基于QSIM算法的预警系统内部协同性研究

□贾传亮 陈洋洋 李若珺

[中央财经大学 北京 100081]

随着人们对于各类风险防范意识的加强，风险预警管理与预警系统的建立工作逐渐成为了人们关注与研究的重点。预警系统作为一个综合性系统，对于保障突发事件应急管理工作有着重要意义。预警系统包括众多环节，并且受到诸如外部环境、资源、决策者等相关因素的影响，鉴于预警系统的综合性，其内部的每一个环节之间都对彼此有着一定程度的影响，而这些环节又在协同作用下共同影响着系统自身的效率性。因此，系统内部环节之间关系的探讨对于提高整体系统效率具有积极的指导作用。

本文将采用定性模拟技术，使用QSIM算法对于预警系统内部的每个环节之间的相互影响与联系进行描述，以确定预警系统的内部协同性。并通过对预警系统内部环节之间的协同作用的整理来加深对于系统运行原理的认识，以此来指导决策者从源头处解决预警系统各环节在实际应用中可能出现的问题，同时对系统的效率改进提出相应的建议。

定性模拟中的QSIM算法在系统的研究中有着较为广泛的应用，如白旭使用QSIM模拟了北京市的文化设施配置指标体系[1]；贾传亮，池宏等也基于QSIM算法对于突发事件的应急处置过程进行了模拟研究与分析[2]；刘怡君等对社会舆论系统进行了探讨，并使用QSIM算法对2003年的SARS事件进行了模拟研究[3]；夏功成等则使用定性模拟对员工的离职行为进行了预测[4]。可见定性模拟作为一种较为有效的模拟方法已经被国内很多学者用于进行系统模拟并且对于系统内部的协同作用的研究具有一定有效性。国外学者对于这种方法的应用也进行了许多拓展：François E.Cellier与Victorino Sanz使用定性与定量混合的方法对图书馆系统进行了模拟[5]；Thomas Hinrichs等则使用QSIM算法对军事系统资源的分配进行了研究[6]；Hidde de Jong,Jean-Luc Gouzé等则对基因序列网络进行了研究，并使用定性模拟对其进行了动态分析[7]。

许多学者还从各行业入手对于预警体系进行了研究：张明华对于中小型企业融资可能发生的风险建立了预警系统并设定了相应的预警指标[8]；邓明然等从商业银行的操作流程入手，从定性和定量两方面探讨了商业银行的操作风险与预警系统[9]；潘怀明等则分析了我国养老保险基金运作方面的漏洞，设计出了一个可以及时反映养老保险基金风险的预警系统[10]。

一、预警系统内部环节分析

预警系统包括许多环节，其主要的运行机制是：首先收集相关数据；再根据数据进行分析，从而评价得出各种风险的强弱和与标准值的偏差程度；最后评定风险级别，向决策层发出预警信号以达到对事态进行预测与监控的目的。我们在预警系统的运转基础上，分析并且构造了预警系统的相关参量因果作用综合模型，见图1。图1反映了预警系统各个环节之间的关联性，其中：“+”号表示箭头变量会随着箭尾变量的增加而增加，“-”号则表示箭头变量会随着箭尾变量的增加而减少。例如，事件爆发的速度与强度越高会使得信息的收集难度增大，并且对于决策者的综合素质产生极大考验从而影响预警系统的总效率；而预警机制的完善性增加则会使各部门间的沟通有所增强继而提升整个预警系统的总效率。

