基于案例推理的燃?xì)馔话l(fā)事件應(yīng)急決策方法研究

摘" 要： 為提高燃?xì)馔话l(fā)事件應(yīng)急處置能力，提出基于案例推理技術(shù)的燃?xì)馔话l(fā)事件應(yīng)急決策方法。首先，在分析燃?xì)馔话l(fā)事件應(yīng)急決策關(guān)鍵因素的基礎(chǔ)上，提取案例特征屬性，應(yīng)用框架表示法進(jìn)行案例表示;其次，通過層次分析法，局部相似度計算模型、結(jié)構(gòu)相似度計算模型以及全局相似度計算模型等建立基于案例推理的燃?xì)馔话l(fā)事件應(yīng)急決策方法;最后，通過源案例和目標(biāo)案例進(jìn)行分析，并開發(fā)圖形化信息系統(tǒng)，便于計算和決策。結(jié)果證明所提方法在燃?xì)馔话l(fā)事件應(yīng)急輔助決策應(yīng)用方面具有實際意義。

關(guān)鍵詞： 應(yīng)急方法; 燃?xì)馔话l(fā)事件; 應(yīng)急輔助決策; 案例推理; 相似度計算模型; 案例分析

中圖分類號： TN911.1?34; TP182" " " " " " " " " " "文獻(xiàn)標(biāo)識碼： A" " " " " " " " " 文章編號： 1004?373X（2019）21?0157?06

Abstract： In order to improve the disposal capacity of gas emergencies， the burst accident decision?making method for gas emergency based on case?based reasoning is proposed. On the basis of analyzing the key factors of gas emergency decision?making， the characteristic attributes of cases are extracted. The frame representation method for case representation is adopted. And then the gas emergency decision?making method based on case?based reasoning method is established by means of the analytic hierarchy process， local similarity calculation model， structural similarity calculation model and global similarity calculation model. Finally， the actual cases are analyzed by selecting source cases and target cases， and the graphical information system is developed to facilitate calculation and decision?making. The results show that the method has practical significance in the application of gas emergency assistance decision?making.

Keywords： emergency method; gas emergency; emergency aid decision?making; case?based reasoning; similarity calculation model; case analysis

0" 引" 言

燃?xì)庾鳛榍鍧嵞茉唇o人們的生產(chǎn)生活帶來了極大的便利，同時也帶來了安全問題，國內(nèi)外燃?xì)馐鹿蕦覍野l(fā)生。當(dāng)燃?xì)馐鹿拾l(fā)生時，需要迅速做出決策，及時、正確地進(jìn)行應(yīng)急處置。然而目前，應(yīng)急搶修工作采用分級指揮的工作模式，同時對于各級應(yīng)急指揮員來說，也存在著決策壓力大，決策主要依靠現(xiàn)場搶修人員的經(jīng)驗等問題。而快速決策、熟練處置是挽救生命財產(chǎn)損失的迫切需求。因此，研究燃?xì)馔话l(fā)事件應(yīng)急管理先進(jìn)輔助決策技術(shù)和理論方法，促進(jìn)燃?xì)鈶?yīng)急決策智能化發(fā)展成為亟待解決的問題。本文提出將案例推理技術(shù)（Case?based Reasoning，CBR）應(yīng)用于燃?xì)馔话l(fā)事件應(yīng)急決策中，目前，案例推理技術(shù)在突發(fā)事件應(yīng)急決策中應(yīng)用廣泛，但在燃?xì)馔话l(fā)事件應(yīng)急決策中從未應(yīng)用。

