面向突發(fā)事件應(yīng)急決策的情景建模方法

張 磊,王延章,陳雪龍,王 寧

(大連理工大學(xué)信息與決策技術(shù)研究所,遼寧大連116024)

1 引 言

非常規(guī)突發(fā)事件是指前兆不充分,具有明顯復(fù)雜性特征和潛在次生衍生危害,破壞性嚴(yán)重,采用常規(guī)的管理方式難以應(yīng)對(duì)處置的突發(fā)事件,其應(yīng)急管理是一個(gè)開放的復(fù)雜巨系統(tǒng),具有多主體、多因素和多尺度及多變性的特征,決策者需依據(jù)事件實(shí)時(shí)情形做出科學(xué)地應(yīng)對(duì)[1,2].傳統(tǒng)的“預(yù)測—應(yīng)對(duì)”決策范式難以應(yīng)對(duì)處置,必須采用“情景—應(yīng)對(duì)”型決策范式.而情景是決策者進(jìn)行決策應(yīng)對(duì)的依據(jù)和基礎(chǔ),因此,如何對(duì)非常規(guī)突發(fā)事件的情景進(jìn)行建模成為“情景—應(yīng)對(duì)”理論研究的重要內(nèi)容之一.

非常規(guī)突發(fā)事件情景是人類對(duì)事件與外界環(huán)境以及事件之間作用影響關(guān)系的描述,具有系統(tǒng)性特征.情景可以通過深入分析情景的要素進(jìn)行更細(xì)致的刻畫[3].王等[4]將情景的結(jié)構(gòu)要素分為致災(zāi)因子、承災(zāi)體和孕災(zāi)環(huán)境,陳等[5]在此基礎(chǔ)上將突發(fā)事件的應(yīng)急活動(dòng)加入情景表示中,運(yùn)用分層遞階結(jié)構(gòu)對(duì)情景的要素進(jìn)行層次劃分并構(gòu)建了情景的層次表示模型.情景是決策者應(yīng)對(duì)非常規(guī)突發(fā)事件時(shí)所面臨的真實(shí)情況,仲等人[6]以承災(zāi)體為例探討了情景模型實(shí)體化的約束問題,解決了情景生成過程中數(shù)據(jù)不合理以及缺失補(bǔ)償?shù)膯栴},對(duì)非常規(guī)突發(fā)事件的真實(shí)情景的模擬仿真奠定了基礎(chǔ).

情景隨著時(shí)間不斷變化,情景按照事件發(fā)展規(guī)律和外界干擾下產(chǎn)生新的情景的過程稱為情景的演變[7].Yang等[8]將情景演化的過程劃分初始情景向中間情景演化和中間情景向發(fā)展情景演化兩個(gè)階段.分析情景的演化過程就是結(jié)合定量分析方法和定性分析方法分析推演情景的要素在未來可能處于的狀態(tài)[9].針對(duì)非常規(guī)突發(fā)事件演變不確定性以及應(yīng)對(duì)復(fù)雜性等特征,李等[10]基于突發(fā)事件的結(jié)構(gòu)化描述框架和相關(guān)案例分析將突發(fā)事件的發(fā)展演化方式總結(jié)為四種：直鏈?zhǔn)窖莼绞?、發(fā)散式演化方式、集中式演化方式和循環(huán)式演化方式.Durak等[11]從模型驅(qū)動(dòng)工程角度出發(fā),將情景演化的過程理解成一系列的模型變換過程;Ahmed等[12]從知識(shí)工程視角出發(fā),將情景演化的過程看作是知識(shí)、模型、數(shù)據(jù)的綜合集成過程;盛等[13]從系統(tǒng)復(fù)雜性、開放式預(yù)先設(shè)想以及序貫性三個(gè)角度綜合分析情景的演化機(jī)理,構(gòu)建了突發(fā)事件情景演化系統(tǒng)模型.上述研究從不同角度對(duì)非常規(guī)突發(fā)事件的情景模型研究提供了很好的基礎(chǔ)和思路,但其主要側(cè)重從宏觀角度定性地分析非常規(guī)突發(fā)事件的情景及其演化過程,缺乏數(shù)據(jù)支撐的定量分析模型,難以滿足決策者實(shí)時(shí)把握情景的需求.為了解決該問題,國內(nèi)外學(xué)者嘗試將一些定量分析方法集成到情景模型的研究中.如劉等[14]將社會(huì)演化理論與病毒傳播的自然機(jī)理融合起來,利用演化博弈理論仿真不同情景下疫情的傳播過程;Abdalla等[15]基于WebGIS提出了一種情景模型的構(gòu)建方法,實(shí)現(xiàn)了對(duì)洪水災(zāi)害的演化模擬;楊等[16]結(jié)合SOC(Self-Organized Criticality)模型和多Agent仿真技術(shù)構(gòu)建了特大森林火災(zāi)事故的情景推演模型;Dettinger等[17]設(shè)計(jì)了暴風(fēng)雨的情景模型,利用WRF(Weather Research and Forecasting)模擬仿真了情景的演化過程.楊等[18]基于GERT(Graphical Evaluation Review Technique)網(wǎng)絡(luò)構(gòu)建了非常規(guī)突發(fā)事件的情景推演模型,解決了情景推演中的共力耦合問題.夏等[19]在貝葉斯網(wǎng)絡(luò)模型上加入時(shí)間因素,構(gòu)建了情景推演的動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型;文獻(xiàn)[20]在對(duì)事件情景要素構(gòu)成和情景對(duì)事件演變作用的分析基礎(chǔ)上,構(gòu)建了由情景要素屬性狀態(tài)識(shí)別到事件演變描述的概率規(guī)則,為構(gòu)建突發(fā)事件鏈提供可能.