图1 预警系统主要参量因果关系综合模型

由于预警系统内部环节的大部分参量难以进行定量描述，本文选用定性模拟的方法对于系统进行描述，并以QSIM算法来确定系统内其中一个环节状态的变化对于其他环节以及系统本身的影响性。为了简化并方便计量，我们将图1中的各参量表示如下：X1表示专家知识库完备性，主要指对于险情各种数据以及经验的总结及整理；X2表示监测信息采集全面性，指在险情发生后对于险情可收集数据的采集情况；X3表示数据处理分析精确性，指利用收集得到的数据对于发生险情的情况判断；X4表示机制建设完善性，指对于整个预警体系的机制进行的改进与学习工作；X5表示决策者综合素质与决断力，指包括决策者的分析力、决断力、心理素质等在内的所有可能影响系统运转的决策者自身能力；X6表示预警系统总效率，是模拟研究的最主要目标；X7表示事件爆发速度与强度，该条件属于外部不可控因素，会对系统内其他环节造成一定程度的负面影响；X8表示预警定级准确性，指根据分析结果对于事件风险性质进行分类；X9表示预警信息上报与发布快速性，指分析部门将结果传递给政府管理部门的效率性；X10表示衍生次生灾害预警水平，指根据现有事件对于可能发生的衍生次生灾害的预防工作；X11表示相关部门联动协同水平，指各部门间对于风险事件处理的配合程度；X12表示预警工作总结水平，指系统针对运转流程的不足所进行的补充与改进。这些参量中，专家知识库完备性、机制建设 完善性和决策者综合素质与决断力概括了预警系统的日常维护环节；监测信息采集全面性、数据处理分析精确性、预警定级准确性、预警信息上报与发布快速性、预警定级准确性、衍生次生灾害预警水平与相关部门联动协同水平则描述了险情从发生开始的系统运转流程，即险情的事中处理环节；而对于预警工作的总结则是险情的事后工作环节，这个系统基本涵盖了预警系统的各运转环节的要素，能够在一定程度上描述预警系统的运转机制。

二、模拟方法

QSIM（Qualitative SIMmulation）由Kuipers于1986年提出，自此定型模拟的概念以及QSIM的方法逐渐被国内外学者所认同。QSIM用定性微分方程来描述模拟对象，定性微分方程由变量和约束组成，变量代表系统状态，约束描述变量之间的关系。其大致流程表现为：在每个方程的初始定性状态给定的前提下，首先生成所有可能的后继状态，然后用方程间的定性限制和全局相容规则来删除不相容的或多余的状态组合，如此持续下去，来模拟系统的行为。从本质上来说，QSIM是一种定性推理方法，即由当前定性状态推导出其后继状态的推理过程。

（一）定义量空间

我们用定向变量对于每个环节与相关因素的状态进行描述。定义定性变量QS(f,ti)，其中ti(i=1,2,… ) 为模拟中的时间阶段，f则表示变量的定性值。该定性值以及其变化趋势决定了变量在某个时间点或变化区间内的状态。具体可表示为：QS(Xj,ti)=(qval,qdir)。其中，qval是Xj的定性值，取值空间为{- 2,-1,0,1,2}，分别表示“很差”、“差”、“一般”、“好”，“很好”；而qdir则表示Xj的具体变化方向，qdir={-,0,+}，表示Xj的变化趋势为“变坏”、“稳定”或“转好”。

（二）约束关系

对于预警系统的各环节相关因素进行分析，我们可以得到两个变量之间的因果作用，这些因果作用就是变量间的约束关系。预警系统各环节间的约束关系具体列于表1。其中，“+”表示纵轴变量增加会引起横轴变量的增加；“-”表示纵轴变量增加会引起横轴变量的减少；“0”则表示两个因素间的相互关系较弱，可以忽略不计。这些约束关系会在定性模拟的过程中用来过滤不符合实际的后继状态。

表1 定性变量之间的相互作用关系

（三）模拟规则

在定性模拟过程中，我们设定系统从初始状态出发，根据通用函数转化表得到每个参量的后继状态，并将后继状态经过约束一致性过滤、配对一致性过滤、全局解释和全局过滤，去除掉与约束关系不一致的状态，从而得到合理的后继状态[11]。

