信息不完备条件下地震应急案例结构化方法研究

张佰尚， 李向阳， 李相华

(1.哈尔滨工业大学 管理学院，黑龙江 哈尔滨 150001; 2.山东青年政治学院纪检审办公室，山东 济南 250103)



信息不完备条件下地震应急案例结构化方法研究

张佰尚1， 李向阳1， 李相华2

(1.哈尔滨工业大学 管理学院，黑龙江 哈尔滨 150001; 2.山东青年政治学院纪检审办公室，山东 济南 250103)

地震突发事件具有紧迫性、破坏性和信息不完备性，给人民群众生命财产安全造成了重大危害。案例推理是处置突发事件的有效方法。其中，案例表示是案例推理的基础，但是目前的案例表示方法并没有考虑突发事件的信息不完备性。这削弱了突发事件应急案例表示效果，并影响案例检索的准确性和案例适配的效果。本文在研究案例表示方法的基础上，结合案例推理的结构化和定量化需求，将证据理论的基本信任分配函数引入框架表示法中，提出了信息不完备条件下地震应急案例的框架表示法。接下来，本文提出了信息不完备条件下地震应急案例检索方法。最后，文章对提出的信息不完备条件下地震应急案例的结构化方法进行了应用验证。

决策支持系统；结构化方法；证据理论；框架表示法；地震应急案例

0 引言

近年来，地震突发事件多次发生并严重危害了人民群众的生命财产安全。然而，地震突发事件具有信息不完备、形势紧急以及情况复杂等特点，这为突发事件的应急决策和救援带来了较大困难。Case-Based Reasoning(CBR)能有效解决上述问题，进而有效支持地震突发事件应急决策。案例表示是CBR的基础，其所选用的表示方法和表示内容影响到案例检索的准确性和案例适配的有效性。因此，地震突发事件应急案例表示与检索方法研究在CBR的研究中非常重要。

应急案例常使用的表示方法有框架表示法、本体表示法、XML表示法和树结构表示法。

框架表示法结构性强、逻辑清晰，能够将事物的全貌层次分明地展现出来。Liao Zhenliang和Phillip M. Hannam等[1]使用框架表示法描述了石油泄漏应急准备中石油泄漏的情景和应急决策信息；廖振良、刘宴辉和徐祖信等[2]使用框架表示法表示突发环境污染事件；孙殿阁、孙佳、曹婧华等[3]使用框架表示法表示城市典型灾害系统。以上的研究能够较为清晰全面地描述突发事件，但是没有考虑情景信息的不确定性。翟丹妮和黄卫东[4]提出的框架结构只给出了应急案例的一般性特征，具体的应急领域该框架还需要进一步扩充。

本体表示法能够实现文件共享和异构系统间的互操作，有利于表现事件过程。Baisakhi Chakraborty和D.Ghosh[5]使用本体表示法表示了火灾应急案例。该方法能为专家处置突发事件提供支持，但结构性不强。Zhang Baishang、Li Xiangyang和Li Jun[6]等在复用ABC本体模型的基础上构建了面向案例推理的应急案例本体模型。该模型能全面详细地描述应急案例，但其不利于描述结构化知识。Zhao Jinsong和Cui Lin[7]创建了化工厂危险与可操作性分析本体，该本体与CBR集成能实现突发事件应急决策。Wu Keshou、等[8]构建了飓风应急管理本体，该模型适合描述飓风管理中灾情、物资供应及灾后恢复的知识，但缺少响应过程描述。Z. Fan和S. Zlatanova[9]构建的应急管理本体分为动态本体和静态本体，有助于不同领域的语义理解。但是子本体描述简单，不利于展现案例情境及响应过程。

XML表示法具有很强的可共享性，在分布式系统中得到了广泛的应用。仲秋雁和郭素[10]使用XML表示法将一个应急案例分为若干个元事件，形成明显的层次结构。吕宗平、胡欣和杨宏宇[11]使用XML技术表示机场应急案例。但是这两种方法没有考虑突发事件的信息不完备性。

