一種基于貝葉斯網(wǎng)絡(luò)學(xué)習(xí)的城市安全復(fù)雜事件分類控制方法
【專利摘要】一種基于貝葉斯網(wǎng)絡(luò)學(xué)習(xí)的城市安全復(fù)雜事件分類控制方法，引入復(fù)雜網(wǎng)絡(luò)理論、人工智能技術(shù)實現(xiàn)城市安全復(fù)雜事件的分類管理，首先按照突發(fā)事件發(fā)生、發(fā)展、演化的過程，環(huán)境輸入要素是狀態(tài)要素發(fā)生變化的原因，輸出要素是狀態(tài)要素變化的結(jié)果，控制輸入可以控制部分狀態(tài)的變化，然后建立突發(fā)事件貝葉斯網(wǎng)絡(luò)中的各節(jié)點形成輸入—狀態(tài)—輸出的三層拓撲結(jié)構(gòu)，實現(xiàn)城市安全復(fù)雜事件分類控制。本發(fā)明提供了一種有效進行分類、實用性良好的基于貝葉斯網(wǎng)絡(luò)學(xué)習(xí)的城市安全復(fù)雜事件分類控制方法。
【專利說明】—種基于貝葉斯網(wǎng)絡(luò)學(xué)習(xí)的城市安全復(fù)雜事件分類控制方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及復(fù)雜網(wǎng)絡(luò)理論、人工智能【技術(shù)領(lǐng)域】知識，具體涉及一種城市安全復(fù)雜事件分類管理方法。特別適用于復(fù)雜事件分類管理的問題。
【背景技術(shù)】 [0002]目前國內(nèi)外應(yīng)急管理方面的研究大都側(cè)重于應(yīng)急管理機制、體系的建立與應(yīng)急管理相關(guān)技術(shù)，都是從應(yīng)急管理主體的角度出發(fā)的，而對應(yīng)急管理的客體即突發(fā)事件的研究相對較少，對于突發(fā)事件客觀規(guī)律的忽視，導(dǎo)致實際的應(yīng)急管理工作中出現(xiàn)決策目標不明確、處置效率較低、處置成本過高等問題。雖然各個領(lǐng)域的突發(fā)事件都具有各自的行為特征和內(nèi)部規(guī)律，但是在事件的發(fā)生、發(fā)展和演化方面，都具有一些共性特征，例如每種突發(fā)事件的發(fā)生發(fā)展都受到一定的外部環(huán)境因素的影響，突發(fā)事件都會給人類社會造成一定的破壞作用，形成相應(yīng)的損失；此外各種突發(fā)事件的發(fā)生發(fā)展并不是相互獨立的，無論是同一領(lǐng)域的突發(fā)事件還是不同領(lǐng)域的突發(fā)事件之間，都不同程度地存在著相互引發(fā)、干涉、轉(zhuǎn)化、耦合等復(fù)雜關(guān)系，從而形成突發(fā)事件的連鎖反應(yīng)過程，例如城市突然遭到的臺風災(zāi)害時常伴隨著暴雨、洪水、泥石流、瘟疫等一系列次生事件。因此對城市安全的突發(fā)事件的研究不能片面或孤立地側(cè)重于某一種事件，或是突發(fā)事件的某一種規(guī)律，而應(yīng)該從整體出發(fā)，統(tǒng)一地揭示各種突發(fā)事件發(fā)生發(fā)展的共性規(guī)律。

【發(fā)明內(nèi)容】

[0003]為了克服已有城市安全復(fù)雜事件中無法進行有效分類、實用性較差的不足，本發(fā)明提供了一種有效進行分類、實用性良好的基于貝葉斯網(wǎng)絡(luò)學(xué)習(xí)的城市安全復(fù)雜事件分類控制方法。
[0004]本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:
[0005]一種基于貝葉斯網(wǎng)絡(luò)學(xué)習(xí)的城市安全復(fù)雜事件分類控制方法，突發(fā)事件貝葉斯網(wǎng)絡(luò)中的各節(jié)點形成輸入一狀態(tài)一輸出的三層拓撲結(jié)構(gòu)，所述分類控制方法包括以下步驟:
[0006]I)輸入一狀態(tài)子網(wǎng)包括環(huán)境輸入變量、控制輸入變量與狀態(tài)變量之間的因果關(guān)系，令EI = IeiiIl≤i 為突發(fā)事件的環(huán)境輸入變量集合，Al = {aik|l≤k≤m}為控制輸入變量集合，MP = {mPj I ^ j ^ η}為事件狀態(tài)變量集合，IP = {iPj 11≤j≤m}為承災(zāi)體狀態(tài)變量集合，該網(wǎng)絡(luò)中的因果關(guān)系用條件概率表示為=P(Hip^eii)表示環(huán)境輸入對事件狀態(tài)的影響程度；P(mpy IPjIeik)表示控制輸入對事件狀態(tài)與承災(zāi)體狀態(tài)的影響程度；
