突发事件的应急管理一直是公共管理领域的重要研究方向之一。目前我国对于突发事件的管理已形成较为完备的预案体系,但对于特定的突发事件,主要依赖专家组现场形成应急方案。由于突发事件的不确定性、演变情况的复杂性、专家自身经验和知识的局限性,在形成应急方案时往往需要借鉴相似案例。如何根据现有突发事件的特征信息和历史经验快速生成有效的应急方案是值得关注和研究的问题。
案例推理方法,即借助相似历史案例解决现有问题,符合人脑的思维方式,可实现知识挖掘与经验复用,是突发事件应急管理过程中应用的重要方法。其在应急方案生成中的应用主要有:构建案例相似度匹配算法:集结结构相似度、情景相似度[1 ] 、情景链相似度、处置任务相似度[2 ] 、语义相似度[3 ] ,进而获取相似度较高的应对方案,谭睿璞等[4 ] 针对案例中信息表述方式多样的问题,提出了异质信息下基于案例推理的应急决策方法。突发事件的情景要素权重的确定是应急方案生成过程中的重要一环,随着机器学习方法的日益成熟,学者们相继将随机森林等算法应用于突发事件应急研究,如徐绪堪等[5 ] 将随机森林算法应用于突发事件分级,进而实现突发事件的实时匹配;周德红等[6 ] 利用随机森林算法得到指标权重,定量刻画了情景要素与事故发生间的关系;封超等[7 ] 为解决在相似度筛选时过分依赖决策者主观意见的问题,引入了粒子群优化算法,提高了权重算法的稳定性,并获得了较好的分类效果;ZHONG等[8 ] 利用随机森林抗过拟合的特性,将其应用于两层相似案例筛选模型,提高了案例推理方法的检索精度和准确性。随机森林等机器学习方法虽在求解情景要素权重方面具有一定优势,但由于其主要信息依据源自突发事件本身,对于历史案例较少的情形,存在一定的局限。为此,本研究拟在随机森林算法的基础上,结合专家知识提出一种确定要素权重的方法。
近年来,研究者尝试将方案实施效果融入应急方案生成,形成了系列研究成果。李永海等[9 ] 率先提出了考虑实施效果的突发事件应急方案生成模型,对相似度大于阈值的案例,从实施效果和应对成本2个维度构建了效用函数,得到了应急方案的排序;郑晶等[10 ] 在解决应急方案生成和实施效果评估中,考虑了方案在整个应急过程中的实施效果,采用距离熵方法集结了实施效果,进而综合考虑相似度与实施效果,实现了应急方案生成;此后,郑晶等[11 ] 在应急方案生成过程中引入数据包络分析(data envelopment analysis,DEA)方法进行相似度测量和实施效果评价,增强了决策过程的客观性;郑晶等[12 ] 考虑决策过程中决策者的心理因素,构建了考虑决策者后悔规避的应急方案生成模型,通过度量感知效用生成了最优方案。深入分析发现,上述研究主要通过多属性决策评估方法开展方案实施效果评价,缺乏系统的评价指标体系。需要指出的是,由于突发事故方案的复杂性,实施效果评价属于典型的群体决策问题。为此,本文拟在既有研究基础上,针对苯系物泄露事件应急处置效果评价问题,构建方案实施效果评价指标体系,用群体共识方法提出评价体系。
综上,对于生成突发事件应急方案的问题,已有研究大多关注相似度匹配,对于筛选得到的案例的处置效果缺乏全面考虑。但案例相似度与处置效果不一定成正比,可能出现应急方案与当前情景匹配度极高,但处置效果不佳的情况,并不能直接用于解决当前问题,或出现生成方案可迅速截断污染源但并未考虑居民安置或环境污染问题,若处置不当,可能对周边环境和居民造成较大伤害,因此决策模型需为决策者快速精准地筛选出适宜的应急方案以辅助应急救援。本文提出了一种考虑情景相似度与处置效果的两阶段应急方案生成方法,首先,提取突发事件的情景要素,然后综合考虑专家意见并从客观案例库中获取要素权重,计算情景相似度,依照相似度完成案例初筛,接着,构建评价指标体系并引入群共识算法评价应急方案处置效果,最后,综合相似度与处置效果,为决策者推荐当前突发事件的解决方案。
1 问题描述
对于考虑处置效果的苯系物泄露案例应急方案生成问题,设有m 个案例Z = { z i i = 1,2 , ⋯ , m } ,z i 表示第i 个历史案例,Z * 表示目标案例;n 个情景要素F = { f j j = 1,2 , ⋯ , n } ,f j 表示第j 个情景要素;情景要素权重W = { w j j = 1,2 , ⋯ , n } ,w j 表示第j 个要素权重,0 ≤ w j ≤ 1 ,且∑ j = 1 n w j = 1 。有n 个处置效果指标C = { c j j = 1,2 , ⋯ , n } ,c j 表示第j 个指标,专家e k 对于相似案例集处置效果评价矩阵R k = ( r i j k ) m × n ( k = 1,2 , ⋯ , l ) ,l 为专家数;W e = { ω j e j = 1,2 , ⋯ , n } 为指标权重,ω j e 为第j 个指标的权重,0 ≤ ω j e ≤ 1 ,且∑ j = 1 n ω j e = 1 。由于应急方案生成具有不确定性,方案的要素属性存在多种形式,因此,考虑基于异质数据的属性描述,主要包括符号型数据、精确数、语义型数据。例如,在苯系物泄露突发事件中,属性“事故原因”为符号型数据,“泄露量”为精确数,应急处置效果的评价属性为语义型数据,用语义表示,如“很差”“差”“一般”“好”“很好”等,可将其量化为直觉模糊数,如表1 所示。
本文要解决的问题是:针对当前突发事件的情景特征,依据历史案例的情景描述、应急方案、处置效果和要素权重及专家意见,如何运用可行的决策分析方法生成最优的应急方案。以往利用案例推理技术生成应急方案的决策范式侧重于案例情景的构建与匹配,较少涉及与情景对应的应急方案处置效果。在处置效果评价方面,大多只关注预案质量的评估,或仅从简单维度给出评价信息。本文在案例推理与应急管理评价的基础上,综合历史案例全过程记录数据,提出一种更具实践意义的决策范式——案例推理框架下的两阶段应急方案生成方法。
2 基于案例匹配与效果评价的两阶段应急方案生成方法
第一阶段为基于情景相似度的历史案例筛选。首先提取能够表征突发事件的情景要素,其次采用随机森林结合专家知识的方法求得要素对突发事件的贡献度,最后计算历史案例与目标案例的综合相似度,输出相似度大于某阈值的案例,构成相似案例集。
第二阶段为相似案例集的应急方案排序。首先构建应急处置效果评价指标体系,用于评价应急方案的质量,其次采用自适应共识调整算法集结专家对应急处置效果的评价意见,最后给出相似案例集对应的应急处置方案的评分。
基于上述两阶段结果,综合情景相似度与应急处置效果,给出突发环境事件的应急方案。
2.1 应急方案的案例匹配
为完成应急方案生成方法的第一阶段,构建基于随机森林与专家知识的情景要素权重,以此为基础,构建直觉模糊案例匹配方法。
2.1.1 基于随机森林与专家知识的要素权重获取
由于要素客观权重的获取基于对历史案例库的数据分析,而案例库无法收录所有相关案例或存在部分缺失值的案例,得到的要素权重并不能完全模拟人脑的思维方式,与基于知识经验的分析有一定差距,因此要素权重的最终确定还需专家的知识分析,从而实现要素权重分配的可靠性与实用性的协同。为此,研究一种基于随机森林与专家知识的要素权重构建方法。
先获取基于随机森林的客观权重和基于专家知识的主观权重,再通过线性组合构建情景要素综合权重。方便起见,相关符号设定如下:突发事件的情景要素集F = { f 1 , f 2 , ⋯ , f n } ,客观权重向量W o b j = w 1 o b j , w 2 o b j , ⋯ , w n o b j T ,主观权重向量W s u b = w 1 s u b , w 2 s u b , ⋯ , w n s u b T ,情景要素综合权重向量W = ( w 1 , w 2 , ⋯ , w n ) T ,专家集E = { e 1 , e 2 , ⋯ , e l } 。
