一种基于灾害链的多灾种耦合与次生衍生演化预测系统技术方案

本发明专利技术公开了一种基于灾害链的多灾种耦合与次生衍生演化预测系统，包括：灾害链关联性知识建模模块，多灾种应急动态综合管理模块及多灾种耦合预测模块；灾害链关联性知识建模模块，用于对自然灾害以灾害源进行灾害链的构建，形成语义网络图，结合因果型灾害链的实际背景需求分析，利用贝叶斯网络的方法表示灾害链知识；多灾种应急动态综合管理模块，用于实现自然灾害信息的实时处理、分析、决策的动态管理；多灾害耦合预测模块，依据灾变和承灾体两个因素，将基于灾害链的预测过程分为单灾害预测和多灾种耦合预测。本发明专利技术通过多灾种耦合演化模型可以全方位的，多角度的对发生的灾害进行分析及灾害发生后的各种应急处置。进行分析及灾害发生后的各种应急处置。进行分析及灾害发生后的各种应急处置。

【技术实现步骤摘要】
一种基于灾害链的多灾种耦合与次生衍生演化预测系统


[0001]本专利技术属于突发事件次生衍生演化预测
，具体指代一种基于灾害链的多灾种耦合与次生衍生演化预测系统。

技术介绍

[0002]1987年，地震学家郭增建将“一系列灾害相继发生的现象”定义为“灾害链”，并进一步将其细分为因果链、同源链、互斥链和偶排链，这是国内首次提出“灾害链”的概念。自然灾害链的发生具有明显的链式特征，构成复杂的灾害链系统。任何一种灾害发生的原因都不是孤立的、静止的，都是与其他因素相联系的，同时任何一种灾害发生，都会对其周边环境产生多种多样的影响。通过对各类发生的源生灾害进行分析构建不同灾害对灾害链，建立基于灾害链的多灾种耦合预测模型，通过模型驱动机制，分析某类源生灾害或多个源生灾害发生后，可能引发的各类次生、衍生次生灾害，对灾害可能造成的各类事故后果进行模拟分析、预测预警等。
[0003]案例推理技术，1982年Schank首次提出，通过源案例与目标案例之间的映射关系，选择出与目标案例相似的案例，将匹配出案例的解决方案进行合理重用，生成新问题的解决方法，进行决策支持。案例表示是案例推理的首要工作，案例存储结构的好坏直接影响推理工作的质量和速度，通过语义网络、XML、人工智能等技术对案例进行剖析，以情景作为案例推理的基本单元，表现事件动态演化过程，增强以往经验的可用性，丰富案例推理的理论知识，给突发的源生灾害构建整体框架，建立基于情景构建事件案例推理方法，为相关应急部门应对单一或多种源生灾害提供决策支持。
[0004]灾害关联语义网络技术，是1969年心理学家Collins和Quillian提出的用以描述人脑联想的显示心理学模型，由于人工智能理论与认知心理学的内在一致性语义网络作为一种知识表示方式很快被广泛应用于人工智能领域。语义网络着重强调事物间的语义关系，把事物的属性以及事物间的各种语义联系显式表示出来，灾害关联性知识链通过描述灾害之间的联系，通过对静态/动态灾害链知识的推理表示模型。语义网络具有广泛的表示范围和强大的表示能力和灾害关联性知识恰好是一种结构化的层次知识，这样通过语义网络来表示灾害关联性知识可以做到无缝对接。
[0005]大数据挖掘分析技术基于基础数据的分析、处理及整合，可以协调不同业务、不同领域、不同部门之间的业务处理，实现资源的综合利用，在大数据
，主要目的是围绕打造信息优势并向决策优势转换的发展目标，通过突破高效、稳定、易用、安全的大数据分析处理技术，解决当前数据资源利用单一、分析挖掘手段缺乏、智能化辅助能力低的问题，为系统建设提供支撑。大数据关键技术的能力将源生灾害及次生灾害分解运算处理能力和对业务的支撑，优化、提升平台存储和运算能力，进一步对跨系统及各类数据进行整合，提升数据分区二次存储能力，满足数据支撑不同类型的业务需要。
[0006]如何综合利用灾害链理论、案例推理技术、灾害关联语义网络技术、大数据挖掘分析技术，通过将自然灾害链理论，综合运用智能体、信息模型、数据挖掘、人工智能、复杂系
统建模以及网络通信等理论和技术，对我国自然灾害管理现状及问题，建立多灾种综合预测预警与决策支持的相关理论、方法和技术，通过建立多灾种耦合预测模型，研究灾害链中不同灾害之间的相互影响、相互作用、灾害之间的关联性，分析源生灾害诱发的各类次生灾害，及时对突发的自然灾害可能诱发个各类次生灾害进行提前准备和应对。