树结构表示法具有层次清晰、结构分明的特点，也是应急案例常用的表示方法。Cai Jiwei和Jia Yunxian[12]使用树结构表示法进行了战时装备持有量智能决策。该表示方法的创新之处在于加入了战时装备持有量决策者这一因素。

现有的案例表示方法能够较为清晰地描述突发事件。但突发事件往往具备信息不完备(样本数据集无法准确地描述出模型变量的所有状态，主要由信息缺失和小样本观测造成[13])的特征。目前的应急案例表示方法没有考虑信息不完备性，这不利于应急案例表示、检索和适配。本文根据地震突发事件信息不完备的特征和应急决策的结构化需求，将证据理论中的基本信任分配函数引入框架表示法表示地震应急案例，解决信息不完备条件下地震应急案例的表示问题，提高案例检索的准确性和适配结果的有效性。同时，本文也给出了信息不完备条件下地震应急案例的检索方法，这对地震突发事件的CBR具有实用意义。

1 信息不完备条件下地震应急案例表示方法

1.1 地震应急案例推理需求分析

本文结合案例推理需求和案例表示方法的特点选取合适的地震应急案例表示方法。面向地震突发事件的案例推理有以下需求：

(1)地震应急案例推理的结构化需求。所谓结构化程度，是指对某一过程的环境和规律，能否用明确的语言( 数学的或逻辑学的，形式的或非形式的，定量的或推理的) 给予清晰的说明或描述。如果能描述清楚的，称为结构化问题[14]。地震应急案例种类多样、结构性较差，而案例推理的前提是将非结构化或者半结构化的问题转化为结构化的问题。因此，地震应急案例表示需要选取结构性强的案例表示方法，从而为地震突发事件应急决策提供支持。

(2)地震应急案例推理的定量化需求。地震突发事件应急救援需要不同职能的人员使用相应的装备和物资来完成。因此，地震突发事件应急案例推理不仅需要说明突发事件应急救援的过程，还要给出救援人员、救援物资等的构成及数量。所以，地震应急案例表示需要选取能够支持定量化描述的表示方法，以便于案例适配阶段可以得出人员及物资的量化决策。

目前，主要的案例表示方法有各自的优点和局限性，具体比较见表1。

表1 主要案例表示方法比较

可以看出框架表示法既能将突发事件应急案例结构化地表示出来，又能满足案例适配的定量化决策，是地震应急案例表示的合适方法。

1.2 基于D/S证据理论的地震应急案例框架表示方法

地震突发事件应急救援主要包含三个部分：突发事件现场的相关情景快速收集；基于情景特征的应急救援方案制定；应急救援效果评估。根据地震突发事件应急决策的流程，可以得出信息完备条件下地震应急案例的概念模型[15]，见式(1)。

Case=(S,P,E)

(1)

其中，S代表地震应急案例情景特征，P代表地震突发事件应急方案，E代表地震突发事件应急效果。

但是地震突发事件往往具有紧迫性和信息不完备性的特点，为了取得应急救援良机，应急决策人员往往需要根据相关信息和参数对部分情景特征值做出估算来为应急决策提供支持。这样，在信息不完备条件下，地震突发事件的情景特征值实际上是具有不确定性的情景特征值(不需要研判和估算情景特征的情况可以视为不确定性的特殊情况)。因此，本文将用于描述信息不确定性的D/S证据理论引入地震应急案例表示，从而解决信息不完备条件下地震应急案例表示问题。

在证据理论中，假定U为彼此互不相容事件的完备集合的识别框架，可表示为

U={θ1,θ2,…,θj…,θN}

(2)

其中，θj为识别框架的一个事件或者元素；j=1,2,…,N；识别框架U的所有子集组成的一个集合称为U的幂集，记为2U。

则有如下两个定义：

定义1 信任函数Bel(A)是一个从集合2U到[0,1]的映射，如果A和B表示识别框架U的两个子集，并且B⊆A⊆U，且满足

(3)