输入 构成每个案例的情景要素和案例结果R = { r 1 , r 2 , ⋯ , r K } 。
步骤1 生成分类结果。从n 个情景要素中随机选取h 个,有放回地选择d 次,得到分类结果。
步骤2 计算情景要素的重要性。情景要素f j 在节点m 的重要性为
V I M j m ( G i n i ) = G I m - G I l - G I r ,(1)
其中,G I m = 1 - ∑ k = 1 | K | p m k 2 ,G I l , G I r 分别表示分枝后2个新节点的Gini指数。
若f j 在决策树i 中出现的节点为集合M ,则f j 在第i 棵树的重要性为
V I M i j ( G i n i ) = ∑ m ∈ M V I M j m ( G i n i ) ,(2)
V I M j ( G i n i ) = ∑ i = 1 d V I M i j ( G i n i ) ,(3)
w j o b j = V I M j ∑ j = 1 n V I M j 。(4)
输入 情景要素集的重要度和评价矩阵Q = ( a k j ) l × n 。
步骤3 专家依据自身知识及历史经验对情景要素集进行重要度打分,专家e k k = 1,2 , ⋯ , l 通过语义集S = { 很 不 重 要 ( s 1 ) , 不 重 要 ( s 2 ) , 一 般 ( s 3 ) ,
重 要 ( s 4 ) , 很 重 要 ( s 5 ) } 提供f j ( j = 1,2 , ⋯ , n ) 的评价信息a i j ,a i j ∈ S ,进而形成评价矩阵Q = ( a k j ) l × n 。
步骤4 通过表1 的模糊量化方式,将语义信息转化为直觉模糊数α k j = ( μ k j , ν k j ) ,获取直觉模糊评价矩阵Q ˜ = ( α k j ) l × n 。
步骤5 计算f j ( j = 1,2 , ⋯ , n ) 的综合评价信息α j :
α j = ( μ j , v j ) = A g g ( α 1 j , α 2 j , ⋯ , α l j ) = 1 l ∑ k = 1 l μ k j , 1 l ∑ k = 1 l v k j 。
步骤6 计算综合评价信息的记分函数S ( α j ) = μ j - v j [13 ] 。
w j s u b = [ S ( α j ) + 1 ] / 2 ∑ j = 1 n [ S ( α j ) + 1 ] / 2 。(5)
w j = δ w j s u b + 1 - δ w j o b j , j = 1,2 , … , n ,(6)
其中,参数δ 为调节因子,δ ∈ 0,1 。当δ = 0 时,为客观权重,即不考虑专家意见;当δ = 1 时,为主观权重,即只考虑专家意见;当δ ∈ 0,0.5 时,侧重于客观权重;当δ = 0.5 时,客观权重与主观权重同等重要;当δ ∈ 0.5,1 时,侧重于主观权重。一般情况下,用折中法确定δ = 0.5 。
在计算过程中,根据现场情形调整重要度因子,若预判受影响区域较大,有必要采取多部门协同措施,则侧重于主观权重;若预判受影响区域可控,不会威胁居民基本生存需求,则侧重于客观权重。
2.1.2 基于直觉模糊集的案例相似度计算
对于突发事件,往往难以获得其全部情景要素,因此在计算目标案例与历史案例相似度时,需综合考虑局部属性相似度与结构相似度[14 ] 。
步骤9 计算局部属性相似度。基于历史案例的数据类型,将属性值化简为符号型数据与直觉模糊数。
对于符号型数据,情景要素F * 和F i 在属性f j 上的相似度为
S i m j ( F * , F i ) = 0 , f o j ≠ f i j , 1 , f o j = f i j 。 (7)
对于语义型和数值型数据,先依据表1 的模糊量化公式将其转化为直觉模糊数,再计算F * 和F i 在属性f j 上的相似度[15 ] :
S i m j ( F * , F i ) = μ i μ i j + ν i ν i j μ i 2 + ν i 2 μ i j 2 + ν i j 2 ,(8)
其中,F * 对属性f j 的表示为( μ i , ν i ) ,F i 对属性f j 的表示为( μ i j , ν i j ) 。
隶属度区间指标b i j 由a i j 和要素c j 的期望区间[ b m i n c j , b m a x c j ] 计算得到:
b i j = 0 , a i j ≤ b m i n c j , a i j - b m i n c j b m a x c j - b m i n c j , b m i n c j ≤ a i j ≤ b m a x c j , 1 , a i j ≥ b m a x c j 。 (9)
步骤10 计算结构相似度。对情景F x 和F y ,二者非空要素交集的要素权重之和为ω i n t e r ,其并集的要素权重之和为ω s u m ,则F x 与F y 的结构相似度为η = ω i n t e r ω s u m 。
步骤11 计算综合相似度。在得到目标情景与历史情景的属性相似度和结构相似度后,计算综合相似度:
S i m ( F * , F i ) = η ∑ j = 1 m w j S i m j ( F * , F i ) ,(10)
2.1.3 相似案例的筛选
相似历史案例的提取需考虑历史突发事件与当前突发事件的应急情景相似度,且提取相似度较高的历史案例。可采用设置相似度阈值的方法,设ξ 为历史案例与目标案例间的相似度阈值,其计算式[9 ] 为
ξ = τ m a x S i m ( F * , F i ) | i ∈ M ,(11)
其中,τ 表示关于历史案例与目标案例间的最大相似度的百分比,由决策者依据经验或历史数据给定,τ ∈ 0,1 。τ 越大,表明提取的历史案例与目标案例的相似度越高。
获取相似度大于阈值ξ 的案例,生成相似案例集Z = ( z 1 , z 2 , ⋯ , z m ) (m 为相似案例个数),匹配方案集X = { x i i = 1,2 , ⋯ , m } 。
2.2 基于群体共识达成过程的方案实施效果评价
由第一阶段筛选出的应急方案是否可应用于当前突发事件,需要对处置效果进行评价后依据综合相似度做出评判。从应急处置效果评价的角度出发,基于专家对历史案例处置效果的评价及改进建议的文本型数据,从应急过程效果、应急处置效果和事后处置效果等方面构建指标体系,用熵权法实现权重建模,并采用自适应共识调整算法,得到案例的应急处置效果排序。
2.2.1 应急方案实施效果评价指标体系
为评价应急方案的处置效果,需建立一个合理的指标体系,但目前尚未形成统一标准。在收集历史案例库中专家评价意见的基础上,基于全过程管理理论和质量管理中的人、机、物、法(4M1E)原则,提出应急处置效果的层次评价指标体系。该体系由目标层、准则层和指标层构成,主要通过历史数据、文献综述和专家讨论得到。
基于历史案例库中对应急全过程的记录,准则层包括应急过程效果、应急处置效果和事后处置效果。应急过程效果是指突发事件发生全过程的综合处置效果,衡量事件发生后的响应速度和管理能力,包括应急处置效率、部门间协调度、群众稳定度3个指标。应急处置效果直接决定了突发事件灾害的影响范围,不仅需要科学的手段,还需要充足的人力物力等基础资源,包括应急预案有效性、处置手段科学性、资源调度水平、应急监测水平4个指标。事后处置效果是解决灾害事件的最后保障,包括污染物处置水平和跟踪监测水平2个指标。此外,为方便专家对指标打分,总结了各指标的具体含义,见表2 。