1" 基于案例推理的燃?xì)鈶?yīng)急決策

人類在認(rèn)識新事物時，總會習(xí)慣將新事物與以往類似事物進(jìn)行類比，通過比較來不斷認(rèn)識新事物，在決策過程中也存在這樣的現(xiàn)象。案例推理技術(shù)是人工智能領(lǐng)域中的一種知識推理方法，即把當(dāng)前所面臨的問題或情況稱為目標(biāo)案例，而把記憶的問題或情況稱為源案例，基于案例推理就是由目標(biāo)案例的提示獲得記憶中的源案例，并由源案例指導(dǎo)目標(biāo)案例求解的一種策略[1]。本文首先提取燃?xì)馐鹿拾咐卣鲗傩裕枋鋈細(xì)馐鹿侍卣鲗傩灾饕腥齻€方面：事故基本信息，包括響應(yīng)等級、事故類型、現(xiàn)象等;環(huán)境狀況，包括事發(fā)位置、周邊是否聚居民、周邊是否有公共建筑物等;故障點信息，包括部位、原防腐層類型、管材等。決策者將目標(biāo)案例與源案例的特征屬性相匹配并進(jìn)行相似度計算，選取最相似案例作為目標(biāo)案例的參考案例制定決策方案。

2" 燃?xì)馔话l(fā)事件案例表示

案例表示就是將以往的案例以有結(jié)構(gòu)、有組織、方便檢索的形式存儲在數(shù)據(jù)庫中。對案例的表示其實就是對知識的表示。知識表示方法中，目前使用較多的有框架表示法、產(chǎn)生式表示法、狀態(tài)空間表示法、一階謂詞邏輯表示法、語義網(wǎng)絡(luò)表示法和面向?qū)ο蟊硎痉╗2]。本文采用框架表示法，框架表示法是以框架理論為基礎(chǔ)的，將陳述性和過程性知識相結(jié)合的一種結(jié)構(gòu)化的知識表示方法。它通常由若干個槽組成，一個槽用于描述一個屬性，由一個槽值或若干個側(cè)面組成，一個側(cè)面可以包含若干個側(cè)面值。案例主要由描述性知識構(gòu)成，因此可以采用框架表示案例結(jié)構(gòu)[3]。

案例表示一般有3個主要組成部分：

1） 問題或情景描述，即案例發(fā)生時要解決的問題及周圍世界的狀態(tài)特征;

2） 解決方案，即對問題的解決方案;

3） 結(jié)果，即執(zhí)行解決方案后導(dǎo)致的結(jié)果[4]。

通過歸納總結(jié)對燃?xì)馐鹿拾咐膯栴}或情景描述，應(yīng)用框架表示法表示如表1所示。

3" 燃?xì)馔话l(fā)事件案例檢索

當(dāng)燃?xì)馐鹿拾l(fā)生時，通過提取當(dāng)前事故案例即目標(biāo)案例的特征屬性，在案例庫中查找與目標(biāo)案例最相似的源案例，從而將源案例的決策方案作為當(dāng)前案例的參考方案，即燃?xì)馔话l(fā)事件案例檢索。案例檢索包括各特征屬性的權(quán)重計算和各特征屬性的相似度計算兩個關(guān)鍵問題。

3.1" 權(quán)重計算

根據(jù)上述對案例屬性體系的描述可知，燃?xì)馐鹿拾咐啥喾N特征屬性構(gòu)成，然而各特征屬性對燃?xì)馐鹿侍幹玫挠绊懗潭炔煌虼诵枰_定各特征屬性的權(quán)重，本文采用層次分析法（Analytic Hierarchy Process，AHP）[5]計算特征屬性權(quán)重。

層次分析法確定屬性權(quán)重計算步驟如下：

1） 建立層次結(jié)構(gòu)模型

以燃?xì)馔话l(fā)事件為例，建立層次結(jié)構(gòu)模型如圖1所示。

2） 構(gòu)造判斷矩陣

根據(jù)每個特征屬性的相對重要程度確定判斷矩陣[A]，判斷矩陣形式如下：

式中[aij]表示兩因素[Pi]與[Pj]比較而得到的相對重要程度，其值由標(biāo)度表2確定。

根據(jù)圖1所示的層次結(jié)構(gòu)模型，通過調(diào)查問卷專家打分的方法得出各判斷矩陣。以描述燃?xì)馔话l(fā)事件的3個一級特征屬性，即事故基本信息、環(huán)境狀況、故障點信息為例，列出判斷矩陣[A]。