[0007]2)狀態(tài)一狀態(tài)子網(wǎng)絡(luò)用于描述狀態(tài)變量之間的因果關(guān)系，令MP為事件狀態(tài)變量集合，IP為承災(zāi)體狀態(tài)變量集合，Se為事件的觸發(fā)狀態(tài)變量，該網(wǎng)絡(luò)包含的因果關(guān)系用條件概率表示為:設(shè)Hipi e MP, P (mpj I Iiipi)表示事件狀態(tài)變量之間的影響程度，PQpjImpi)表示事件狀態(tài)變量對承災(zāi)體狀態(tài)變量的影響程度，P (se |mPi，iPj)表示在不同的事件狀態(tài)和承災(zāi)體狀態(tài)下該突發(fā)事件是否處于發(fā)生狀態(tài)；
[0008]3)狀態(tài)一輸出子網(wǎng)絡(luò)包括狀態(tài)變量與輸出變量之間的因果關(guān)系。令MP為事件狀態(tài)變量集合，IP為承災(zāi)體狀態(tài)變量集合，O = {o, I ^ j ^ m}為輸出變量集合，SO =IsojI≤j≤p}為與外部環(huán)境變量具有作用關(guān)系的響應(yīng)狀態(tài)變量，LO= {lo, |l<k<q}S事件損失變量集合，其中O = SO U L0,該網(wǎng)絡(luò)包含的因果關(guān)系用條件概率表示有P (Oj I mPi)與P (Oj I iPj)，分別表示當事件或承災(zāi)體處于特定狀態(tài)時，突發(fā)事件對外部環(huán)境的影響或造成特定損失的概率；
[0009]4)影響城市安全的突發(fā)復(fù)雜事件預(yù)測的貝葉斯網(wǎng)絡(luò):根據(jù)1)-3)子網(wǎng)絡(luò)，令G= {N, E, P}為突發(fā)事件貝葉斯網(wǎng)絡(luò)，其中N= I U S U O, (N, E)為網(wǎng)絡(luò)結(jié)構(gòu)描述了變量之間的因果關(guān)系，變量之間的影響程度用條件概率表P表示，變量的條件概率通過專家知識直接指定或根據(jù)歷史數(shù)據(jù)進行統(tǒng)計得到；知道了根節(jié)點的先驗概率與其他節(jié)點的條件概率，得到所有變量的聯(lián)合概率分布，如下式所示:
[0010]P (eii, mpj, ip」,se, aik, Oj)=
[0011]p(eii)p(mpJ|eii)p(mpJ, Ipj | aik)
[0012]p (mpj Impi) P(IPjImPi)
[0013]p(se|mpi, ipj)
[0014]P(OjImPi)P(OjI1Pj)
[0015]利用上式，計算網(wǎng)絡(luò)中各節(jié)點的邊緣概率，從而確定先驗網(wǎng)絡(luò)；假設(shè)觀測到的突發(fā)事件的部分信息為E，利用此證據(jù)信息更新網(wǎng)絡(luò)中其他節(jié)點的概率，實現(xiàn)對突發(fā)事件的關(guān)鍵狀態(tài)及其損失后果的預(yù)測，具體計算方法如下:
[0016]令e e E為證據(jù)信息，假設(shè)人們最關(guān)心的是突發(fā)事件的狀態(tài)信息與輸出信息，則有:
【權(quán)利要求】
1.一種基于貝葉斯網(wǎng)絡(luò)學(xué)習(xí)的城市安全復(fù)雜事件分類控制方法，其特征在于:突發(fā)事件貝葉斯網(wǎng)絡(luò)中的各節(jié)點形成輸入一狀態(tài)一輸出的三層拓撲結(jié)構(gòu)，所述分類控制方法包括以下步驟: 1)輸入一狀態(tài)子網(wǎng)包括環(huán)境輸入變量、控制輸入變量與狀態(tài)變量之間的因果關(guān)系，令EI = Ieii 1 ≤i≤ m}為突發(fā)事件的環(huán)境輸入變量集合，Al = {aik I ≤k ≤ m}為控制輸入變量集合，MP = Impj 1 ≤j≤ n}為事件狀態(tài)變量集合，IP = Upj 11≤j≤m}為承災(zāi)體狀態(tài)變量集合，該網(wǎng)絡(luò)中的因果關(guān)系用條件概率表示為=P(H^Ieii)表示環(huán)境輸入對事件狀態(tài)的影響程度；P(mpy IPjIeik)表示控制輸入對事件狀態(tài)與承災(zāi)體狀態(tài)的影響程度； 