2.2.2 基于群体共识的效果评价模型
相似的突发事件对应的应急处理方案集X = { x i i = 1,2 , ⋯ , m } ,效果评价指标集C = { c j j = 1,2 , ⋯ , n } ,专家集E = { e k k = 1,2 , ⋯ , l } 。基于事故案例集全周期数据,专家e k 依据评价指标c j 给出对方案集x i 的应急处理效果评价,通过语义集:
S = { 很 差 ( s 1 ) , 差 ( s 2 ) , 一 般 ( s 3 ) , 好 ( s 4 ) , 很 好 ( s 5 ) }
提供评价信息r i j k ,进而形成评价信息矩阵R k = ( r i j k ) m × n ( k = 1,2 , ⋯ , l ) 。
步骤1 由表1 ,将专家的语义评价转化为直觉模糊数,得到直觉模糊评价矩阵
R ˜ k = ( r ˜ i j k ) m × n , r ˜ i j k = ( ρ i j k , σ i j k ) , k = 1,2 , ⋯ , l 。
步骤2 计算共识测度[16 ] 。首先,计算群体评价矩阵R ¯ = ( r ¯ i j ) m × n ,其中
r ¯ i j = ( ρ ¯ i j , σ ¯ i j ) = 1 l ∑ k = 1 l ρ i j k , 1 l ∑ k = 1 l σ i j k ,(12)
然后,依次求元素共识测度、指标共识测度、专家共识测度。
专家e k 对于方案x i 在指标c j 下与群体意见的共识测度为
C o n ( r ˜ i j k , r ¯ i j ) = 1 - d ( r ˜ i j k , r ¯ i j ) = 1 - ρ i j k - ρ ¯ i j + σ i j k - σ ¯ i j 2 ,(13)
A - C o n j ( R ˜ k , R ¯ ) = 1 n ∑ j = 1 n C o n ( r ˜ i j k , r ¯ i j ) ,(14)
E - C o n ( R ˜ k , R ¯ ) = 1 m ∑ i = 1 m A - C o n j ( R ˜ k , R ¯ ) 。(15)
步骤3 确定非共识信息集。设定阈值κ ∈ 0.5,1 ,通常取0.8,但随着方案、属性、专家等维度的提高,阈值要求会降低。
若E - C o n ( R ˜ k , R ¯ ) 均大于κ ,则专家意见达成共识,转步骤5;若G - C o n u 小于κ ,则根据元素、方案、专家等共识测度确定非共识信息集。
r ˜ i j k ' = 0.5 ( r ˜ i j k + r ¯ i j ) ,(16)
将r ˜ i j k ' 值代入直觉模糊评价矩阵R ˜ k = ( r ˜ i j k ) m × n ,转至步骤2。
步骤5 基于每位专家的评价矩阵,得到最终的群体共识评价矩阵R * = ( r ¯ i j ) m × n ,其中
r ¯ i j = ( ρ ¯ i j , σ ¯ i j ) = 1 l ∑ k = 1 l ρ i j k , 1 l ∑ k = 1 l σ i j k 。
e i j = - [ ρ ¯ i j l n ρ ¯ i j + σ ¯ i j l n σ ¯ i j - ( 1 - π i j ) × l n ( 1 - π i j ) - π i j l n π i j ] ,(17)
E j = 1 x k l n 2 ∑ i = 1 x k e i j , j = 1,2 , ⋯ , n ,(18)
ω j = 1 - E j ∑ j = 1 n ( 1 - E j ) ,(19)
其中,π i j 表示不确定度,π i j = 1 - ρ ¯ i j - σ ¯ i j 。由式(17)~式(19),可得指标权重向量W e = ω 1 e , ω 2 e , ⋯ , ω n e 。
r ˜ i = ( ρ i , σ i ) = A g g ( r ˜ i 1 , r ˜ i 2 , ⋯ , r ˜ i n ) = ∑ j = 1 n w j ρ ¯ i j , ∑ j = 1 n w j σ ¯ i j 。
步骤8 计算记分函数S ( β i ) = ρ i - σ i ,并将其标准化:
S ˜ ( β i ) = S ( β i ) + 1 2 。(20)
输出 专家对方案的综合评价值S ˜ ( β i ) , i = 1,2 , ⋯ , m 。
2.3 基于案例匹配与效果评价的应急方案生成方法
获取相似案例集Z = { z i i = 1,2 , ⋯ , m } 和匹配方案集X = { x i i = 1,2 , ⋯ , m } 后,需综合考虑情景相似度和方案处置效果,以生成能有效解决当前突发事件的应急方案。情景相似度以S i m ( F * , F i ) 表征,方案处置效果以每个方案的记分函数S ˜ ( β i ) 表征,应急方案的最终得分为
B i = S i m ( F * , F i ) θ S ˜ ( β i ) 1 - θ ,(21)
其中,θ 为衡量相似度与处置效果的重要度因子,θ ∈ 0,1 。当θ = 0 时,仅考虑方案处置效果;当θ = 1 时,仅考虑情景相似度;当θ ∈ 0,0.5 时,更注重方案处置效果;当θ = 0.5 时,情景相似度与方案处置效果同等重要;当θ ∈ 0.5,1 时,更注重情景相似度。
综上所述,考虑处置效果的应急方案生成方法流程如图1 所示,计算步骤如下:
图1
图1
方案生成流程
Fig.1
The flow chart of alternative generation
步骤1 执行第一阶段的相似案例集筛选方法,输出相似案例集Z = ( z 1 , z 2 , ⋯ , z m ) 的相似度S i m ( F * , F i ) 。
步骤2 执行第二阶段的效果评价模型,输出方案效果评价值S ˜ ( β i ) ( i = 1,2 , ⋯ , m ) 。
步骤3 确定参数值,计算最终得分B i = S i m ( F * , F i ) θ S ˜ ( β i ) 1 - θ ,生成方案排序。
3 实例分析
3.1 案例描述
山东省泰安市发生了一起由交通事故导致的突发环境事件,需从案例库生成应急方案,从《突发环境典型案例选编》、各级政府生态厅官方网站、化学品事故信息网收集了2004—2019年的36起交通事故次生突发环境事件的现场报道、官方声明、专家评议等数据,构建了苯系物泄露的突发环境事件案例库Z = ( z 1 , z 2 , ⋯ , z m ) 。案例包括情景构建、处置方案和处置效果评价,其中情景构建包括天气情况(f 1 )、发生时段(f 2 )、事故原因(f 3 )、罐体状态(f 4 )、泄露物(f 5 )、泄漏量(f 6 )、现场危化物总量(f 7 )、现场罐体残余危化物总量(f 8 )、居民点(f 9 )、河流(f 10 )、饮用水水源地(f 11 )、火情(f 12 )12个情景要素(表3 );处置方案为文本型记录;处置效果评价包括应急处置效率(c 1 )、部门间协调度(c 2 )、群众稳定度(c 3 )、应急预案有效性(c 4 )、处置手段科学性(c 5 )、资源调度水平(c 6 )、应急监测水平(c 7 )、污染物处置水平(c 8 )、跟踪监测水平(c 9 )9个评价指标。由于本文方法不涉及方案,算例中省略方案信息。基于记录信息将案例中的情景要素值和处置效果评价值转化为直觉模糊数。5位专家给出情景要素重要性的判断,3位专家给出相似方案的处置效果评价。