其中，m(B)是B的基本信任分配函数，Bel(A)称为A的信任函数，用来表示证据对A为真的信任程度。

定义2 不可驳斥函数P*(A)是一个从集合2U到[0,1]的映射，A表示识别框架U的一个子集，且满足

P*(A)=1-Bel(A)

(4)

该函数表示不怀疑A的程度。

根据以上定义可以得出地震应急中不确定性信息合成规则m(A)=m1(A)⨁m2(A)⨁…mn(A)

(5)

其中

(6)

(7)

(8)

所以，信息不完备条件下地震应急案例的概念模型变为式(9)。

Case=((S,m(A)),P,E)

(9)

其中，S代表地震应急案例情景特征，P代表地震应急救援方案，E代表地震应急救援效果，A代表地震应急案例中具有不确定性的情景特征[16]，其不确定性用二元组

图1 地震应急案例框架图

[Bel(A),P*(A)]表示，Bel(A)为A的信任函数，代表A的可信程度；P*(A)为A的不可驳斥函数，代表A的可信程度。m(A)表示对A的信任程度。

具体的案例表示还需要借助于合理的案例表示方法。如上文所述，框架表示法是符合突发事件应急案例推理需求的案例表示方法[17]。根据地震应急案例的概念模型，我们可以得到地震应急案例的框架网络，如图1所示。

地震应急不同于其他突发事件应急，需要多个部门应急联动，并且经常会面临资源不足的情形，所以地震应急案例框架需要采用顶层框架嵌套子框架的形式来构造。地震应急案例的顶层框架如表2所示。根据地震应急案例的框架示意图，本文构造了地震应急案例的子框架，如表3、表4、表5和表6所示。

表2 地震应急案例顶层框架

表3 地震应急案例情景特征

框架名:<地震应急案例情景特征>槽1:时间值 m(A)(槽1)槽2:地点值 m(A)(槽2)槽3:情景描述侧面31:情景描述指标1值 m(A)(侧面31)侧面32:情景描述指标2值 m(A)(侧面32)…… …侧面3n:情景描述指标n值 m(A)(侧面3n)

表4 地震应急救援方案

框架名:<地震应急救援方案>槽1:救援安置方案槽2:道路抢修方案槽3:消防灭火方案槽4:电力抢修方案槽5:医疗防疫方案

表5 救援安置方案

表6 地震应急案救援效果

框架名:<地震应急救援效果>槽1:地震应急救援结果值槽2:欠缺的应急资源侧面21:应急资源1值侧面22:应急资源2值……侧面2n:应急资源n值槽3:地震应急救援评价值

其他应急方案的表示方法与救援安置方案相似，不再赘述。

通过顶层框架嵌套子框架可以将地震应急案例清晰而结构化地表示出来。

2 信息不完备条件下地震应急案例检索方法

由于信息不完备条件下的地震应急案例表示融入了基本信任分配函数m(A)，所以其检索方法也会有所变化。本文使用最近邻法来检索相似案例。该过程分为两个阶段：第一个阶段计算融入基本信任分配函数的地震应急案例的局部属性；第二个阶段计算地震应急案例的全局属性。

2.1 地震应急案例局部相似度的计算

对于地震突发事件情景特征而言，其数据属性可以划分为确定符号属性、确定数属性和模糊属性，文章分别介绍其属性相似度的计算方法。

(1)确定符号属性

确定符号属性是描述地震应急案例情景特征的一种重要数据属性，通常用明确的专业术语来表示[18]，该属性相似度通过比较目标案例与源案例的含义来计算。信息不完备条件下该属性的计算公式为

(10)

其中，sima(ci,ti)为目标案例和源案例第i个属性的相似度，m(A)ti为目标案例第i个确定数属性的基本信任分配函数，m(A)ci为源案例第i个确定数属性的基本信任分配函数。

