泥石流災害情景示意圖

6.2 粒層的構建

表1 各粒層的情景粒集

6.3 粒層間映射的構建

依文獻[29-32]給出如表3所示的粒層間映射關系集。

6.4 情景粒層的泛化過程

基于前述構建的粒層結構，應用第5節給出的粒層泛化算法，可實現基于粒層gl1信息遞推獲得粒層gl2及gl3信息的過程。粒層gl2及gl3中情景粒描述集中的屬性值變化過程如表4所示。表中i、s及s’等變量的含義同算法Scenario-Generalization中的相應變量。

經過上述泛化過程，得到了G2、G3所含情景粒描述集中的非空屬性值，如表5所示。結合表1、表2中有關gl2的信息，最終形成了面向鄉鎮、市、省三個層次應急管理用戶的詳細情景信息。

6.5 泛化結果分析

算例針對泥石流災害，構建面向鄉鎮、市、省三個層次應急管理用戶的情景粒層，并基于該粒層實現情景間的泛化算法。算例結果及分析如下：

(1) 市級應急管理用戶得到情景信息包括：帳篷需求量為162.5頂、水需求量為13000kg，而當前可用帳篷量和可用水量分別為150頂和10000kg。該結果表明當前物資短缺，應向上級申請相關物資的調配，并且應對現有應急物資進行合理的分配。此外，由泛化過程可得到泥石流流量、泥石流最大堆積寬度、河流流量等與泥石流災害有關的重要信息，領域專家可據其對泥石流的發展態勢進行分析，進而給出合理化建議。

表2 各粒層的情景粒相互作用關系集

表3 粒層間映射關系集

表4 情景粒層泛化過程

表5 高層次情景中情景粒集

(2) 省級應急管理用戶得到的情景信息為：泥石流影響范圍為0.3733km2，堵塞河道系數為6.385，物資緊缺。由文獻[30]對泥石流影響范圍的界定及A、B村距離溝口的位置(約300m)可知，泥石流可能對兩村產生影響；另外，由于堵塞河道系數較大，泥石流很可能堵塞河道，上游水流聚集從而使河流向西改道，威脅到A、B村的安全。而在確定物資是否充足后，可針對物資調配問題進行相應的決策。

(3) 為簡要說明問題，本算例抽取了泥石流災害中的6個相關事物構成基本情景要素集，構建3個層次共10個情景粒的粒層結構，并對涉及到的17個映射關系進行詳細描述，一定程度上驗證了情景層次模型及情景層次泛化算法的有效性和科學性。由于本文給出的情景層次模型及相應的泛化算法并未對情景的類別與規模進行限定，因此，針對其他更加復雜的非常規突發事件，仍可應用本文的模型依據具體的需求設定合理的情景粒、粒層結構以及粒層間映射關系，并應用相應的算法實現情景的泛化。由于粒計算可在海量、不確定的情景信息中聚焦主要矛盾，一定程度上可在不影響推理計算質量的前提下降低情景的復雜性與不確定性，從而提升各類非常規突發事件情景泛化的效率。

7 結語

非常規突發事件的應急管理通常需要多層次用戶的共同參與，且情景是應急管理者賴以決策的依據。本文針對現有非常規突發事件情景表示與分析方法在支持多級應急管理用戶方面表現出來的不足，首先探討了情景要素的形式化表示；在此基礎上，基于粒計算相關理論給出了非常規突發事件情景的層次模型；通過構建低層次情景到高層次情景的泛化算法，實現了基于基本的情景信息生成可用于支持不同層次應急管理用戶的情景。文章的最后通過一個算例驗證了模型及方法的科學性及可行性。鑒于粒計算在大數據以及復雜、不確定性信息處理方面的優勢，本文給出的模型可有效實現基于復雜、不確定情景信息快速生成滿足不同層次應急管理用戶需求的不同粒度情景結構。