上述文獻(xiàn)運(yùn)用不同理論方法建立了非常規(guī)突發(fā)事件情景演化的定量分析模型,更好的揭示和描述了情景的演化過程,但大部分僅適應(yīng)用于單一領(lǐng)域事件(如洪水)的演化或某一具體問題分析(如耦合),而且建立的模型較為單一,對(duì)其他類型突發(fā)事件不具有普適性.此外,情景表示是情景模型構(gòu)建與推演分析的重要基礎(chǔ),而上述對(duì)情景表示的研究大部分集中在情景要素的描述上,缺乏對(duì)情景要素間的關(guān)聯(lián)關(guān)系的分析,尤其是從較微觀層面對(duì)要素間關(guān)系的深入分析更是少之更少.因此,本文通過弱化事件的概念和強(qiáng)化元素狀態(tài)變化過程作為事件存在物質(zhì)基礎(chǔ)的觀點(diǎn),從相對(duì)微觀層面刻畫非常規(guī)突發(fā)事件的情景,構(gòu)建一種能夠綜合詮釋非常規(guī)突發(fā)事件的情景知識(shí)表示模型,解決應(yīng)急管理跨學(xué)科、跨領(lǐng)域的知識(shí)綜合詮釋問題,擺脫對(duì)已知事件(鏈)經(jīng)驗(yàn)性知識(shí)的依賴,進(jìn)而提升模型的靈活性和對(duì)非常規(guī)突發(fā)事件的適應(yīng)性.

非常規(guī)突發(fā)事件情景是一個(gè)涉及自然、生態(tài)、社會(huì)和心理等變化萬千、混沌百態(tài)的要素的復(fù)雜系統(tǒng),人們對(duì)情景即將發(fā)生什么樣的狀態(tài)以及其出現(xiàn)的可能性和危害程度等問題缺乏足夠的了解和認(rèn)識(shí).因此,對(duì)情景的建模既要能夠描述情景中事件與事件、事件與環(huán)境間的內(nèi)在關(guān)聯(lián)模式,也要能夠解決不確定情況下的推演問題.本文運(yùn)用系統(tǒng)科學(xué)理論從微觀視角分析非常規(guī)突發(fā)事件的情景要素構(gòu)成及要素間復(fù)雜的關(guān)聯(lián)關(guān)系,提出情景的知識(shí)表示模型作為情景建模的知識(shí)支撐,解決非常規(guī)突發(fā)事件應(yīng)急管理跨學(xué)科、跨領(lǐng)域的交叉融合問題;在此基礎(chǔ)上,構(gòu)建適用于非常規(guī)突發(fā)事件情景表示與推演的貝葉斯網(wǎng)絡(luò)模型,利用貝葉斯網(wǎng)絡(luò)推理對(duì)情景的狀態(tài)及其可能性進(jìn)行預(yù)測分析,解決非常規(guī)突發(fā)事件情景在不確定情況下無法推演分析的不足問題;最后,通過舟曲泥石流災(zāi)害事件驗(yàn)證本文提出模型的可行性與有效性.

2 非常規(guī)突發(fā)事件情景表示

2.1 情景概念

自2008年國家自然科學(xué)基金委員會(huì)啟動(dòng)“非常規(guī)突發(fā)事件應(yīng)急管理研究”重大研究計(jì)劃后,國內(nèi)一些學(xué)者對(duì)情景的概念和內(nèi)涵進(jìn)行了深入的探討.目前,雖然對(duì)情景概念有著某些共識(shí)的成分,但遠(yuǎn)未達(dá)成共識(shí).文獻(xiàn)[21]對(duì)國內(nèi)情景概念的研究進(jìn)行總結(jié)、提煉和分類,并根據(jù)應(yīng)急管理的現(xiàn)實(shí)需求,將情景分為與突發(fā)事件應(yīng)急預(yù)案有關(guān)的“聚類型”情景和與非常規(guī)突發(fā)事件應(yīng)急決策有關(guān)的“決策型”情景.本文研究情景是為突發(fā)事件應(yīng)對(duì)決策提供依據(jù)和支持的,因此采用其“決策型”情景的概念,認(rèn)為非常規(guī)突發(fā)事件的情景是“景況和情勢的結(jié)合”,是一種決策主體所面對(duì)的主觀與客觀相融合、靜態(tài)與動(dòng)態(tài)相交織、廣義與狹義相結(jié)合的事件發(fā)生發(fā)展的“景況”和“情勢”[21].

情景的“景況”是對(duì)情景當(dāng)前狀態(tài)客觀、靜態(tài)地描述,由事件自身發(fā)展以及發(fā)展過程中外界干擾所共同決定的.情景的狀態(tài)通過情景中要素來體現(xiàn),情景要素分為致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體[4].致災(zāi)因子表示對(duì)事件發(fā)生和發(fā)展起推動(dòng)作用的直接致災(zāi)因素,具體分為自然致災(zāi)因子和人為致災(zāi)因子;承災(zāi)體是各種致災(zāi)因子作用的對(duì)象;孕災(zāi)環(huán)境指災(zāi)害發(fā)生發(fā)展時(shí)所處的環(huán)境因素的集合,包含自然環(huán)境和社會(huì)環(huán)境.情景的“情勢”是對(duì)“景況”未來發(fā)展趨勢的分析,主要通過要素間的因果關(guān)系進(jìn)行分析.為了使我們的研究更有意義,本文研究的情景指非常規(guī)突發(fā)事件相對(duì)穩(wěn)定時(shí)的狀態(tài),事件在相鄰兩個(gè)狀態(tài)間保持穩(wěn)定或變化不明顯可以忽略不考慮.

2.2 情景知識(shí)表示模型

合理的知識(shí)表示方法不僅可以使決策者從更深層次地去認(rèn)知事件,還能夠通過良好的邏輯推理規(guī)則進(jìn)行演化分析.當(dāng)前使用較多的謂詞邏輯表示法、產(chǎn)生式表示法、框架表示法、語義網(wǎng)絡(luò)表示法、面向?qū)ο蟊硎痉ê突诒倔w的知識(shí)表示法等數(shù)種表示方法在相關(guān)領(lǐng)域的理論和應(yīng)用研究都有較大的成果,但也存在一些不足[22].雖然一些學(xué)者使用復(fù)合的表示方法來彌補(bǔ)不足,但其研究仍主要面向某一特定學(xué)科或領(lǐng)域,難以滿足跨學(xué)科、跨領(lǐng)域的交叉融合需求.其中,基于本體或范疇論的方法雖然一定程度上解決了跨領(lǐng)域、跨學(xué)科知識(shí)綜合詮釋問題,但概念間關(guān)系的顯性描述工作量巨大,會(huì)造成推理不完備的隱患[23].