(2)确定数属性

确定数属性是地震应急决策的关键属性之一，其计算有多种方法[19]，本文根据地震突发事件的特点选用海明距离来计算确定数属性的相似度，计算公式为

(11)

其中，sima(ci,ti)为目标案例和源案例第i个属性的相似度；ti为目标案例第i个确定数属性的值，m(A)ti为目标案例第i个确定数属性的基本信任分配函数；ci为源案例第i个确定数属性的值，m(A)ci为源案例第i个确定数属性的基本信任分配函数；Amaxi为源案例中第i个确定数属性的最大值，即Amaxi=max(cim(A)ci)；Amini为源案例中第i个确定数属性的最小值，即Amini=min(cim(A)ci)。

(3)模糊属性

地震突发事件的信息不完备性和紧迫性决定了在地震应急案例中存在着大量模糊属性值。由于实际应用中的许多随机变量都是正态分布或者接近正态分布的，所以正态模糊集非常重要。同样，有关地震的许多变量都可以表征为正态模糊集，因此本文使用正态模糊集合来描述模糊属性[20]。正态模糊集的隶属函数为

(12)

根据该函数的特点，本文对文献[20]计算模糊属性相似度方法进行改进来计算具有不完备信息的模糊属性相似度。

1)确定数与模糊区间数相似度计算

设a为一确定数，zi为第i个属性的取值范围，b1、b2为模糊区间数的上下限，则有

(13)

其中

(14)

2)模糊区间数相似度计算

设a1、a2和b1、b2分别为两个模糊区间的上下，则有

(15)

(16)

当a1>b2时，计算相似度需要将[a1,a2]和[b1,b2]调换。

3)模糊概念属性相似度计算

计算模糊概念属性相似度需要先使用模糊量化分值将评价模糊处理，然后使用模糊区间属性相似度计算相似性。

2.2 地震应急案例全局相似度的计算

地震应急案例全局相似度是案例中所有情景属性相似度的加权和。情景属性的重要性由其在应急决策制定中的作用来决定。本文使用AHP方法来获取属性权重，然后在应急案例情景属性局部相似度的基础上通过对每个加权的属性相似度求和而得到全局相近似度。其具体的计算公式为

(17)

其中，sima(ci,ti)为信息不完备条件下地震应急案例的全局相似度，wi为第i个属性值的权重，sima(ci,ti)为目标案例ti和ci源案例在属性i上的局部相似度，m为属性值的个数。

3 实例应用

本文选取2012年9月7日云南昭通、贵州毕节地震救援安置案例和2008年8月四川攀枝花地震救援安置案例来说明基于证据理论的地震应急案例的框架表示方法及检索方法的具体应用。

地震应急案例表示需要通过信息源获取地震的情景属性并计算信息源的基本信任分配函数。在该案例中，震级、震源深度、海拔、地形、人口密度和应急响应等级的信息可以直接精确获取，其基本信任分配函数值为1。而受伤人数、死亡人数和受灾范围需要通过调查汇报的形式获取，由于地震灾害具有紧急性、破坏性和信息不完备性特点，不同调查汇报单位的汇报结果会有所不同，因此这些数值具有不确定性，需要使用基本信任分配函数来表示这些不确定性。两个调查汇报单位对这三个情景属性的汇报结果分别为(795,0.9)、(81,0.9)、(6214-7100,0.9)和(680,0.6)、(71,0.7)、(6000-7000,0.8)。调用信息不确定处理模型可以对两组汇报数据进行处理。

受伤人数基本信任分配函数为：

表7 云南昭通、贵州毕节地震应急案例顶层框架

可见受伤人数为795人的可能性比受伤人数为680人的可能性大很多，其基本信任分配函数为0.5732。同样可以获取死亡人数和受灾范围的情景属性及其基本信任分配函数分别为(81,0.5569)、(6214-8000, 0.5285)。