③ 進(jìn)行一致性判斷。當(dāng)[n=1]或2時，判斷總具有一致性，不必檢驗;當(dāng)[n=]3，4，…時，[CRlt;0.1]時，可以認(rèn)定指標(biāo)權(quán)重符合一致性要求;當(dāng)[CR≥0.1]時，則指標(biāo)權(quán)重不滿足一致性要求，應(yīng)予以調(diào)整或舍棄。

根據(jù)上述步驟計算得各權(quán)重系數(shù)如表3所示，一級屬性[CR=0.007" 9lt;0.1]，二級屬性[CR]依次為0.045 4，0.026 7，0.049 7，均小于0.1，認(rèn)定指標(biāo)權(quán)重均符合一致性要求。

3.2" 相似度計算

本文采用最近鄰法進(jìn)行案例檢索，即求得目標(biāo)案例與源案例的各個特征屬性匹配程度，進(jìn)而從案例庫中找出與目標(biāo)案例距離最近的案例方法。通過計算目標(biāo)案例與源案例的相似度找出與目標(biāo)案例距離最近的源案例，為了使相似度計算更加準(zhǔn)確，本文分為三步計算案例的相似度：首先，計算局部特征屬性相似度;其次，計算案例間結(jié)構(gòu)相似度;最后，綜合兩者的計算結(jié)果得出全局相似度。

根據(jù)上述對案例屬性體系的描述可知，案例屬性具有4種類型，即數(shù)值型、有序枚舉型、無序枚舉型以及模糊型。因此，對不同類型的屬性值需采用不同的相似度計算方法。

1） 局部相似度計算

① 數(shù)值型。這類屬性運用加權(quán)的Hamming距離反函數(shù)方法來計算，具體公式如下：

式中：[sim（Xi，Yi）] 表示目標(biāo)案例[X]和源案例[Y]的第[i]個屬性的相似度;[Xi]，[Yi]分別表示案例[X]和[Y]的第[i]個屬性的值;[max（i）]和[min（i）]分別表示第[i]個屬性的最大值和最小值。

② 有序枚舉型。該類屬性具有一定的排列等級，如響應(yīng)等級。采用如下相似度計算式：

式中[g]為屬性[i]取值的等級個數(shù)。

③ 無序枚舉型。該類屬性在無排序的屬性集合中取值，應(yīng)用Jaccard相似系數(shù)計算相似度[6]，計算公式為：

式中分子和分母分別為[Xi]，[Yi]交集和并集的個數(shù)。

④ 模糊型。對于模糊型屬性采用三角模糊數(shù)[7]表示，采用Wasserstein距離式[8]演化的方法計算屬性間相似度，如式（11）所示：

定義1：設(shè)語言集[I={I0，I1，…，Ik，…，It}]為一組有序的語言評價值，則其中[Ik]的三角模糊數(shù)表示為[k-1t，kt，k+1t（k≠0，t）]。特別地[9]，當(dāng)[k=0]時，[I0=0，0，1t]，當(dāng)[k=t]時，[It=t-1t，1，1]。

根據(jù)定義1可知，語言集可表示為：

輕微=[0，0，13]，較嚴(yán)重=[0，13，23]，嚴(yán)重=[13，23，1]，極嚴(yán)重=[23，1，1]。

2） 結(jié)構(gòu)相似度計算

在案例相似度計算過程中，目標(biāo)案例[X]與源案例[Y]屬性值可能存在空值情況，可以計算兩者的結(jié)構(gòu)相似度[10]。計算過程如下：

① 集合[M]={[X]中屬性值不為空的屬性指標(biāo)};

② 集合[N]={[Y]中屬性值不為空的屬性指標(biāo)};