非常規(guī)突發(fā)事件情景要素繁多且結(jié)構(gòu)復(fù)雜,需要多學(xué)科、多領(lǐng)域的知識(shí)予以支撐.陳等[23]借鑒本體論思想,在文獻(xiàn)[24]提出的共性知識(shí)模型基礎(chǔ)上,從非常規(guī)突發(fā)事件應(yīng)急管理客觀系統(tǒng)本原的角度構(gòu)建了知識(shí)元模型,揭示了應(yīng)急管理客觀系統(tǒng)的個(gè)體要素運(yùn)動(dòng)行為及其綜合聯(lián)系機(jī)理與規(guī)律,解決了非常規(guī)突發(fā)事件應(yīng)急管理跨學(xué)科、跨領(lǐng)域的知識(shí)融合和推理問題.結(jié)合情景概念和知識(shí)元模型,本文將情景表示為

其中S表示事件的情景;st={s,t}表示情景的時(shí)空屬性,即情景當(dāng)前時(shí)刻t和所考慮的空間區(qū)域s;K={K1,K2,K3}={ki|i=1,2,...,|K1|,|K1|+1,|K1|+2,...,|K1|+|K2|,|K1|+|K2|+1,|K1|+|K2|+2,...,|K1|+|K2|+|K3|}表示情景的要素集合,K1,K2,K3分別代表致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體的集合,|·|表示集合中元素的個(gè)數(shù),ki表示情景的要素;R表示情景的結(jié)構(gòu)—-情景中要素間的關(guān)系描述.

要素是構(gòu)成情景的基本單元,對(duì)?ki∈K用對(duì)象知識(shí)元模型描述為

其中Ni為要素的概念集,表示要素的屬性集,Ri表示屬性間的關(guān)系集合.Ii={iiα|1≤α≤|Ii|}為要素的輸入屬性集,表示影響要素狀態(tài)的外部環(huán)境因素的集合(如影響泥石流形成的水源條件、地形條件等);Si={siβ|1≤β≤|Si|}為要素的狀態(tài)屬性集,用來描述情景演化過程中要素的狀態(tài)(如泥石流的流速、容重等),特別地,sie∈{0,1}為ki的觸發(fā)狀態(tài)變量,是要素觸發(fā)或沒觸發(fā)的標(biāo)志(如泥石流的含沙量屬性達(dá)到閾值,則泥石流的觸發(fā)狀態(tài)變量取值為1,表示形成泥石流,否則取值為0,表示未形成泥石流);Oi={oiγ|1≤γ≤|Oi|}為要素的輸出屬性集,表示要素對(duì)外界造成影響或破壞的因素集合(如泥石流的沖擊力),三者間存在如下關(guān)系

其中F1表示要素的狀態(tài)屬性依賴于輸入屬性,F2表示要素是狀態(tài)屬性間存在相互作用關(guān)系,F3表示要素的狀態(tài)屬性決定其輸出屬性,為狀態(tài)屬性的子集,滿足條件為屬性關(guān)系集的子集.

聯(lián)系是普遍存在的,正是由于要素間的相互作用關(guān)系才構(gòu)成了情景的演化與發(fā)展.情景的結(jié)構(gòu)R用關(guān)聯(lián)矩陣描述為

其中rij∈{0,1}表示要素ki與kj間的關(guān)聯(lián)關(guān)系,n為情景包含的要素個(gè)數(shù).

若rij=1表示ki作用于或影響kj,二者之間的關(guān)系通過要素的屬性間關(guān)系構(gòu)建(如圖1所示,圖中大圓圈表示要素,小圓圈表示要素的屬性,實(shí)線箭頭表示屬性間關(guān)系,空心箭頭表示要素間ki影響kj,虛線箭頭連接的屬性表示兩個(gè)要素所共有的屬性,即Ij與Oi的交集),即要素ki的輸出屬性O(shè)i與kj的輸入屬性Ij間存在關(guān)系：否則rij=0,表示ki與kj間無直接作用關(guān)系,即Ij∩Oi=?.特別地,當(dāng)i=j時(shí),rij=1表示要素自身的影響,即要素自身的屬性間關(guān)系.

圖1 情景的要素間關(guān)系圖Fig.1 The relationship of scenario element

3 基于情景表示的貝葉斯網(wǎng)絡(luò)模型

情景的知識(shí)表示模型從事件本身、事件屬性以及屬性間關(guān)系三個(gè)角度給出了情景的結(jié)構(gòu)化知識(shí)表示,對(duì)情景中要素構(gòu)成及其聯(lián)系機(jī)制進(jìn)行了微觀的刻畫,為模型的構(gòu)建提供了知識(shí)支撐.但在非常規(guī)突發(fā)事件情景推演中,由于事件發(fā)展的隨機(jī)性和復(fù)雜性以及人類認(rèn)知的不完全和不一致性,給情景推演分析帶來了大量不確定性.而貝葉斯網(wǎng)絡(luò)被廣泛應(yīng)用于不確定性問題的表示和推理,與其他不確定知識(shí)模型相比,具有圖形化表示、因果關(guān)系清晰、可理解性強(qiáng)、支持不完全數(shù)據(jù)推理和不確定推理的特點(diǎn)[25].因此,本文運(yùn)用貝葉斯網(wǎng)絡(luò)來擴(kuò)展情景知識(shí)表示模型中的不確定性表示和推理.

3.1 非常規(guī)突發(fā)事件情景模型的構(gòu)建

結(jié)合知識(shí)元從領(lǐng)域特征和內(nèi)在機(jī)理上可形成網(wǎng)絡(luò)的特點(diǎn)[23]與貝葉斯網(wǎng)絡(luò)的思想,構(gòu)建情景的貝葉斯網(wǎng)絡(luò)模型SN=＜V,E,P＞,其中V為網(wǎng)絡(luò)中節(jié)點(diǎn)變量的集合;E為網(wǎng)絡(luò)中有向邊集合,表示節(jié)點(diǎn)之間的依賴關(guān)系,即因果關(guān)系;P為網(wǎng)絡(luò)中節(jié)點(diǎn)間依賴關(guān)系的強(qiáng)度集合,即條件概率分布表的集合.