因此云南昭通、贵州毕节地震救援安置子案例可以表示为以下表格。

表8 云南昭通、贵州毕节地震应急案例情景特征

表9 云南昭通、贵州毕节地震救援安置方案

表10 云南昭通、贵州毕节地震灾民救援安置效果

表11 案例库中地震应急案例情景特征属性最大最小值表

情景特征名称属性最大值属性最小值震级9级5级震源深度60千米5千米平均海拔5000米0米受伤人数2000人580人死亡人数300人35人受灾范围15000平方公里6000平方公里人口密度2000人/平方公里1人/平方公里应急响应等级1级4级

进行案例检索需要计算属性相似度和全局相似度。属性相似度使用前文的公式进行计算，所需的属性的取值范围见表11。

确定数属性相似度使用式(11)计算。

同样可以计算得到其他确定数属性相似度。

模糊区间属性相似度使用式(15)计算。

确定符号属性相似度使用式(10)计算。

sima6=1-|1-1|=1

最后得到所有局部属性相似度。

计算全局相似度还需要选取情景属性权重。该权重的设定通过AHP方法来实现。地震专家分析评估各个情景特征在应急决策中的重要作用建立判断矩阵，如表12。

表12 情景属性专家判断矩阵

使用方根法可求得该矩阵的特征向量为

一致性检验通过，所求得的特征向量即为情景属性的权重，结果见表13。

表13 情景属性计算结果

最后，可以得出两个案例的相似度为

如果忽略了信息的不确定性，那么可以得到案例相似性为

可见，考虑了信息不确定性和不考虑信息不确定性的案例表示和相似度测量有很大不同。证据理论具有很强的表示和处理不确定性信息的能力[21]，将其和框架表示法融合能更好地描述信息不完备条件下的结构化案例。

4 结论

本文在对案例表示方法进行比较研究的基础上，根据案例推理的结构化需求和定量化需求，将证据理论的有关内容引入框架表示法，提出了信息不完备条件下地震应急案例的框架表示法。该方法可以有效地描述信息不完备条件下地震应急案例情景特征的不确定性，从而改进案例推理的检索和适配效果。同时，文章相应地提出了信息不完备条件下地震应急案例的检索方法。最后，文章对信息不完备条件下地震应急案例的表示方法和检索方法进行了实际应用。

在信息不完备条件下应急案例表示方法和检索方法的基础上，今后的工作将研究面向情景特征的突发事件应急案例适配方法，从而为地震突发事件应急处置提供量化的决策支持。

[1] Liao Z L, Phillip H. Integration of multi-technology on oil spill emergency preparedness[J]. Marine Pollution Bulletin, 2012, 64(10): 2117-2128.

[2] 廖振良,刘宴辉,徐祖信.基于案例推理的突发性环境污染事件应急预案系统[J].环境污染与防治,2009,31(1):86- 89.

[3] 孙殿阁,孙佳,曹婧华,等.基于案例推理的城市典型灾害应急处置专家系统构建研究[J].中国安全生产科学技术,2012,8(2):55- 60.

[4] 翟丹妮,黄卫东.应急案例的框架表示方法研究[J].计算机技术与发展,2011,21(7):9-12.

[5] Baisakhi C, Ghosh D. Knowledge management with case-based reasoning applied on fire emergency handling[A]. Kaihara.2010 8th IEEE International Conference on Industrial Informatics(INDIN)[C]. Washington, DC, USA: IEEE Computer Society, 2010. 708-713.

[6] Zhang B S, Li X Y, Li J. Research on emergency case ontology model based on ABC ontology[A]. Lan Hua.2013 International Conference on Management Science and Engineering[C]. Washington, DC, USA: IEEE Computer Society, 2013. 739-744.

[7] Zhao J S, Cui L. Learning HAZOP expert system by case-based reasoning and ontology[J]. Computers & Chemical Engineering, 2009, 33(1): 371-378.

[8] Wu K S, Li L, Li J X, et al. Ontology-enriched multi-document summarization in disaster management using submodular function[J]. Information Sciences, 2013, 224 (1): 118-129.