③ 集合[P=M?N]，集合[Q=M?N]（其中[X]集合的元素個數(shù)為[m]，[Y]集合的元素個數(shù)為[n]）;

④ [W1=i=1mwi]，表示集合[P]中的屬性權(quán)重之和;

⑤ [W2=j=1nwj]，表示集合[Q]中的屬性權(quán)重之和;

⑥ 結(jié)構(gòu)相似度可以表示為：[S=W1W2]。

3） 全局相似度計算

通過以上方法分別求出兩個案例的局部相似度和結(jié)構(gòu)相似度[S]，在此基礎(chǔ)上可以計算全局相似度，計算式如下：

式中：[sim（X，Y）] 為目標(biāo)案例[X]和源案例[Y]的全局相似度;[S]為結(jié)構(gòu)相似度;[sim（Xij，Yij）] 為目標(biāo)案例[X]一級屬性[i]下二級屬性第[j]指標(biāo)與源案例[Y]一級屬性[i]下二級屬性第[j]指標(biāo)的局部相似度;[wi]為第[i]個屬性的權(quán)重;[wij]為屬性[i]下[j]指標(biāo)權(quán)重;[n] 為一級屬性的個數(shù);[m]為一級屬性[i]的二級屬性個數(shù)。

4" 案例分析

以真實燃?xì)馐鹿拾咐秊槔旅姘咐鼵1、案例C2、案例C3作為源案例，案例D為目標(biāo)案例，各案例屬性值如表3所示。根據(jù)上述局部相似度計算方法，計算屬性值不為空的目標(biāo)案例與各源案例局部相似度，如表4所示。經(jīng)計算目標(biāo)案例與各源案例的結(jié)構(gòu)相似度和全局相似度計算結(jié)果如表5所示。

由表4可知，目標(biāo)案例D與源案例C2在事故類型、現(xiàn)象、死亡人數(shù)、受傷人數(shù)、事發(fā)位置、周邊是否聚居民、周邊是否有公共建筑物、用戶類型、壓力級制、管材、原防腐層類型多達(dá)11項屬性上完全相同。而與案例C3有7項，與案例C1只有4項相同。只在個別屬性上案例C1和案例C3的相似度大于案例C2，因此案例C2更相近于目標(biāo)案例，實際情況與計算結(jié)果相符。因此，可將案例C2的應(yīng)急決策方案作為目標(biāo)案例的應(yīng)急決策參考方案。

由表5可知，[sim（D，C2）gt;sim（D，C3）gt;sim（D，C1）]，故目標(biāo)案例D與源案例C2問題或情景描述最相似，因此可用案例C2的應(yīng)急決策方案作為目標(biāo)案例D的應(yīng)急決策參考方案。

根據(jù)案例表示和案例檢索方法，為了便于計算和決策，以Pycharm為開發(fā)平臺，設(shè)計一個相似度計算的圖形化信息系統(tǒng)，輸入各特征屬性，可計算得出目標(biāo)案例與源案例的相似度，其操作簡單，計算快速準(zhǔn)確。界面展示如圖2所示。

5" 結(jié)" 語

針對燃?xì)馔话l(fā)事件應(yīng)急決策的實際需求，本文將案例推理技術(shù)應(yīng)用于燃?xì)馔话l(fā)事件應(yīng)急決策中。提取燃?xì)馐鹿拾咐卣鲗傩裕芯繉哟畏治龇ā⑾嗨贫扔嬎隳Ｐ偷龋⒘嘶贑BR方法的燃?xì)馔话l(fā)事件應(yīng)急決策方法。并通過實際案例分析，證明該方法可行有效。這種基于案例相似度計算的方法全面考慮了燃?xì)馐鹿实奶卣鲗傩裕治鲇绊懭細(xì)鈶?yīng)急決策的關(guān)鍵因素，針對新的燃?xì)馔话l(fā)事件，可從既有的應(yīng)急處置預(yù)案中得到當(dāng)前應(yīng)急決策所需的有利方案。該方法在燃?xì)馔话l(fā)事件應(yīng)急決策應(yīng)用方面具有實際意義。

參考文獻(xiàn)

[1] 劉曉琴.鐵路應(yīng)急管理輔助決策方法研究[D].北京：中國鐵道科學(xué)研究院，2017.