3.2 应急方案生成算例演示
3.2.1 第一阶段:案例匹配
3.2.1.1 基于随机森林的客观权重
根据案例原始信息,构建每个案例的情景要素集F = f 1 , f 2 , ⋯ , f 12 ,案例结果为是否造成环境(水、土、气)污染,R = r 1 , r 2 = 是 , 否 。从12个情景要素中随机选取h 个,有放回地选择d 次,得到分类结果。由式(1)~式(4)计算f j ∈ F , j = 1,2 , ⋯ , 12 在节点、决策树等维度上的重要性,计算f j 的综合重要性,即客观权重向量:
W o b j = 0,0 , 0.05,0.05,0.39,0 , 0.15,0.04,0 , 0.21,0.11,0 T 。
3.2.1.2 基于专家知识的主观权重
首先,专家e k k = 1,2 , ⋯ , 5 依据自身知识及历史经验对情景要素集中每个要素的重要性做出评价,基于语义集S = { 很 不 重 要 ( s 1 ) , 不 重 要 ( s 2 ) , 一 般 ( s 3 ) , 重 要 ( s 4 ) , 很 重 要 ( s 5 ) } 提供f j 的评价信息a k j ∈ S ,进而形成评价矩阵Q = ( a k j ) 5 × 12 :
Q = s 1 s 2 s 5 s 2 s 3 s 5 s 3 s 3 s 5 s 5 s 5 s 1 s 2 s 2 s 4 s 1 s 3 s 4 s 2 s 2 s 4 s 5 s 4 s 2 s 2 s 3 s 5 s 2 s 3 s 5 s 3 s 3 s 3 s 5 s 5 s 2 s 1 s 2 s 5 s 3 s 3 s 5 s 2 s 4 s 5 s 5 s 5 s 1 s 2 s 3 s 5 s 3 s 3 s 5 s 3 s 3 s 5 s 5 s 4 s 2 ,
其次,通过表1 的模糊量化方式,将a k j 转化为直觉模糊数α k j = ( μ k j , ν k j ) ,获取直觉模糊评价矩阵Q ˜ = ( a k j ) 5 × 12 :
Q ˜ = 0.025,0.9 0.15,0.75 0.9,0.025 0.15,0.75 0.15,0.75 0.75,0.15 0.15,0.75 0.55,0.35 0.9,0.025 0.025,0.9 0.15,0.75 0.9,0.025 0.15,0.75 0.55,0.35 0.9,0.025 0.15,0.75 0.55,0.35 0.9,0.025 0.025,0.9 0.55,0.35 0.75,0.15 0.15,0.75 0.55,0.35 0.9,0.025 0.55,0.35 0.55,0.35 0.9,0.025 0.55,0.35 0.55,0.35 0.9,0.025 0.55,0.35 0.55,0.35 0.9,0.025 0.15,0.75 0.15,0.75 0.75,0.15 0.55,0.35 0.55,0.35 0.55,0.35 0.15,0.75 0.75,0.15 0.9,0.025 0.55,0.35 0.55,0.35 0.9,0.025 0.9,0.025 0.9,0.025 0.025,0.9 0.9,0.025 0.75,0.15 0.15,0.75 0.9,0.025 0.9,0.025 0.15,0.75 0.9,0.025 0.9,0.025 0.025,0.9 0.9,0.025 0.75,0.15 0.15,0.75 。
W s u b = 0.021,0.051,0.129,0.047,0.085,0.129 , 0.062,0.079,0.119,0.133,0.125,0.021 T
3.2.1.3 要素综合权重
W = 0.010,0.025,0.089,0.049,0.237,0.064 , 0.106,0.060,0.060,0.171,0.117,0.010 T
3.2.1.4 相似度
3.2.1.5 相似案例集
依据式(10),设定百分比τ = 0.7 ,得到相似案例集Z S i m = { z 5 , z 8 , z 19 , z 27 , z 31 } ,与其对应的方案集X = { x 5 , x 8 , x 19 , x 27 , x 31 } 。
3.2.2 第二阶段:效果评估
基于应急处置效果评估指标体系,完成对相似案例集的评价。
首先,将专家语义评价与定量数据映射为直觉模糊集,得到案例应急方案效果评价矩阵R 1 , R 2 , R 3 。
R 1 = s 5 s 4 s 5 s 5 s 4 s 5 s 5 s 3 s 3 s 2 s 4 s 5 s 5 s 5 s 3 s 4 s 5 s 4 s 3 s 3 s 5 s 5 s 3 s 4 s 3 s 4 s 3 s 3 s 3 s 4 s 3 s 4 s 5 s 5 s 4 s 4 s 4 s 2 s 4 s 3 s 3 s 4 s 2 s 2 s 5 ,
R 2 = s 5 s 4 s 5 s 5 s 4 s 5 s 5 s 3 s 3 s 3 s 4 s 5 s 4 s 5 s 3 s 4 s 5 s 4 s 3 s 3 s 5 s 5 s 3 s 4 s 3 s 4 s 4 s 3 s 5 s 4 s 3 s 4 s 5 s 5 s 4 s 4 s 4 s 2 s 4 s 3 s 3 s 4 s 2 s 2 s 5 ,
R 3 = s 5 s 4 s 5 s 5 s 4 s 5 s 5 s 3 s 2 s 2 s 5 s 5 s 5 s 4 s 3 s 4 s 5 s 4 s 3 s 3 s 5 s 5 s 3 s 4 s 4 s 4 s 3 s 2 s 3 s 4 s 3 s 4 s 5 s 5 s 4 s 4 s 4 s 2 s 4 s 3 s 3 s 4 s 2 s 2 s 5 。
其次,构建基于自适应群共识算法集成专家评价矩阵R 。
R = 0.9 , 0.025 0.75,0.15 0.9 , 0.025 0.9,0.025 0.75,0.15 0.283,0.617 0.8,0.108 0.9,0.025 0.85,0.067 0.85,0.067 0.55,0.35 0.55,0.35 0.9,0.025 0.9,0.025 0.55,0.35 0.417,0.483 0.667,0.242 0.75,0.15 0.55,0.35 0.75,0.15 0.75,0.15 0.75,0.15 0.75,0.15 0.55,0.35 0.55,0.35 0.9,0.025 0.85,0.067 0.55,0.35 0.417,0.483 0.55,0.35 0.75,0.15 0.9,0.025 0.75,0.15 0.75,0.15 0.617,0.283 0.75,0.15 0.617,0.283 0.9,0.025 0.9,0.025 0.75,0.15 0.75,0.15 0.75,0.15 0.15,0.75 0.15,0.75 0.9,0.025 。
再次,将达成共识的专家群体意见集结,得到专家对每个方案的综合评价信息:
r ˜ 5 = 0.825 9,0.092 4 , r ˜ 8 = 0.736 7,0.173 2 ,
r ˜ 19 = 0.733 7,0.175 9 , r ˜ 27 = 0.733 7,0.175 9 ,