[9] Fan Z, Zlatanova S. Exploring ontology potential in emergency management[J]. Applied Geomatics, 2011, 3(2): 109-122.

[10] 仲秋雁,郭素.应急辅助决策中案例表示与检索方法研究[J].大连理工大学学报,2011,51(1):137-142.

[11] 吕宗平,胡欣,杨宏宇.基于案例推理的机场应急预案管理[J].中国民航大学学报,2010,28(2):1-5.

[12] Cai J W, Jia Y X. Research of wartime equipment maintenance intelligent decision-making based on case-based reasoning[J]. Procedia Engineering, 2011, 15: 163-167.

[13] 任佳,高晓光,白勇.信息不完备小样本条件下离散DBN参数学习[J].系统工程与电子技术,2012,34(8):1723-1728.

[14] 高洪深.决策支持系统(DSS)—— 理论·方法·案例(第2版)[M].北京:清华大学出版社,2000.

[15] 袁晓芳.基于情景分析与CBR的非常规突发事件应急决策关键技术研究[D].西安:西安科技大学,2011.

[16] 朱福喜.人工智能基础教程(第2版)[M].北京:清华大学出版社,2011.

[17] Liao Z L, Mao X W, Phillip H, et al. Adaptation methodology of CBR for environmental emergency preparedness system based on an improved genetic algorithm[J]. Expert Systems with Applications, 2012, 39(8): 7029-7040.

[18] HU B, HU H A, Chai Y G. An emergency procurement decision support system integrating case-based and rule-based reasoning[A]. Zhang J, Zhang X Q. 2012Inernational Conference of Logistics Engineering and Management[C]. Reston, USA: American Society of Civil Engineers, 2012. 912- 917.

[19] Xie X L, Lin L, Zhong S S. Handling missing values and unmatched features in a CBR system for hydro-generator design[J]. Computer-Aided Design, 2013, 45(6): 963-976.

[20] Li H, Sun J. Hybridizing principles of the electre method with case-based reasoning for data mining: electre-CBR-I and electre-CBR-II[J]. European Journal of Operational Research, 2009, 197(1): 214-224.

[21] 杨风暴,王肖霞.D-S证据理论的冲突证据合成方法[M].北京:国防工业出版社,2010.

Research on Structuralization Method for Earthquake Emergency Cases Under the Condition of Incompleteness Information

ZHANG Bai-shang1, LI Xiang-yang1, LI Xiang-hua2

(1.SchoolofManagement,HarbinInstituteofTechnology,Harbin150001,China; 2.DisciplineInspection&SupervisionOffice,ShandongYouthUniversityofPoliticalScience,Jinan250103,China)

Earthquake emergencies are characterized with urgency, destruction and incompleteness of information, and do a great harm to the safety for people's lives and property. Case-based reasoning is an effective method for emergency disposal and case representation is the basis of case-based reasoning. However, the current methods of case representation are not involved in the incompleteness of information for emergencies, which weakens the effectiveness of emergency case representation and affects the accuracy of case retrieval and the effect of case adaptation. On the basis of case representation research, this paper introduces mass function of evidence theory into the framework representation method and propose the framework representation method for earthquake emergency cases under the condition of incompleteness insormation according to structured and quantitative requirements of case-based reasoning. Then it puts forward retrieval methods for earthquake emergency cases under the condition of incompleteness information. Finally, it the proposed case representation and retrieval method for earthquake emergency cases under the condition of incompleteness information is verified for application.

decision support system; structured method; evidence theory; framework representation method; earthquake emergency case

2013- 08-13

国家自然科学基金资助项目(91024028, 91024031, 91324018)

张佰尚(1984-),男，博士研究生，研究方向：管理决策及其支持系统，应急管理；李向阳(1950-)，男，教授，研究方向：管理决策及其支持系统，应急管理；李相华(1977-)，男，讲师，研究方向：工程管理。

TP399

A

1007-3221(2015)02- 0078- 09