1)情景貝葉斯網(wǎng)絡(luò)模型的變量表示

SN的變量集V=I∪S∪O,其中表示輸入變量集,表示狀態(tài)變量集,表示輸出變量集,Ii為要素ki的輸入屬性集,Si為要素ki的狀態(tài)屬性集,Oi為要素ki的輸出屬性集,n為情景中要素的個(gè)數(shù).特別地,對(duì)于?vm∈I,若滿足條件那么該輸入變量的值由與其對(duì)應(yīng)的輸出變量的值決定.

網(wǎng)絡(luò)模型的變量vk∈V代表情景中要素屬性則變量vk用屬性知識(shí)元模型描述為

其中pvk表示變量的可測特征(如可測量或可描述),dvk表示當(dāng)變量可測時(shí)的測度量綱(如取值類型、取值區(qū)間等),fvk表示變量的變化規(guī)律(如時(shí)變性等).

2)情景貝葉斯網(wǎng)絡(luò)模型的結(jié)構(gòu)分析

貝葉斯網(wǎng)絡(luò)中變量間的關(guān)系是對(duì)情景的結(jié)構(gòu)關(guān)系進(jìn)行刻畫.變量vi和vj間的依賴關(guān)系eij:vi→vj用有序?qū)Γ紇i,vj＞表示,那么

根據(jù)上節(jié)對(duì)情景模型的結(jié)構(gòu)分析可知,情景中的結(jié)構(gòu)關(guān)系主要分為要素自身內(nèi)部的屬性間關(guān)系和要素間的關(guān)聯(lián)關(guān)系,即E={eij|i/=j}∪{eii},i,j∈N?,其中eii表示要素自身內(nèi)部的屬性間依賴關(guān)系,eij表示要素間的依賴關(guān)系.

圖2 情景演化結(jié)構(gòu)關(guān)系圖Fig.2 The structure relationship of scenario inference

一般地,要素屬性間依賴關(guān)系主要分為一對(duì)一、一對(duì)多、多對(duì)一和多對(duì)多共4種結(jié)構(gòu)關(guān)系.如圖2所示,一對(duì)一結(jié)構(gòu)關(guān)系是情景中要素的一個(gè)屬性作用于另一個(gè)屬性的結(jié)構(gòu)(圖2(a));一對(duì)多結(jié)構(gòu)關(guān)系是情景中要素的一個(gè)屬性作用于多個(gè)屬性的結(jié)構(gòu)(圖2(b)),其可以分解為多個(gè)圖2(a)所示的一對(duì)一關(guān)系;多對(duì)一結(jié)構(gòu)關(guān)系是情景中多個(gè)屬性作用于一個(gè)屬性的結(jié)構(gòu)(圖2(c));多對(duì)多結(jié)構(gòu)關(guān)系是情景中要素的多個(gè)屬性作用于多個(gè)屬性的結(jié)構(gòu)(圖2(d)),其可以分解為多個(gè)多對(duì)一關(guān)系.綜上所述,屬性間依賴關(guān)系均可分解為一對(duì)一和多對(duì)一兩種基本結(jié)構(gòu)關(guān)系,這種依賴關(guān)系用關(guān)系知識(shí)元模型描述為

其中Krj表示屬性間關(guān)系rj的名稱,prj描述關(guān)系的映射屬性(如結(jié)構(gòu)、隸屬、線性、非線性、模糊、隨機(jī)及具體的映射函數(shù)等),為關(guān)系的輸入集,為關(guān)系的輸出集,frj為映射函數(shù),即

使用概率關(guān)系P={p(vi|πi)}描述變量間依賴關(guān)系frj,是對(duì)變量間依賴關(guān)系的一種可能性度量.特別地,概率值為0表示事件不可能發(fā)生,概率值為1表示事件一定會(huì)發(fā)生.其中0≤p(vi|πi)≤1表示vi的父節(jié)點(diǎn)集πi對(duì)vi的影響.那么,要素屬性間依賴關(guān)系Kr可進(jìn)一步描述為：

(i)一對(duì)一關(guān)系.設(shè)SN中變量vi和vj存在一對(duì)一結(jié)構(gòu)關(guān)系,如圖2(a)所示.則vi和vj間依賴關(guān)系表示為

其中p(vi),p(vj)分別表示變量vi和vj的狀態(tài)的可能性,p(vj|vi)表示變量vj在變量vi已經(jīng)發(fā)生條件下的發(fā)生概率.

(ii)多對(duì)一關(guān)系.設(shè)SN中變量v1,v2,...,vi-1作用于變量vi,如圖2(c)所示.那么

其中p(v)={p(v1),p(v2),...,p(vi-1)}為關(guān)系輸入集,p(vi|v1,v2,...,vi-1)表示變量vi在影響變量v1,v2,...,vi-1發(fā)生的條件下的發(fā)生概率,表示變量v1,v2,...,vi-1發(fā)生的聯(lián)合概率,p(vk),k=1,2,...,i表示變量vk狀態(tài)的可能性.

3.2 基于貝葉斯網(wǎng)絡(luò)的情景推演

非常規(guī)突發(fā)事件的情景演化過程是情景中要素屬性的狀態(tài)不斷變化的過程,即利用貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)計(jì)算某些變量的取值及其可能性.根據(jù)上節(jié)構(gòu)建的貝葉斯網(wǎng)絡(luò)模型,以貝葉斯網(wǎng)絡(luò)的部分已知的輸入變量和狀態(tài)變量為證據(jù)變量,由這些證據(jù)變量的集合構(gòu)成證據(jù)集合,其余需要計(jì)算的狀態(tài)變量和輸出變量為目標(biāo)變量,構(gòu)成目標(biāo)集合.然后運(yùn)用貝葉斯網(wǎng)絡(luò)推理方法進(jìn)行推演.設(shè)情景中包含要素k1,k2,...,kn共n個(gè),其中要素ki為致災(zāi)因子,推演步驟如下：

步驟1根據(jù)證據(jù)集合和式(8)、式(9)計(jì)算要素ki的觸發(fā)狀態(tài)變量sie;

步驟2判斷要素ki是否觸發(fā),若未觸發(fā),停止計(jì)算,否則轉(zhuǎn)入步驟3;

步驟3計(jì)算要素ki的其他變量(目標(biāo)變量);

步驟4判斷ki的輸出屬性是否影響其他要素,即判斷Oi∩Ij,j/i是否為?.若為?,停止計(jì)算,否則轉(zhuǎn)入步驟5；

步驟5將ki的輸出屬性的值賦給對(duì)應(yīng)要素kj的輸入屬性,令i=j,轉(zhuǎn)步驟1繼續(xù)計(jì)算.