由于本文給出的情景層次模型及相應的泛化算法并未對情景的類別與規模進行限定，因此，對于其他更加復雜的非常規突發事件仍具一定的適用性。此外，情景層次模型及相應泛化算法的科學性依賴于粒層結構的合理性，包括情景粒的構成及粒層間映射的設定。因此，在模型的具體應用過程中，有效識別各級應急管理用戶的實際需求并獲取相對完備的底層基本的情景信息，是合理劃分情景的層次、清晰界定情景粒的構成元素及屬性集合、科學設定相鄰粒層間情景粒的映射關系的前提，也是本文模型及方法有效應用的必要條件。

本文給出的情景層次模型及相應的泛化算法解決了由底層基本情景信息生成較高層次情景信息的問題。然而，非常規突發事件的“情景應對”除了上述自下而上(Zoom-out)的情景信息搜集過程以外，還需要自上而下(Zoom-in)的應急處置指導過程，即將高層決策信息傳遞至底層決策方案實施層面的過程。這本質上是一個情景細化的過程。因此，非常規突發事件情景層次模型的細化機制及方法將是筆者后續的重點研究內容。

[1] 鐘永光,毛中根,翁文國，等.非常規突發事件應急管理研究進展[J].系統工程理論與實踐,2012,32(5):911-917.

[2] 華國偉,余樂安,汪壽陽.非常規突發事件特征刻畫與應急決策研究[J].電子科學大學學報(社科版),2011,13(2):33-36.

[3] 李仕明,劉娟娟,王博.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[J].電子科技大學學報(社科版),2010,12(1):1-3.

[4] 李仕明,張志英,劉樑，等.非常規突發事件情景概念研究[J].電子科技大學學報(社科版),2014,16(1):1-5.

[5]Dettinger M D, Ralph F M, Hughes M, et al. Design and quantification of an extreme winter storm scenario for emergency preparedness and planning exercises in California[J]. Natural Hazards, 2012, 60(3): 1085-1111.

[6] Rivas-Medina A, Martínez-Cuevas S, Quirós L E, et al. Models for reproducing the damage scenario of the Lorca earthquake[J]. Bulletin of Earthquake Engineering,2014,12(5): 2075-2093.

[7] 吳廣謀, 趙偉川, 江億平.城市重特大事故情景再現與態勢推演決策模型研究[J].東南大學學報(哲學社會科學版),2011,13(1):18-23.

[8] 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[J].情報科學,2012,30(1):115-120.

[9] 武旭鵬,夏登友,李健行.非常規突發事件情景描述方法研究[J].中國安全科學學報,2014,24(4):159-165.

[10] 錢靜,劉奕,劉呈，等.案例分析的多維情景空間方法及其在情景推演中的應用[J].系統工程理論與實踐,2015,35(10):2588-2595.

[11] 劉德海,韓呈軍,尹麗娟.城市拆遷群體性事件演化機理的多情景演化博弈分析[J].運籌與管理,2016,25(1):76-84.

[12] 方志耕,楊保華,陸志鵬，等.基于Bayes推理的災害演化GERT網絡模型研究[J].中國管理科學,2009,17(2):102-107.

[13] 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[J].系統工程理論與實踐,2012,32(5):963-967.

[14] 周愉峰,馬祖軍. 基于情景推演的地震災害演化動態GERT 網絡模型[J]. 自然災害學報,2012,22(3):68-75.

[15] Prakash M, Kai R, Cleary P W. Modelling the impact of dam failure scenarios on flood inundation using SPH[J]. Applied Mathematical Modelling, 2014, 38(23):5515-5534.

[16] Hu Shaolong, Han Chuanfeng, Meng Lingpeng. A scenario planning approach for propositioning rescue centers for urban waterlog disasters[J]. Computers & Industrial Engineering, 2015, 87:425-435.

[17] 王循慶. 基于隨機Petri網的震后次生災害預測與應急決策研究[J]. 中國管理科學, 2014，22(11)：159-165.

[18] Li Jian, Chen Changkun. Modeling the dynamics of disaster evolution along causality networks with cycle chains[J]. Physica A: Statistical Mechanics & Its Applications, 2014, 401:251-264.