r ˜ 31 = 0.609 6,0.291 9 。
S ˜ ( β 5 ) = 0.867 , S ˜ ( β 8 ) = 0.782 , S ˜ ( β 19 ) = 0.803 ,
S ˜ ( β 27 ) = 0.779 , S ˜ ( β 31 ) = 0.659 。
3.2.3 两阶段决策方法
在得到案例相似度和处置效果评价值后,设定重要度因子为0.5,由式(21)得到方案的综合得分(表5 ),可知,最终的方案排序为x 19 ≻ x 31 ≻ x 5 ≻ x 8 ≻ x 27 ,进而筛选出最优应急方案。
3.3 对比分析
从情景要素权重确定方法、效果评价是否考虑群体共识及重要度因子三个方面对比分析文献[9 ]、文献[10 ]与本文方法,结果如表6 所示。
3.3.1 情景要素权重确定方法
在筛选相似案例集时,文献[9 -10 ]在案例分析中多采用专家直接给出的形式,本文综合考虑了专家意见与历史案例,可有效规避与目标案例在某一要素上差异较大的案例入选,更具客观性。
3.3.2 效果评价是否考虑群体共识
在应急处置效果评价中,文献[9 ]从效果和成本2个角度进行评价,文献[10 ]虽建立了多时期处置效果评价模型,但未综合考虑多方意见,本文引入了专家共识调整算法,集结具有不同知识背景、行业经验的专家对应急方案的评价意见,提高了处置效果评价的可靠性。
3.3.3 重要度因子
与文献[10 ]提出的应急方案生成方法相比,本文通过式(21)对集结案例相似度与处置效果进行评分,引入了重要度因子θ ,其中θ ∈ 0,1 ,使得综合评价更具灵活性,且取θ =0.5,可得到与文献[10 ]相同的排序结果。分别取θ =0,0.2,0.5,0.6,0.9,1.0,可得最优方案如表7 所示。
分析表7 中数据不难发现,当θ 趋于1时,最优方案稳定为x 31 ,但该方案的处置效果较差;当θ 趋于0时,最优方案处置效果较优,但情景相似度排名靠后,最优方案缺失了目标案例中对应某些关键情景需要采取的措施,如残余危化物转移措施;当θ 在0.5附近时,虽然最优方案的排名有些微差异,但筛选出的方案均对当前问题有较好的适应性。因此,在生成最优方案时,灵活调整相似度与处置效果的重要度配比非常必要,决策者可依据现场情景选择合适的方案。
综上所述,在考虑应急处置效果的应急方案生成方法中,本文基于已有研究成果,在权重确定方法、效果评价和相似度与效果集结方面进行了改进,提出了更具灵活性的应急方案生成方法,并取得了良好的效果。
4 结 论
首先,运用基于机器学习与专家评价的检索方法计算目标案例与历史案例的相似度,然后,运用共识调整算法集结专家对应急处置效果的评价信息,最后,获得最优应急方案。该方法的特点有:(1) 提高了相似度筛选的可靠性。利用随机森林与记分函数量化情景要素权重,避免了单独采用随机森林算法忽略部分情景要素的情况;(2) 提高了应急方案评价的质量。利用共识调整算法不仅可以集结专家意见,而且可从二维角度评价应急处置效果,使得对处置效果的评价更科学;(3) 具有较强的应用性。最优备选方案在相似案例集的基础上进行了处置效果筛选,且可灵活调整相似度与应急处置效果的重要度配比,具有较强的现实意义和实用价值。
http://dx.doi.org/10.3785/j.issn.1008-9497.2022.04.001
参考文献
View Option
[4]
[本文引用: 1]
TAN R P , ZHANG W D , CHEN S Q , et al . Emergency decision-making method based on case-based reasoning in heterogeneous information environment
[J]. Control and Decision , 2020 , 35 (8 ): 1966 -1976 . DOI:10.13195/j.kzyjc.2018.1602
[本文引用: 1]
[8]
ZHONG S S , XIE X L , LIN L . Two-layer random forests model for case reuse in case-based reasoning
[J]. Expert Systems with Applications , 2015 , 42 (24 ): 9412 -9425 . DOI:10.1016/j.eswa.2015.08.005
[本文引用: 1]
[13]
CHEN S M , TAN J M . Handling multicriteria fuzzy decision-making problems based on vague set theory
[J]. Fuzzy Sets and Systems , 1994 , 67 (2 ): 163 -172 . DOI:10.1016/0165-0114(94)90084-1
[本文引用: 1]
[15]
YE J . Cosine similarity measures for intuitionistic fuzzy sets and their applications
[J]. Mathematical and Computer Modelling , 2011 , 53 (1/2 ): 91 -97 . DOI:10.1016/j.mcm.2010.07.022
[本文引用: 1]
[16]
WU J , LI X , CHICLANA F , et al . An attitudinal trust recommendation mechanism to balance consensus and harmony in group decision making
[J]. IEEE Transactions on Fuzzy Systems , 2019 , 27 (11 ): 2163 -2175 . DOI:10.1109/TFUZZ.2019.2895564
[本文引用: 1]
政务大数据环境下基于案例推理的网格事件数据应用研究
1
2019
... 案例推理方法,即借助相似历史案例解决现有问题,符合人脑的思维方式,可实现知识挖掘与经验复用,是突发事件应急管理过程中应用的重要方法.其在应急方案生成中的应用主要有:构建案例相似度匹配算法:集结结构相似度、情景相似度[1 ] 、情景链相似度、处置任务相似度[2 ] 、语义相似度[3 ] ,进而获取相似度较高的应对方案,谭睿璞等[4 ] 针对案例中信息表述方式多样的问题,提出了异质信息下基于案例推理的应急决策方法.突发事件的情景要素权重的确定是应急方案生成过程中的重要一环,随着机器学习方法的日益成熟,学者们相继将随机森林等算法应用于突发事件应急研究,如徐绪堪等[5 ] 将随机森林算法应用于突发事件分级,进而实现突发事件的实时匹配;周德红等[6 ] 利用随机森林算法得到指标权重,定量刻画了情景要素与事故发生间的关系;封超等[7 ] 为解决在相似度筛选时过分依赖决策者主观意见的问题,引入了粒子群优化算法,提高了权重算法的稳定性,并获得了较好的分类效果;ZHONG等[8 ] 利用随机森林抗过拟合的特性,将其应用于两层相似案例筛选模型,提高了案例推理方法的检索精度和准确性.随机森林等机器学习方法虽在求解情景要素权重方面具有一定优势,但由于其主要信息依据源自突发事件本身,对于历史案例较少的情形,存在一定的局限.为此,本研究拟在随机森林算法的基础上,结合专家知识提出一种确定要素权重的方法. ...