4 實(shí)例分析

4.1 實(shí)驗(yàn)背景

2010年8月,甘肅省舟曲縣城東北部山區(qū)突降短歷時(shí)、高強(qiáng)度暴雨,引發(fā)縣城東北部的三眼峪、羅家峪等地發(fā)生特大山洪泥石流,造成大片村民房屋和縣城建筑被摧毀,數(shù)萬群眾遭遇空前劫難,成為我國歷史上有記錄以來的泥石流災(zāi)害之最.本節(jié)以舟曲泥石流災(zāi)害為例,驗(yàn)證前文提出模型的科學(xué)性和有效性.

舟曲縣地處西秦嶺地址構(gòu)造帶南部隴南山地,主城區(qū)建于三眼峪等泥石流溝堆積扇上.三眼峪溝流域由大眼峪溝和小眼峪溝呈“Y”形構(gòu)成,其中大眼峪主溝長5.3 km,溝床平均比降為27.2%,溝口堆積區(qū)南北長約2 050 m,平均比降為9.8%,面積0.87 km2.8月7日該地區(qū)降雨量達(dá)77.3 mm/h,主溝區(qū)單位面積內(nèi)供給泥石流的固體物質(zhì)總量分別為203.6×104m3,泥石流橫截面泥深高達(dá)10.4 m,流量高達(dá)約1 800 m3/s;大眼峪溝單位面積供給泥石流的固體物質(zhì)總量為184.5×104m3,泥石流橫截面泥深高達(dá)9.5 m,流量高達(dá)約1 500m3/s,一次最大沖出量為152.18×104m3[26].

4.2 情景表示

根據(jù)舟曲泥石流災(zāi)害事件的描述和情景表示模型,將該事件的情景描述為

其中S′表示三眼峪泥石流情景,時(shí)空屬性st′的當(dāng)前時(shí)間t和情景所考慮的空間范圍s,K′和R′分別為情景要素集和情景關(guān)系結(jié)構(gòu).情景模型構(gòu)建過程就是人們對(duì)事件的要素和要素關(guān)系的深入的認(rèn)知過程,按照?qǐng)D3所示流程選取事件情景的要素(見表1),然后結(jié)合第二部分對(duì)情景結(jié)構(gòu)的描述方法分析S′中要素間關(guān)系(見式(11)).泥石流突發(fā)事件涉及要素很多,篇幅所限,為更好地說明問題,本例僅選取了泥石流災(zāi)害中的最重要的3個(gè)要素,并對(duì)要素的屬性做了必要的刪減.

其中r21=1表示孕災(zāi)環(huán)境泥石流溝對(duì)致災(zāi)因子泥石流有影響作用(如溝的縱降比對(duì)泥石流速度的影響),r13=1表示致災(zāi)因子泥石流對(duì)承災(zāi)體建筑物有破壞作用.

圖3 情景模型構(gòu)建過程Fig.3 The modeling process of scenario

表1 情景模型的要素集Table 1 The set of scenario element

4.3 情景模型構(gòu)建與推演

根據(jù)上一小節(jié)構(gòu)建的事件情景表示模型S′知,泥石流溝與泥石流擁有共同屬性i11,i12,泥石流與建筑物擁有共同屬性i31(表1中粗體字所示).以要素的屬性Ai為節(jié)點(diǎn)(節(jié)點(diǎn)描述見表2),屬性間關(guān)系Ri為邊(邊的描述見表3),i=1,2,3,情景中要素所共有屬性(表1中粗體字)為連接點(diǎn)將泥石流溝、泥石流和建筑物三個(gè)要素關(guān)聯(lián),構(gòu)建泥石流沖擊建筑物情景的貝葉斯網(wǎng)絡(luò)模型.

表2 網(wǎng)絡(luò)模型節(jié)點(diǎn)變量描述表(部分)Table 2 The variable table of network model

根據(jù)建立的貝葉斯網(wǎng)絡(luò)模型,以{i11,i13,i14,i32,s21,s22,s23,s31}為證據(jù)變量,狀態(tài)變量S和輸入變量I的剩余變量與輸出變量O為目標(biāo)變量.在泥石流事件情景推演分析過程中,目標(biāo)變量中屬于輸入變量的值由與其相同的輸出變量指派,如建筑物的輸入變量i31的值等于泥石流的輸出變量o11的值;其他目標(biāo)變量通過變量消元算法[27]計(jì)算得出.本實(shí)驗(yàn)數(shù)據(jù)選自文獻(xiàn)[26,28]中對(duì)舟曲三眼峪溝泥石流的調(diào)查數(shù)據(jù),表3中對(duì)屬性間的不確定性關(guān)系的描述通過表4中數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)習(xí)得出.

表3 泥石流的屬性間條件概率表(部分)Table 3 The conditional probabilities among attributes

表4 泥石流屬性數(shù)據(jù)表(部分)[26]Table 4 The attribute data of debris f l ow

表5 情景中變量取值(部分)Table 5 The value of scenario variables

本文對(duì)舟曲泥石流中的三眼峪主溝的溝口上游和大眼峪溝干溝溝口上游兩處泥石流事件進(jìn)行演化推理.以大眼峪泥石流為例,溝床縱降比p(i12＞0.2)=1,橫切面泥深p(i14＞5)=1,那么變量泥石流速度狀態(tài)概率

即泥石流速度大于5 m/s的可能性為0.972,小于5 m/s的可能性為0.028.其他變量狀態(tài)取值見表5,其中帶*為證據(jù)變量.

4.4 結(jié)果分析

實(shí)驗(yàn)結(jié)果從情景模型表示和推演效果兩方面展開.

1)本文提出的情景模型表示方法更具有本原性和普適性.