技术实现思路

[0007]针对于上述现有技术的不足，本专利技术的目的在于提供一种基于灾害链的多灾种耦合与次生衍生演化预测系统，以解决现有的单一灾种预测推演不全面，对突发自然灾害事件可能造成的次生、衍生灾害不完整、不准确，无法为政府应对突发自然灾害救援提供多样化决策支持环境的问题。
[0008]为达到上述目的，本专利技术采用的技术方案如下：
[0009]本专利技术的一种基于灾害链的多灾种耦合与次生衍生演化预测系统，包括：灾害链关联性知识建模模块，多灾种应急动态综合管理模块及多灾种耦合预测模块；其中，
[0010]灾害链关联性知识建模模块，用于对自然灾害以灾害源进行灾害链的构建，利用语义网络表示法对灾害关联性知识进行建模，形成语义网络图，结合因果型灾害链的实际背景需求分析，利用贝叶斯网络的方法表示灾害链知识；
[0011]多灾种应急动态综合管理模块，用于实现自然灾害信息的实时处理、分析、决策的动态管理；
[0012]多灾害耦合预测模块，依据灾变和承灾体两个因素，将基于灾害链的预测过程分为单灾害预测和多灾种耦合预测。
[0013]进一步地，所述利用语义网络表示法对灾害关联性知识进行建模具体为：利用语义网络表示法对自然灾害知识进行表示，明确基本知识概念结构，知识结构中的基本概念对应语义网络中的语义节点，自然灾害具有关联性，表现在灾害关联性知识层次树状图，指原子灾害活动节点之间、原子灾害异常节点之间以及两者之间存在着的错综复杂的联系，在灾害知识语义网络中，泛化联系构建基本的树状层次结构，形成语义网络图。
[0014]进一步地，所述利用贝叶斯网络的方法表示灾害链知识具体为：通过抽取因果型灾害链的定性知识和定量知识，构建对应的贝叶斯推理网络；定性知识指灾害链的基本结构关系，即所有的因果关联，在特定灾害分析场景中预先构建；定量知识指灾害链中所有因果关联附加的条件概率，根据历史数据统计结合自身专业经验分析计算得出；在形成基本的贝叶斯推理语义网络后，给出主灾害节点的发生概率，便可按照广度优先遍历的原则，一次算出每一个灾害节点的发生概率，从而利用贝叶斯网络构建基于贝叶斯网络的灾害链-贝叶斯网络模型。
[0015]基于独立的假设，在计算某一个灾害节点的事件发生概率时，只需要获取其父节点的有效信息即可，假设某一灾害节点B(非根节点)的父节点集合为F(B)＝{A1，A2，A3，
…
A
n
}，由于A1，A2，A3，
…
A
n
相互独立，彼此间不存在更复杂的关系，则推论出语义网络四元组(A
i
，causation，B，P(B|A
i
))，i＝1，2，
…
n彼此之间相互独立也即因果推理语义边相互独立；在已知P(Ai)和P(B|Ai)的情况利用条件概率公式估算灾害B的发生概率；通过抽取因果型灾害链的定性知识和定量知识，构建对应的贝叶斯推理网络；在形成基本的贝叶斯推理语义网络后，只需给出主灾害节点的发生概率，便可按照广度优先遍历的原则，一次算出每一
个灾害节点的发生概率。
[0016]进一步地，所述条件概率具体为：设A,B为两个事件，当P(B)>0时，为事件B发生时事件A发生的条件概率，在P(A)>0或时，有P(AB)＝P(A)P(B|A)＝P(B)P(A|B)，在因果型灾害链中，对因果联系的判断赋值概率同样也是条件概率；已知事件B会引发事件A(即B->A为因果联系)，通过统计得到事件B的发生概率为P(B本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于灾害链的多灾种耦合与次生衍生演化预测系统，其特征在于，包括：灾害链关联性知识建模模块，多灾种应急动态综合管理模块及多灾种耦合预测模块；灾害链关联性知识建模模块，用于对自然灾害以灾害源进行灾害链的构建，利用语义网络表示法对灾害关联性知识进行建模，形成语义网络图，结合因果型灾害链的实际背景需求分析，利用贝叶斯网络的方法表示灾害链知识；多灾种应急动态综合管理模块，用于实现自然灾害信息的实时处理、分析、决策的动态管理；多灾害耦合预测模块，依据灾变和承灾体两个因素，将基于灾害链的预测过程分为单灾害预测和多灾种耦合预测。2.根据权利要求1所述的基于灾害链的多灾种耦合与次生衍生演化预测系统，其特征在于，所述利用语义网络表示法对灾害关联性知识进行建模具体为：利用语义网络表示法对自然灾害知识进行表示，明确基本知识概念结构，知识结构中的基本概念对应语义网络中的语义节点，自然灾害具有关联性，表现在灾害关联性知识层次树状图，指原子灾害活动节点之间、原子灾害异常节点之间以及两者之间存在着的错综复杂的联系，在灾害知识语义网络中，泛化联系构建基本的树状层次结构，形成语义网络图。3.根据权利要求2所述的基于灾害链的多灾种耦合与次生衍生演化预测系统，其特征在于，所述利用贝叶斯网络的方法表示灾害链知识具体为：通过抽取因果型灾害链的定性知识和定量知识，构建对应的贝叶斯推理网络；定性知识指灾害链的基本结构关系，即所有的因果关联，在特定灾害分析场景中预先构建；定量知识指灾害链中所有因果关联附加的条件概率，根据历史数据统计结合自身专业经验分析计算得出；在形成基本的贝叶斯推理语义网络后，给出主灾害节点的发生概率，便可按照广度优先遍历的原则，一次算出每一个灾害节点的发生概率，从而利用贝叶斯网络...

【专利技术属性】
技术研发人员：杨季方，高强，庞雯倩，
申请(专利权)人：南京莱斯信息技术股份有限公司，
类型：发明
国别省市：