政务大数据环境下基于案例推理的网格事件数据应用研究
1
2019
... 案例推理方法,即借助相似历史案例解决现有问题,符合人脑的思维方式,可实现知识挖掘与经验复用,是突发事件应急管理过程中应用的重要方法.其在应急方案生成中的应用主要有:构建案例相似度匹配算法:集结结构相似度、情景相似度[1 ] 、情景链相似度、处置任务相似度[2 ] 、语义相似度[3 ] ,进而获取相似度较高的应对方案,谭睿璞等[4 ] 针对案例中信息表述方式多样的问题,提出了异质信息下基于案例推理的应急决策方法.突发事件的情景要素权重的确定是应急方案生成过程中的重要一环,随着机器学习方法的日益成熟,学者们相继将随机森林等算法应用于突发事件应急研究,如徐绪堪等[5 ] 将随机森林算法应用于突发事件分级,进而实现突发事件的实时匹配;周德红等[6 ] 利用随机森林算法得到指标权重,定量刻画了情景要素与事故发生间的关系;封超等[7 ] 为解决在相似度筛选时过分依赖决策者主观意见的问题,引入了粒子群优化算法,提高了权重算法的稳定性,并获得了较好的分类效果;ZHONG等[8 ] 利用随机森林抗过拟合的特性,将其应用于两层相似案例筛选模型,提高了案例推理方法的检索精度和准确性.随机森林等机器学习方法虽在求解情景要素权重方面具有一定优势,但由于其主要信息依据源自突发事件本身,对于历史案例较少的情形,存在一定的局限.为此,本研究拟在随机森林算法的基础上,结合专家知识提出一种确定要素权重的方法. ...
基于情景的结构化突发事件相似度研究
1
2017
... 案例推理方法,即借助相似历史案例解决现有问题,符合人脑的思维方式,可实现知识挖掘与经验复用,是突发事件应急管理过程中应用的重要方法.其在应急方案生成中的应用主要有:构建案例相似度匹配算法:集结结构相似度、情景相似度[1 ] 、情景链相似度、处置任务相似度[2 ] 、语义相似度[3 ] ,进而获取相似度较高的应对方案,谭睿璞等[4 ] 针对案例中信息表述方式多样的问题,提出了异质信息下基于案例推理的应急决策方法.突发事件的情景要素权重的确定是应急方案生成过程中的重要一环,随着机器学习方法的日益成熟,学者们相继将随机森林等算法应用于突发事件应急研究,如徐绪堪等[5 ] 将随机森林算法应用于突发事件分级,进而实现突发事件的实时匹配;周德红等[6 ] 利用随机森林算法得到指标权重,定量刻画了情景要素与事故发生间的关系;封超等[7 ] 为解决在相似度筛选时过分依赖决策者主观意见的问题,引入了粒子群优化算法,提高了权重算法的稳定性,并获得了较好的分类效果;ZHONG等[8 ] 利用随机森林抗过拟合的特性,将其应用于两层相似案例筛选模型,提高了案例推理方法的检索精度和准确性.随机森林等机器学习方法虽在求解情景要素权重方面具有一定优势,但由于其主要信息依据源自突发事件本身,对于历史案例较少的情形,存在一定的局限.为此,本研究拟在随机森林算法的基础上,结合专家知识提出一种确定要素权重的方法. ...
基于情景的结构化突发事件相似度研究
1
2017
... 案例推理方法,即借助相似历史案例解决现有问题,符合人脑的思维方式,可实现知识挖掘与经验复用,是突发事件应急管理过程中应用的重要方法.其在应急方案生成中的应用主要有:构建案例相似度匹配算法:集结结构相似度、情景相似度[1 ] 、情景链相似度、处置任务相似度[2 ] 、语义相似度[3 ] ,进而获取相似度较高的应对方案,谭睿璞等[4 ] 针对案例中信息表述方式多样的问题,提出了异质信息下基于案例推理的应急决策方法.突发事件的情景要素权重的确定是应急方案生成过程中的重要一环,随着机器学习方法的日益成熟,学者们相继将随机森林等算法应用于突发事件应急研究,如徐绪堪等[5 ] 将随机森林算法应用于突发事件分级,进而实现突发事件的实时匹配;周德红等[6 ] 利用随机森林算法得到指标权重,定量刻画了情景要素与事故发生间的关系;封超等[7 ] 为解决在相似度筛选时过分依赖决策者主观意见的问题,引入了粒子群优化算法,提高了权重算法的稳定性,并获得了较好的分类效果;ZHONG等[8 ] 利用随机森林抗过拟合的特性,将其应用于两层相似案例筛选模型,提高了案例推理方法的检索精度和准确性.随机森林等机器学习方法虽在求解情景要素权重方面具有一定优势,但由于其主要信息依据源自突发事件本身,对于历史案例较少的情形,存在一定的局限.为此,本研究拟在随机森林算法的基础上,结合专家知识提出一种确定要素权重的方法. ...
文本案例推理技术在应急决策中的应用研究
1
2015
... 案例推理方法,即借助相似历史案例解决现有问题,符合人脑的思维方式,可实现知识挖掘与经验复用,是突发事件应急管理过程中应用的重要方法.其在应急方案生成中的应用主要有:构建案例相似度匹配算法:集结结构相似度、情景相似度[1 ] 、情景链相似度、处置任务相似度[2 ] 、语义相似度[3 ] ,进而获取相似度较高的应对方案,谭睿璞等[4 ] 针对案例中信息表述方式多样的问题,提出了异质信息下基于案例推理的应急决策方法.突发事件的情景要素权重的确定是应急方案生成过程中的重要一环,随着机器学习方法的日益成熟,学者们相继将随机森林等算法应用于突发事件应急研究,如徐绪堪等[5 ] 将随机森林算法应用于突发事件分级,进而实现突发事件的实时匹配;周德红等[6 ] 利用随机森林算法得到指标权重,定量刻画了情景要素与事故发生间的关系;封超等[7 ] 为解决在相似度筛选时过分依赖决策者主观意见的问题,引入了粒子群优化算法,提高了权重算法的稳定性,并获得了较好的分类效果;ZHONG等[8 ] 利用随机森林抗过拟合的特性,将其应用于两层相似案例筛选模型,提高了案例推理方法的检索精度和准确性.随机森林等机器学习方法虽在求解情景要素权重方面具有一定优势,但由于其主要信息依据源自突发事件本身,对于历史案例较少的情形,存在一定的局限.为此,本研究拟在随机森林算法的基础上,结合专家知识提出一种确定要素权重的方法. ...
文本案例推理技术在应急决策中的应用研究
1
2015
... 案例推理方法,即借助相似历史案例解决现有问题,符合人脑的思维方式,可实现知识挖掘与经验复用,是突发事件应急管理过程中应用的重要方法.其在应急方案生成中的应用主要有:构建案例相似度匹配算法:集结结构相似度、情景相似度[1 ] 、情景链相似度、处置任务相似度[2 ] 、语义相似度[3 ] ,进而获取相似度较高的应对方案,谭睿璞等[4 ] 针对案例中信息表述方式多样的问题,提出了异质信息下基于案例推理的应急决策方法.突发事件的情景要素权重的确定是应急方案生成过程中的重要一环,随着机器学习方法的日益成熟,学者们相继将随机森林等算法应用于突发事件应急研究,如徐绪堪等[5 ] 将随机森林算法应用于突发事件分级,进而实现突发事件的实时匹配;周德红等[6 ] 利用随机森林算法得到指标权重,定量刻画了情景要素与事故发生间的关系;封超等[7 ] 为解决在相似度筛选时过分依赖决策者主观意见的问题,引入了粒子群优化算法,提高了权重算法的稳定性,并获得了较好的分类效果;ZHONG等[8 ] 利用随机森林抗过拟合的特性,将其应用于两层相似案例筛选模型,提高了案例推理方法的检索精度和准确性.随机森林等机器学习方法虽在求解情景要素权重方面具有一定优势,但由于其主要信息依据源自突发事件本身,对于历史案例较少的情形,存在一定的局限.为此,本研究拟在随机森林算法的基础上,结合专家知识提出一种确定要素权重的方法. ...