LIU Xiaoqin. Research on assistant decision?making method for railway emergency management [D]. Beijing： China Academy of Railway Sciences， 2017.

[2] 史建軍.基于案例推理技術(shù)的煤礦瓦斯爆炸事故安全預(yù)警系統(tǒng)研究[D].太原：太原科技大學(xué)，2016.

SHI Jianjun. Research on safety early warning system of coal mine gas explosion accident on CBR [D]. Taiyuan： Taiyuan University of Science and Technology， 2016.

[3] 于世浡，湯曉安，孔龍星，等.基于CBR的突發(fā)事件處置方案快速生成方法研究[J].現(xiàn)代電子技術(shù)，2014，37（10）：39?42.

YU Shibo， TANG Xiaoan， KONG Longxing， et al. Research on structuralization method for earthquake emergency cases under the condition of incompleteness information [J]. Modern electronics technique， 2014， 37（10）： 39?42.

[4] 黃超，黃全義，申世飛，等.突發(fā)事件案例表示方法[J].清華大學(xué)學(xué)報（自然科學(xué)版），2014（2）：149?152.

HUANG Chao， HUANG Quanyi， SHEN Shifei， et al. Representation of emergency case information [J]. Journal of Tsinghua University （Science and technology）， 2014（2）： 149?152.

[5] 閆倩.燃?xì)饩S搶修中的模擬演練和輔助決策關(guān)鍵因素及其相關(guān)性研究[D].北京：北京建筑大學(xué)，2015.

YAN Qian. The relationship study of key factors in simulation exercises and auxiliary decision?making on the gas emergency repairing [D]. Beijing： Beijing University of Civil Engineering and Architecture， 2015.

[6] 李磊，孟學(xué)雷，韋強，等.基于案例推理的鐵路行車事故應(yīng)急決策方法研究[J].鐵道學(xué)報，2014（11）：1?6.

LI Lei， MENG Xuelei， WEI Qiang， et al. Research on emergency decision making for railway traffic accidents based on case?based reasoning [J]. Journal of the China Railway Society， 2014（11）： 1?6.

[7] ZARANDI， M H F RAZAEE Z S， KARBASIAN M. A fuzzy case based reasoning approach to value engineering [J]. Expert systems with applications， 2011（8）： 9334?9339.

[8] 黃智力，羅鍵.三角模糊數(shù)型不確定多指標(biāo)決策的相似規(guī)劃模型及其應(yīng)用[J].系統(tǒng)工程與電子技術(shù)，2016（5）：1100?1106.

HUANG Zhili， LUO Jian. Similarity programming model for triangular fuzzy number?based uncertain multi?attribute decision making and its application [J]. Systems engineering and electronics， 2016（5）： 1100?1106.

[9] 鄭晶，王應(yīng)明，張愷.基于應(yīng)急決策視角的案例檢索及屬性權(quán)重確定方法[J].山東大學(xué)學(xué)報（理學(xué)版），2017（1）：56?64.

ZHENG Jing， WANG Yingming， ZHANG Kai. The method of case retrieval with determining case attribute weights based on emergency decision perspective [J]. Journal of Shandong University （Natural science）， 2017（1）： 56?64.

[10] 桂紅軍.煤礦事故應(yīng)急救援案例推理系統(tǒng)研究[D].西安：西安科技大學(xué)，2017.

GUI Hongjun. Study on coal mine accident emergency rescue case reasoning system [D]. Xi’an： Xi’an University of Science and Technology， 2017.