2)狀態(tài)一狀態(tài)子網(wǎng)絡(luò)用于描述狀態(tài)變量之間的因果關(guān)系，令MP為事件狀態(tài)變量集合，IP為承災(zāi)體狀態(tài)變量集合，se為事件的觸發(fā)狀態(tài)變量，該網(wǎng)絡(luò)包含的因果關(guān)系用條件概率表示為:設(shè)Hipi e MP, P (mpj I Iiipi)表示事件狀態(tài)變量之間的影響程度，PQpjImpi)表示事件狀態(tài)變量對承災(zāi)體狀態(tài)變量的影響程度，P (se |mPi，iPj)表示在不同的事件狀態(tài)和承災(zāi)體狀態(tài)下該突發(fā)事件是否處于發(fā)生狀態(tài)； 3)狀態(tài)一輸出子網(wǎng)絡(luò)包括狀態(tài)變量與輸出變量之間的因果關(guān)系。令MP為事件狀態(tài)變量集合，IP為承災(zāi)體狀態(tài)變量集合，O = {o, I ≤ j ≤ m}為輸出變量集合，SO =Isoj1≤j≤p}為與外部環(huán)境變量具有作用關(guān)系的響應(yīng)狀態(tài)變量，LO= {lo, |l<k<q}S事件損失變量集合，其中O = SO U LO,該網(wǎng)絡(luò)包含的因果關(guān)系用條件概率表示有P (Oj I mPi)與P (Oj I iPj)，分別表示當事件或承災(zāi)體處于特定狀態(tài)時，突發(fā)事件對外部環(huán)境的影響或造成特定損失的概率； 4)影響城市安全的突發(fā)復(fù)雜事件預(yù)測的貝葉斯網(wǎng)絡(luò):根據(jù)1)-3)子網(wǎng)絡(luò)，令G={N，E, P}為突發(fā)事件貝葉斯網(wǎng)絡(luò)，其中N= I U S U O, (N, E)為網(wǎng)絡(luò)結(jié)構(gòu)描述了變量之間的因果關(guān)系，變量之間的影響程度用條件概率表P表示，變量的條件概率通過專家知識直接指定或根據(jù)歷史數(shù)據(jù)進行統(tǒng)計得到；知道了根節(jié)點的先驗概率與其他節(jié)點的條件概率，得到所有變量的聯(lián)合概率分布，如下式所示:
p(eii,mpJ, Ipj, se, aik, Oj)=
p (eiDp (mpj ei^p (mpj, ip」| aik)
p (mpj Impi) P(IPjImPi)
p (se Impi, ipj)
P (oj I mp^ p (oj 11Pj) 利用上式，計算網(wǎng)絡(luò)中各節(jié)點的邊緣概率，從而確定先驗網(wǎng)絡(luò)；假設(shè)觀測到的突發(fā)事件的部分信息為E，利用此證據(jù)信息更新網(wǎng)絡(luò)中其他節(jié)點的概率，實現(xiàn)對突發(fā)事件的關(guān)鍵狀態(tài)及其損失后果的預(yù)測，具體計算方法如下: 令e e E為證據(jù)信息，假設(shè)人們最關(guān)心的是突發(fā)事件的狀態(tài)信息與輸出信息，則有:
2.如權(quán)利要求1所述的一種基于貝葉斯網(wǎng)絡(luò)學(xué)習(xí)的城市安全復(fù)雜事件分類控制方法，其特征在于:所述步驟6)中，根據(jù)領(lǐng)域?qū)＜抑R庫，對于同一對節(jié)點之間的因果關(guān)系，不同的專家分配了不同的信度，使用證據(jù)合成理論對知識庫中的所有規(guī)則進行合成從而形成目標突發(fā)事件的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，具體過程為:根據(jù)I — S、S — S、S — O的順序，依次在知識庫中查找每種規(guī)則；針對每種規(guī)則，查找每個專家對該規(guī)則分配的信度，接著采用證據(jù)合成方法對各領(lǐng)域?qū)＜曳峙涞男哦冗M行合成，若結(jié)果接近1，則采納該規(guī)則，認為相應(yīng)的節(jié)點之間存在著因果關(guān)系，否則認為節(jié)點之間相互獨立。
3.如權(quán)利要求1或2所述的一種基于貝葉斯網(wǎng)絡(luò)學(xué)習(xí)的城市安全復(fù)雜事件分類控制方法，其特征在于:所述步驟4)中，當網(wǎng)絡(luò)中節(jié)點超過預(yù)設(shè)閾值時，采用聯(lián)合樹推理算法求解。
【文檔編號】G06F19/00GK103729553SQ201310710947
【公開日】2014年4月16日 申請日期:2013年12月19日 優(yōu)先權(quán)日:2013年12月19日
【發(fā)明者】陳庭貴, 周廣瀾, 許翀寰 申請人:浙江工商大學(xué)