情景模型構(gòu)建的目的是為了應(yīng)用模型去深度揭示事件的內(nèi)在規(guī)律,以便控制或干預(yù)事件向人們所期待的狀態(tài)發(fā)展和變化.而知識(shí)表示模型的不同是導(dǎo)致演化模型間差異的根源.

情景模型的獲得或建立的過程就是對(duì)其概念屬性、內(nèi)部及外部聯(lián)系及其變化在主觀世界的表述的抽象過程,基于事物的概念和屬性可進(jìn)一步認(rèn)知事物的子事物層次及結(jié)構(gòu),辨識(shí)挖掘事物內(nèi)部的子事物以及各種屬性間的形式邏輯或辯證邏輯關(guān)系,揭示事物變化的邏輯或定性作用機(jī)理.當(dāng)前學(xué)者將系統(tǒng)動(dòng)力學(xué)、貝葉斯網(wǎng)絡(luò)、GERT網(wǎng)絡(luò)、博弈論等眾多理論方法與工具應(yīng)用于非常規(guī)突發(fā)事件情景模型研究中,對(duì)非常規(guī)突發(fā)事件的情景模型構(gòu)建提供了很好的基礎(chǔ),是對(duì)情景演化分析的有益嘗試.但是利用上述理論工具進(jìn)行情景模型構(gòu)建往往以事件的經(jīng)驗(yàn)性知識(shí)作為知識(shí)來源(如要素間的復(fù)雜關(guān)系),對(duì)于極其罕見或無先例的事件將難以應(yīng)對(duì).知識(shí)元可以從本原角度對(duì)事物對(duì)象本身及其屬性進(jìn)行刻畫,而事物對(duì)象屬性間的關(guān)系可通過知識(shí)元間的關(guān)系進(jìn)行形式化表示,二者可以很好地支撐認(rèn)知過程中概念屬性模型和結(jié)構(gòu)關(guān)系模型的形成,為集成多學(xué)科、多領(lǐng)域的知識(shí)提供了基本保障.本文將知識(shí)元模型引入到情景模型研究中,將復(fù)雜的事件分解為簡單的要素,通過知識(shí)元模型刻畫描述事件的要素,弱化事件的概念,構(gòu)建以已知的要素知識(shí)元作為知識(shí)來源的情景模型.其不僅可以幫助決策者從事件本身、事件屬性以及屬性間關(guān)系三個(gè)方面更清晰地認(rèn)知事件,還可以從相對(duì)微觀的視角分析事件演化的深層機(jī)制以應(yīng)對(duì)非常規(guī)突發(fā)事件所呈現(xiàn)出前所未有的新情況,極大地提升了模型對(duì)非常規(guī)突發(fā)事件的適應(yīng)性.

此外,現(xiàn)有的情景模型結(jié)構(gòu)較為單一,由于關(guān)系知識(shí)元模型的可擴(kuò)展性(隸屬、非線性、模糊、隨機(jī)及具體的映射函數(shù)),使得本文提出基于知識(shí)元的情景表示模型可以更好地集成和管理相關(guān)各專業(yè)的模型以解決特定的問題,具有較好的可擴(kuò)展性.

2)在情景表示模型基礎(chǔ)上構(gòu)建的貝葉斯網(wǎng)絡(luò)模型推演效果良好,基本符合實(shí)際情形.

本文在基于知識(shí)元的情景表示基礎(chǔ)上,運(yùn)用貝葉斯網(wǎng)絡(luò)擴(kuò)展知識(shí)元模型中的不確定性關(guān)系,構(gòu)建了情景的貝葉斯網(wǎng)絡(luò)模型.以三眼峪溝的主溝溝口上游和大眼峪干溝溝口上游兩處泥石流事件為例,驗(yàn)證模型的可靠性.根據(jù)各變量的狀態(tài)概率值對(duì)變量進(jìn)行預(yù)測,選擇變量概率較大的狀態(tài)值為其在已知證據(jù)條件下的推演結(jié)果.將兩次模型中各變量的推演結(jié)果與實(shí)際取值對(duì)比(見表6).

表6 推演結(jié)果與實(shí)際情形對(duì)比Table 6 Comparison between inference and the practice

表7 目標(biāo)變量推演偏差值Table 7 Inference error of target variables

貝葉斯網(wǎng)絡(luò)模型是一種概率性的預(yù)測模型,而預(yù)測的效果可以通過預(yù)測檢驗(yàn)方法來評(píng)估.Brier評(píng)分法[29]是對(duì)離散事件的概率預(yù)測效果的評(píng)價(jià)方法,設(shè)貝葉斯網(wǎng)絡(luò)模型的目標(biāo)變量μ有n≥2種可能狀態(tài)μ1,μ2,...,μn,μi表示變量μ處于第i個(gè)狀態(tài).令p(μi)表示變量μ取值為μi的概率,s(i)為變量μ為第i個(gè)狀態(tài)的標(biāo)志.當(dāng)μ的實(shí)際取值為μi時(shí),s(i)=1,否則s(i)=0.那么,網(wǎng)絡(luò)模型目標(biāo)變量的預(yù)測結(jié)果與實(shí)際情形的偏差表示為

若μl是變量μ的實(shí)際狀態(tài)值,則s(l)=1,那么式(14)可變?yōu)?/p>

根據(jù)第2.1節(jié)對(duì)情景概念的分析可知,本文所研究的情景是對(duì)非常規(guī)突發(fā)事件演化過程的離散化描述,因此可以采用Brier評(píng)分法檢驗(yàn)情景推演的效果.根據(jù)式(14′)計(jì)算情景模型中各目標(biāo)變量的推演偏差(見表7),表中B1,B2,B3,B4,B5分別表示屬性s1e,s12,s11,o11,s3e的推演偏差.根據(jù)文獻(xiàn)[30]設(shè)定閾值為0.6,若B≤0.6,則情景模型推演的結(jié)果符合要求,反之,不符合要求.且當(dāng)B越小,預(yù)測效果越好.從表7中可知,各變量的推演結(jié)果均符合要求,且大眼峪和三眼峪的整體推演偏差分別為準(zhǔn)確性良好.且根據(jù)表6可知,推演的結(jié)果基本上與實(shí)際取值相符.綜上,通過本文提出的知識(shí)表示方法描述非常規(guī)突發(fā)事件情景是可行的,其不僅可直觀簡潔的描述事件間的相互作用關(guān)系,還可以通過演化分析輔助決策者把握事件的發(fā)展態(tài)勢,為及時(shí)有效的應(yīng)對(duì)措施的制定提供科學(xué)依據(jù).