其具体算法步骤如下：

步骤1：从活动状态表中取出一个状态作为当前状态。

步骤2：根据通用状态转换表，确定每个变量由当前状态转换到的状态集合。

步骤3：对每个约束，产生状态转换的二元或三元组合集合，根据约束的限定，过滤掉与约束不一致的元组。

步骤4：对元组进行配对一致性过滤，即具有相同函数的两个元组，对同一个函数的转换必须一致。

步骤5：将经过上述过滤剩余的元组加以组合，产生系统状态的全局解释。如果全局解释失败，则当前状态为系统的结束状态；否则，把全局解释产生的状态作为系统的后继状态，并加入活动表。

步骤6：判断活动状态表是否为空，若为空，模拟结束；否则则返回步骤1，继续进行模拟。

三、实际模拟

我们对于预警系统进行一般性分析，得出各环节的初始状态，并设定时间t0＜t1…＜ti＜ti+1＜ …＜tn为显著时间点，以此来表示各个变量在显著时间点之间的变化是平稳的，不会产生突变。在模拟中，我们研究t0,t1,t2三个时间情景下的变量状态，通过通用函数状态转化表生成后继状态并进行过滤解释后，得到的模拟结果如表2所示。

表2 各变量模拟结果

由表2的模拟结果可知，整个预警系统各个环节的状况都会相应转好。特别是在t2时刻，数据分析精确性、预警定级准确性、衍生次生灾害预警水平以及预警工作总结水平都比原有状态有所改进，达到了较为理想的状态。从最终结果来看，预警系统的总效率与初始状态相比有了一定程度的进步，但由于受到时间爆发速度与强度这个外部不可控因素的影响未能达到最佳，仍旧有改进的空间。所有指标中，预警信息上报与发布快速性仍处于一般状态，是状态不太理想的环节，可以作为系统改善工作的主要目标。上述模拟结果表明了预警系统的内部环节的确存在较强的内在联系，相关部门在对具体环 节进行管理时应适当考虑系统内部的协同性从而更有针对性地展开预警工作。

四、总结

本文采用定性模拟和QSIM算法的思路，对于预警系统内部环节的关联性进行了定性描述，梳理了系统内部各环节间的内在联系，证明了预警系统内部的协同性。本文通过对于系统内部环节的因果推理，加深了决策者对于预警系统的理解，可以更好地帮助有关部门在实际预警问题中查找问题来源，以便从根源处解决系统问题，并且对于系统的效率改善具有较强的指导意义。

[1]白旭.基于QSIM 模拟的北京市文化设施配置指标体系问题研究[J].东方企业文化,2011(4):41:

[2]贾传亮,池宏,孙颖,李桂君.基于QSIM算法的突发事件应急处置过程模拟研究[J].中国管理科学,2007(10):740-744:

[3]刘怡君,顾基发.基于QSIM算法的舆论主体行为模拟研究[J].管理评论,2011(09):86-92

[4]夏功成,胡斌,张金隆.基于定性模拟的员工离职行为预测[J].管理科学学报,2006(08):81-91

[5]CELLIER FRANÇOIS E,SANZ VICTORINO.Mixed Quantitative and Qualitative Simulation in Modelica[C].Como,Italy:Proceedings 7th Modelica Conference,Sep.20-22,2009:86-95.

[6]HINRICHES TOMAS,FORBUS KENNETH,KLEER JOHAN de,YOON GUNGWOOK.Hybrid Qualitative Simulation of Military Operations[C].Proceeding of the Twenty-Third Innovation Applications of Artificial Intelligence Conference,1655-1661.

[7]HIDDE De JONG,Jean-Luc Gouzé,Céline Hernandez,et al.Qualitative simulation of genetic regulatory networks using piecewise-linear models[J].Bulletin of Mathematical Biology 2004,66(2):301-340.

[8]张明华.中小企业融资风险预警系统研究[D].北京:首都经济贸易大学,2006.

[9]邓明然,费伦苏,商业银行操作风险预警指标设计研究[J].武汉理工大学学报,2007(04):140-156.

[10]潘怀明,郑建军.我国养老保险基金风险预警指标体系探讨[J].贵州大学学报,2009(03):31-35.

[11]胡斌,蒋国银.管理系统集成模拟原理与应用[M].北京:高等教育出版社,2010.