异质信息环境下基于案例推理的应急决策方法
1
2020
... 案例推理方法,即借助相似历史案例解决现有问题,符合人脑的思维方式,可实现知识挖掘与经验复用,是突发事件应急管理过程中应用的重要方法.其在应急方案生成中的应用主要有:构建案例相似度匹配算法:集结结构相似度、情景相似度[1 ] 、情景链相似度、处置任务相似度[2 ] 、语义相似度[3 ] ,进而获取相似度较高的应对方案,谭睿璞等[4 ] 针对案例中信息表述方式多样的问题,提出了异质信息下基于案例推理的应急决策方法.突发事件的情景要素权重的确定是应急方案生成过程中的重要一环,随着机器学习方法的日益成熟,学者们相继将随机森林等算法应用于突发事件应急研究,如徐绪堪等[5 ] 将随机森林算法应用于突发事件分级,进而实现突发事件的实时匹配;周德红等[6 ] 利用随机森林算法得到指标权重,定量刻画了情景要素与事故发生间的关系;封超等[7 ] 为解决在相似度筛选时过分依赖决策者主观意见的问题,引入了粒子群优化算法,提高了权重算法的稳定性,并获得了较好的分类效果;ZHONG等[8 ] 利用随机森林抗过拟合的特性,将其应用于两层相似案例筛选模型,提高了案例推理方法的检索精度和准确性.随机森林等机器学习方法虽在求解情景要素权重方面具有一定优势,但由于其主要信息依据源自突发事件本身,对于历史案例较少的情形,存在一定的局限.为此,本研究拟在随机森林算法的基础上,结合专家知识提出一种确定要素权重的方法. ...
异质信息环境下基于案例推理的应急决策方法
1
2020
... 案例推理方法,即借助相似历史案例解决现有问题,符合人脑的思维方式,可实现知识挖掘与经验复用,是突发事件应急管理过程中应用的重要方法.其在应急方案生成中的应用主要有:构建案例相似度匹配算法:集结结构相似度、情景相似度[1 ] 、情景链相似度、处置任务相似度[2 ] 、语义相似度[3 ] ,进而获取相似度较高的应对方案,谭睿璞等[4 ] 针对案例中信息表述方式多样的问题,提出了异质信息下基于案例推理的应急决策方法.突发事件的情景要素权重的确定是应急方案生成过程中的重要一环,随着机器学习方法的日益成熟,学者们相继将随机森林等算法应用于突发事件应急研究,如徐绪堪等[5 ] 将随机森林算法应用于突发事件分级,进而实现突发事件的实时匹配;周德红等[6 ] 利用随机森林算法得到指标权重,定量刻画了情景要素与事故发生间的关系;封超等[7 ] 为解决在相似度筛选时过分依赖决策者主观意见的问题,引入了粒子群优化算法,提高了权重算法的稳定性,并获得了较好的分类效果;ZHONG等[8 ] 利用随机森林抗过拟合的特性,将其应用于两层相似案例筛选模型,提高了案例推理方法的检索精度和准确性.随机森林等机器学习方法虽在求解情景要素权重方面具有一定优势,但由于其主要信息依据源自突发事件本身,对于历史案例较少的情形,存在一定的局限.为此,本研究拟在随机森林算法的基础上,结合专家知识提出一种确定要素权重的方法. ...
基于随机森林的突发事件分级模型研究
1
2018
... 案例推理方法,即借助相似历史案例解决现有问题,符合人脑的思维方式,可实现知识挖掘与经验复用,是突发事件应急管理过程中应用的重要方法.其在应急方案生成中的应用主要有:构建案例相似度匹配算法:集结结构相似度、情景相似度[1 ] 、情景链相似度、处置任务相似度[2 ] 、语义相似度[3 ] ,进而获取相似度较高的应对方案,谭睿璞等[4 ] 针对案例中信息表述方式多样的问题,提出了异质信息下基于案例推理的应急决策方法.突发事件的情景要素权重的确定是应急方案生成过程中的重要一环,随着机器学习方法的日益成熟,学者们相继将随机森林等算法应用于突发事件应急研究,如徐绪堪等[5 ] 将随机森林算法应用于突发事件分级,进而实现突发事件的实时匹配;周德红等[6 ] 利用随机森林算法得到指标权重,定量刻画了情景要素与事故发生间的关系;封超等[7 ] 为解决在相似度筛选时过分依赖决策者主观意见的问题,引入了粒子群优化算法,提高了权重算法的稳定性,并获得了较好的分类效果;ZHONG等[8 ] 利用随机森林抗过拟合的特性,将其应用于两层相似案例筛选模型,提高了案例推理方法的检索精度和准确性.随机森林等机器学习方法虽在求解情景要素权重方面具有一定优势,但由于其主要信息依据源自突发事件本身,对于历史案例较少的情形,存在一定的局限.为此,本研究拟在随机森林算法的基础上,结合专家知识提出一种确定要素权重的方法. ...
基于随机森林的突发事件分级模型研究
1
2018
... 案例推理方法,即借助相似历史案例解决现有问题,符合人脑的思维方式,可实现知识挖掘与经验复用,是突发事件应急管理过程中应用的重要方法.其在应急方案生成中的应用主要有:构建案例相似度匹配算法:集结结构相似度、情景相似度[1 ] 、情景链相似度、处置任务相似度[2 ] 、语义相似度[3 ] ,进而获取相似度较高的应对方案,谭睿璞等[4 ] 针对案例中信息表述方式多样的问题,提出了异质信息下基于案例推理的应急决策方法.突发事件的情景要素权重的确定是应急方案生成过程中的重要一环,随着机器学习方法的日益成熟,学者们相继将随机森林等算法应用于突发事件应急研究,如徐绪堪等[5 ] 将随机森林算法应用于突发事件分级,进而实现突发事件的实时匹配;周德红等[6 ] 利用随机森林算法得到指标权重,定量刻画了情景要素与事故发生间的关系;封超等[7 ] 为解决在相似度筛选时过分依赖决策者主观意见的问题,引入了粒子群优化算法,提高了权重算法的稳定性,并获得了较好的分类效果;ZHONG等[8 ] 利用随机森林抗过拟合的特性,将其应用于两层相似案例筛选模型,提高了案例推理方法的检索精度和准确性.随机森林等机器学习方法虽在求解情景要素权重方面具有一定优势,但由于其主要信息依据源自突发事件本身,对于历史案例较少的情形,存在一定的局限.为此,本研究拟在随机森林算法的基础上,结合专家知识提出一种确定要素权重的方法. ...