5 結(jié)束語

本文以非常規(guī)突發(fā)事件的情景為研究對(duì)象,從宏觀和微觀兩個(gè)層面提出了非常規(guī)突發(fā)事件情景建模方法.首先,針對(duì)非常規(guī)突發(fā)事件應(yīng)急管理涉及到跨學(xué)科、跨領(lǐng)域的問題,構(gòu)建了一種以知識(shí)元模型為基礎(chǔ)的非常規(guī)突發(fā)事件情景知識(shí)表示模型,全面刻畫了情景中要素構(gòu)成方式及關(guān)聯(lián)機(jī)制,為情景的構(gòu)建及其推演分析提供知識(shí)支撐;然后,以情景要素的輸入屬性、狀態(tài)屬性和輸出屬性為變量,借助屬性間相互作用關(guān)系,構(gòu)建適用于情景描述的貝葉斯網(wǎng)絡(luò)模型,利用貝葉斯網(wǎng)絡(luò)推理方法分析模型中各變量的狀態(tài)取值及其可能性,從相對(duì)微觀的視角刻畫情景演化特性;最后,以泥石流災(zāi)害為例說明了本方法的應(yīng)用過程和推演效果.實(shí)驗(yàn)證明,運(yùn)用本文提出的方法建立情景模型推演結(jié)果與實(shí)際基本相符且效果良好,能夠?yàn)閼?yīng)急決策提供科學(xué)有效地依據(jù).

本文提出的方法是對(duì)非常突發(fā)事件情景構(gòu)建與推演研究的一次有益嘗試.但在推演應(yīng)用中,由于貝葉斯網(wǎng)絡(luò)模型自身的特點(diǎn)(如先驗(yàn)知識(shí))使得描述和處理不確定性問題時(shí)具有較重的主觀色彩.因此,如何有效的結(jié)合模糊理論、灰色系統(tǒng)理論和粗糙集等方法對(duì)情景的不確定性進(jìn)行更客觀的描述和處理是本文建模時(shí)需要解決的一個(gè)問題,同時(shí)也是本文研究繼續(xù)深入的一個(gè)重要研究方向.此外,情景模型的構(gòu)建以知識(shí)元為基礎(chǔ),然而知識(shí)的獲取是困擾基于知識(shí)的系統(tǒng)普遍推廣應(yīng)用的瓶頸,結(jié)合大數(shù)據(jù)技術(shù)進(jìn)行海量數(shù)據(jù)的知識(shí)發(fā)現(xiàn)也是進(jìn)一步深入研究的重要工作.

參考文獻(xiàn):

[1]韓智勇,翁文國,張 維,等.重大研究計(jì)劃“非常規(guī)突發(fā)事件應(yīng)急管理研究”的科學(xué)背景,目標(biāo)與組織管理.中國科學(xué)基金,2009,23(4)：215—220.Han Z Y,Weng W G,Zhang W,et al.Backgrounds,targets,and organization of the major research plan“study on unconventional emergencies management”.Bulletin of National Natural Science Foundation of China,2009,23(4)：215—220.(in Chinese)

[2]范維澄.國家突發(fā)公共事件應(yīng)急管理中科學(xué)問題的思考和建議.中國科學(xué)基金,2007,21(2)：71—76.Fan W C.Advisement and suggestion to scientif i c problems of emergency management for public incidents.Bulletin of National Natural Science Foundation of China,2007,21(2)：71—76.(in Chinese)

[3]武旭鵬,夏登友,李健行.非常規(guī)突發(fā)事件情景描述方法研究.中國安全科學(xué)學(xué)報(bào),2014,24(4)：159—165.Wu X P,Xia D Y,Li J X.Study on method for describing unconventional emergency scenario.China Safety Science Journal,2014,24(4)：159—165.(in Chinese)

[4]王顏新,李向陽,徐 磊.突發(fā)事件情境重構(gòu)中的模糊規(guī)則推理方法.系統(tǒng)工程理論與實(shí)踐,2012,32(5)：954—962.Wang Y X,Li X Y,Xu L.Fuzzy rules reasoning method in emergency context reconstruction.System Engineering：Theory&Practice,2012,32(5)：954—962.(in Chinese)

[5]陳 晨,俞 政,張新梅.考慮應(yīng)急活動(dòng)的非常規(guī)突發(fā)事件情景刻畫研究.中國安全科學(xué)學(xué)報(bào),2014,24(10)：163—168.Chen C,Yu Z,Zhang X M.Study on characterization of unconventional emergency scenarios considering emergency activities.China Safety Science Journal,2014,24(10)：163—168.(in Chinese)

[6]仲秋雁,郭艷敏,王 寧.基于知識(shí)元的情景生成中承災(zāi)體實(shí)體化約束模型.系統(tǒng)工程,2012,30(5)：75—80.Zhong Q Y,Guo Y M,Wang N.The hazard-affected bodies constraints model in the generation of unconventional emergency scenario based on knowledge element.Systems Engineering,2012,30(5)：75—80.(in Chinese)

[7]姜 卉,黃 鈞.罕見重大突發(fā)事件應(yīng)急實(shí)時(shí)決策中的情景演變.華中科技大學(xué)學(xué)報(bào)：社會(huì)科學(xué)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 Science,2009,23(1)：104—108.(in Chinese)

[8]Yang Y,Li L.A new assumption in generation mechanism of emergency plan under the perspective of“scenariotask”[C]//International Conference on Management Science and Engineering.New York：IEEE Press,2013：2263—2270.

[9]Yuan X F,Li H X.Research on the IDSS of unconventional emergency management based on scenario analysis and CBR//2nd IEEE International Conference on Emergency Management and Management Sciences.New York：IEEE Press,2011：45—48.