[19] Yao Yiyu. Granular computing: Basic issues and possible solutions[C]//Proceedings of the 5th Joint Conference on Information Sciences. 2000, 1: 186-189.

[20] Skowron A, Stepaniuk J. Information granules: Towards foundations of granular computing[J]. International Journal of Intelligent Systems, 2001, 16(1): 57-85.

[21] Chen Guang, Zhong Ning, Yao Yiyu. A hypergraph model of granular computing[C]//Proceedings of the 2008. IEEE International Conference on. Granlar Computing,August 26-28, 2008: 130-135.

[22] Bargiela A, Pedrycz W. Toward a theory of granular computing for human-centered information processing[J]. IEEE Transactions on Fuzzy Systems, 2008, 16(2): 320-330.

[23] Yao Yiyu. Interpreting concept learning in cognitive informatics and granular computing[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part B(Cybernetics), 2009, 39(4): 855-866.

[24] 徐計,王國胤,于洪.基于粒計算的大數據處理[J].計算機學報,2015,38(8):1497-1517.

[25] Chen C L P, Zhang Chunyang. Data-intensive applications, challenges, techniques and technologies: A survey on big data[J]. Information Sciences, 2014,275:314-347.

[26] 苗奪謙,李德毅,姚一豫,等.不確定性與粒計算[M].北京:科學出版社,2011.

[27] 王國胤,張清華,胡軍.粒計算研究綜述[J].智能系統學報,2007,2(6):8-26.

[28] 余斌,馬煜,吳雨夫.汶川地震后四川省綿竹市清平鄉文家溝泥石流災害調查研究[J].工程地質學報, 2010, 18(6): 827-836.

[29] 馬歡,張紹和,劉卡偉.泥石流運動參數的計算方法[J].西部探礦工程,2010,22(6): 122-125.

[30] 劉希林,唐川,朱靜,等.泥石流危險范圍的流域背景預測法[J].自然災害學報,1992,1(3): 56-67.

[31] 張金山,謝洪.岷江上游泥石流堵河可能性的經驗公式判別[J].長江流域資源與環境,2008, 17(4): 651-655.

[32] 聶高眾,高建國,蘇桂武,等.地震應急救助需求的模型化處理[J].資源科學,2001,23(1): 69-76.

Hierarchical Scenario Model of Unconventional Emergency Based on Granular Computing

CHEN Xue-long，LU Dan，DAI Peng

(Faculty of Management and Economics，Dalian University of Technology，Dalian 116024，China)

To cover the shortages of existent scenario representation models and scenario construction methods for unconventional emergency in being used to support multi-level emergency management personnel, the formal representation of scenario elements is discussed firstly. Then, the hierarchical scenario model of unconventional emergency based on granular computing is proposed. Afterwards, the scenario generalization algorithm is put forward to realize the scenario generalization processes from low-level scenarios to up-level scenarios. In the end, an example is analyzed to illustrate the application process and to prove the scientificalness and the feasibility of the proposed model. The results show that the hierarchical scenario model of unconventional emergency based on granular computing can generate scenario structures of different granularities which can be used to support multi-level emergency management personnel on the basis of complex and uncertain scenario information.

unconventional emergency; scenario; hierarchical scenario model; scenario generalization; granular computing

1003-207(2017)01-0129-10

10.16381/j.cnki.issn1003-207x.2017.01.014

2015-08-28；

2016-06-02

國家自然科學基金資助項目(71203019，71533001)；遼寧省社科規劃基金資助項目(L13DGL061)；遼寧經濟社會發展立項課題(2016lslktziglx-05)；國土資源部黃土地質災害重點實驗室開放基金(KLGLAMLR201602)

陳雪龍(1978-)，男(漢族)，吉林白山人，大連理工大學管理與經濟學部，博士，副教授，研究方向：應急管理與知識管理，E-mail:chenxl_dg@dlut.edu.cn.

X913.4

A