[10]李勇建,喬曉嬌,孫曉晨,等.基于系統(tǒng)動(dòng)力學(xué)的突發(fā)事件演化模型.系統(tǒng)工程學(xué)報(bào),2015,30(3)：306—318.Li Y J,Qiao X Q,Sun X C,et al.Modeling the evolution of emergency based on system dynamics.Journal of Systems Engineering,2015,30(3)：306—318.(in Chinese)

[11]Durak U,Topcu O,Siegfried R,et al.Scenario development：A model-driven engineering perspective//4th International Conference on Simulation and Modelling Methodologies,Technologies and Applications.New York：IEEE Press,2014：117—124.

[12]Ahmed D M,Sundaram D,Piramuthu S.Knowledge-based scenario management-process and support.Decision Support Systems,2010,49(4)：507—520.

[13]盛 勇,孫慶云,王永明.突發(fā)事件情景演化及關(guān)鍵要素提取方法.中國安全生產(chǎn)科學(xué)技術(shù),2015,11(1)：17—21.Shegn Y,Sun Q Y,Wang Y M.Emergency scenario evolution and extraction method of key elements.Journal of Safety Science and Technology,2015,11(1)：17—21.(in Chinese)

[14]劉德海,王維國,孫 康.基于演化博弈的重大突發(fā)公共衛(wèi)生事件情景預(yù)測模型與防控措施.系統(tǒng)工程理論與實(shí)踐,2012,32(5)：937—946.Liu D H,Wang W G,Sun K.Scenario forecasting model and prevention-control measurements of important public health event based evolutionary game.System Engineering：Theory&Practice,2012,32(5)：937—946.(in Chinese)

[15]Abdalla R,Niall K.WebGIS-based f l ood emergency management scenario//International Conference on Advanced Geographic Information Systems&Web Services.New York：IEEE Press,2009：7—12.

[16]楊 帆,楊 青.基于能量隨機(jī)分布的特大森林火災(zāi)SOC模型.系統(tǒng)工程,2014,32(7)：124—131.Yang F,Yang Q.The SOC model of forest f i res based on emergy random distribution.Systems Engineering,2014,32(7)：124—131.(in Chinese)

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

[18]楊保華,方志耕,劉思峰,等.基于GERTS網(wǎng)絡(luò)的非常規(guī)突發(fā)事件情景推演共力耦合模型.系統(tǒng)工程理論與實(shí)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)

[19]夏登友,錢新明,段在鵬.基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的非常規(guī)突發(fā)災(zāi)害事故情景推演.東北大學(xué)學(xué)報(bào)：自然科學(xué)版,2015,36(6)：897—902.Xia D Y,Qian X M,Duan Z P.Scenario deduction model of unconventional emergency based on dynamic Bayesian network.Journal of Northeastern University：Natural Science,2015,36(6)：897—902.(in Chinese)

[20]曲 毅,仲秋雁,馬驍霏,等.基于情景的突發(fā)事件演變概率規(guī)則推理方法.系統(tǒng)工程學(xué)報(bào),2014,29(4)：571—578.Qu Y,Zhong Q Y,Ma X F,et al.The event evolution scenario-based reasoning method via probability rules.Journal of Systems Engineering,2014,29(4)：571—578.(in Chinese)

[21]李仕明,張志英,劉 樑,等.非常規(guī)突發(fā)事件情景概念研究.電子科技大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版,2014,16(1)：1—5.Li S M,Zhang Z Y,Liu L,et al.Research on scenario concepts of unconventional emergencies.Journal of University of Electronic Science and Technology of China：Social Sciences,2014,16(1)：1—5.(in Chinese)

[22]徐寶祥,葉培華.知識(shí)表示的方法研究.情報(bào)科學(xué),2007,25(5)：690—694.Xu B X,Ye P H.Research on the method of knowledge representation.Information Science,2007,25(5)：690—694.(in Chinese)

[23]陳雪龍,董恩超,王延章,等.非常規(guī)突發(fā)事件應(yīng)急管理的知識(shí)元模型.情報(bào)雜志,2011,30(12)：22—26.Chen X L,Dong E C,Wang Y Z,et al.Knowlege unit model for emergency management of unconventional incident.Journal of Intelligence,2011,30(12)：22—26.(in Chinese)

[24]王延章.模型管理的知識(shí)及其表示方法.系統(tǒng)工程學(xué)報(bào),2012,26(6)：850—856．Wang Y Z.Knowledge and representation of method management.Journal of Systems Engineering,2012,26(6)：850—856.(in Chinese)

[25]徐 磊.基于貝葉斯網(wǎng)絡(luò)的突發(fā)事件應(yīng)急決策信息分析方法研究.哈爾濱：哈爾濱工業(yè)大學(xué),2013.Xu L.Research on emergency events decision making information analysis method based on Bayesian network.Harbin：Harbin Institute of Technology,2013.(in Chinese)

[26]胡向德,畢遠(yuǎn)宏,魏 潔.甘肅舟曲三眼峪溝泥石流的形成條件與發(fā)展趨勢.中國地質(zhì)災(zāi)害與防治學(xué)報(bào),2011,22(2)：55—60.Hu X D,Bi Y H,Wei J.Conditions leading to the destructive debris f l ow at the Sanyanyu Gulley and its occurrence trend.The Chinese Journal of Geological Hazard and Control,2011,22(2)：55—60.(in Chinese)

[27]Dechter R.Bucket elimination：A Unifying Framework for Probabilistic Inference//Learning in Graphical Models.Netherlands：Springer,1998：75—104.

[28]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(zhì),2011,44(3)：44—52.Hu X D,Wang G L,Zhao C,et al.Analyses of characteristic values for Sanyanyu debris f l ow in Zhouqu county on August 8,2010.Northwestern Geology,2011,44(3)：44—52.(in Chinese)

[29]Renooij S.Forecast verif i cation and the uncertain truth//Proceedings of the 16th Belgium-Netherlands Conference on Artif i cial Intelligence.Netherlands,2004：275—282.

[30]裘江南,劉麗麗,董磊磊.基于貝葉斯網(wǎng)絡(luò)的突發(fā)事件鏈建模方法與應(yīng)用.系統(tǒng)工程學(xué)報(bào),2012,27(6)：739—750.Qiu J N,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)