基于机器学习的LNG泄漏事故致因分析
1
2019
... 案例推理方法,即借助相似历史案例解决现有问题,符合人脑的思维方式,可实现知识挖掘与经验复用,是突发事件应急管理过程中应用的重要方法.其在应急方案生成中的应用主要有:构建案例相似度匹配算法:集结结构相似度、情景相似度[1 ] 、情景链相似度、处置任务相似度[2 ] 、语义相似度[3 ] ,进而获取相似度较高的应对方案,谭睿璞等[4 ] 针对案例中信息表述方式多样的问题,提出了异质信息下基于案例推理的应急决策方法.突发事件的情景要素权重的确定是应急方案生成过程中的重要一环,随着机器学习方法的日益成熟,学者们相继将随机森林等算法应用于突发事件应急研究,如徐绪堪等[5 ] 将随机森林算法应用于突发事件分级,进而实现突发事件的实时匹配;周德红等[6 ] 利用随机森林算法得到指标权重,定量刻画了情景要素与事故发生间的关系;封超等[7 ] 为解决在相似度筛选时过分依赖决策者主观意见的问题,引入了粒子群优化算法,提高了权重算法的稳定性,并获得了较好的分类效果;ZHONG等[8 ] 利用随机森林抗过拟合的特性,将其应用于两层相似案例筛选模型,提高了案例推理方法的检索精度和准确性.随机森林等机器学习方法虽在求解情景要素权重方面具有一定优势,但由于其主要信息依据源自突发事件本身,对于历史案例较少的情形,存在一定的局限.为此,本研究拟在随机森林算法的基础上,结合专家知识提出一种确定要素权重的方法. ...
基于机器学习的LNG泄漏事故致因分析
1
2019
... 案例推理方法,即借助相似历史案例解决现有问题,符合人脑的思维方式,可实现知识挖掘与经验复用,是突发事件应急管理过程中应用的重要方法.其在应急方案生成中的应用主要有:构建案例相似度匹配算法:集结结构相似度、情景相似度[1 ] 、情景链相似度、处置任务相似度[2 ] 、语义相似度[3 ] ,进而获取相似度较高的应对方案,谭睿璞等[4 ] 针对案例中信息表述方式多样的问题,提出了异质信息下基于案例推理的应急决策方法.突发事件的情景要素权重的确定是应急方案生成过程中的重要一环,随着机器学习方法的日益成熟,学者们相继将随机森林等算法应用于突发事件应急研究,如徐绪堪等[5 ] 将随机森林算法应用于突发事件分级,进而实现突发事件的实时匹配;周德红等[6 ] 利用随机森林算法得到指标权重,定量刻画了情景要素与事故发生间的关系;封超等[7 ] 为解决在相似度筛选时过分依赖决策者主观意见的问题,引入了粒子群优化算法,提高了权重算法的稳定性,并获得了较好的分类效果;ZHONG等[8 ] 利用随机森林抗过拟合的特性,将其应用于两层相似案例筛选模型,提高了案例推理方法的检索精度和准确性.随机森林等机器学习方法虽在求解情景要素权重方面具有一定优势,但由于其主要信息依据源自突发事件本身,对于历史案例较少的情形,存在一定的局限.为此,本研究拟在随机森林算法的基础上,结合专家知识提出一种确定要素权重的方法. ...
基于案例推理的突发事件应急方案生成方法
1
2016
... 案例推理方法,即借助相似历史案例解决现有问题,符合人脑的思维方式,可实现知识挖掘与经验复用,是突发事件应急管理过程中应用的重要方法.其在应急方案生成中的应用主要有:构建案例相似度匹配算法:集结结构相似度、情景相似度[1 ] 、情景链相似度、处置任务相似度[2 ] 、语义相似度[3 ] ,进而获取相似度较高的应对方案,谭睿璞等[4 ] 针对案例中信息表述方式多样的问题,提出了异质信息下基于案例推理的应急决策方法.突发事件的情景要素权重的确定是应急方案生成过程中的重要一环,随着机器学习方法的日益成熟,学者们相继将随机森林等算法应用于突发事件应急研究,如徐绪堪等[5 ] 将随机森林算法应用于突发事件分级,进而实现突发事件的实时匹配;周德红等[6 ] 利用随机森林算法得到指标权重,定量刻画了情景要素与事故发生间的关系;封超等[7 ] 为解决在相似度筛选时过分依赖决策者主观意见的问题,引入了粒子群优化算法,提高了权重算法的稳定性,并获得了较好的分类效果;ZHONG等[8 ] 利用随机森林抗过拟合的特性,将其应用于两层相似案例筛选模型,提高了案例推理方法的检索精度和准确性.随机森林等机器学习方法虽在求解情景要素权重方面具有一定优势,但由于其主要信息依据源自突发事件本身,对于历史案例较少的情形,存在一定的局限.为此,本研究拟在随机森林算法的基础上,结合专家知识提出一种确定要素权重的方法. ...
基于案例推理的突发事件应急方案生成方法
1
2016
... 案例推理方法,即借助相似历史案例解决现有问题,符合人脑的思维方式,可实现知识挖掘与经验复用,是突发事件应急管理过程中应用的重要方法.其在应急方案生成中的应用主要有:构建案例相似度匹配算法:集结结构相似度、情景相似度[1 ] 、情景链相似度、处置任务相似度[2 ] 、语义相似度[3 ] ,进而获取相似度较高的应对方案,谭睿璞等[4 ] 针对案例中信息表述方式多样的问题,提出了异质信息下基于案例推理的应急决策方法.突发事件的情景要素权重的确定是应急方案生成过程中的重要一环,随着机器学习方法的日益成熟,学者们相继将随机森林等算法应用于突发事件应急研究,如徐绪堪等[5 ] 将随机森林算法应用于突发事件分级,进而实现突发事件的实时匹配;周德红等[6 ] 利用随机森林算法得到指标权重,定量刻画了情景要素与事故发生间的关系;封超等[7 ] 为解决在相似度筛选时过分依赖决策者主观意见的问题,引入了粒子群优化算法,提高了权重算法的稳定性,并获得了较好的分类效果;ZHONG等[8 ] 利用随机森林抗过拟合的特性,将其应用于两层相似案例筛选模型,提高了案例推理方法的检索精度和准确性.随机森林等机器学习方法虽在求解情景要素权重方面具有一定优势,但由于其主要信息依据源自突发事件本身,对于历史案例较少的情形,存在一定的局限.为此,本研究拟在随机森林算法的基础上,结合专家知识提出一种确定要素权重的方法. ...
Two-layer random forests model for case reuse in case-based reasoning
1
2015
... 案例推理方法,即借助相似历史案例解决现有问题,符合人脑的思维方式,可实现知识挖掘与经验复用,是突发事件应急管理过程中应用的重要方法.其在应急方案生成中的应用主要有:构建案例相似度匹配算法:集结结构相似度、情景相似度[1 ] 、情景链相似度、处置任务相似度[2 ] 、语义相似度[3 ] ,进而获取相似度较高的应对方案,谭睿璞等[4 ] 针对案例中信息表述方式多样的问题,提出了异质信息下基于案例推理的应急决策方法.突发事件的情景要素权重的确定是应急方案生成过程中的重要一环,随着机器学习方法的日益成熟,学者们相继将随机森林等算法应用于突发事件应急研究,如徐绪堪等[5 ] 将随机森林算法应用于突发事件分级,进而实现突发事件的实时匹配;周德红等[6 ] 利用随机森林算法得到指标权重,定量刻画了情景要素与事故发生间的关系;封超等[7 ] 为解决在相似度筛选时过分依赖决策者主观意见的问题,引入了粒子群优化算法,提高了权重算法的稳定性,并获得了较好的分类效果;ZHONG等[8 ] 利用随机森林抗过拟合的特性,将其应用于两层相似案例筛选模型,提高了案例推理方法的检索精度和准确性.随机森林等机器学习方法虽在求解情景要素权重方面具有一定优势,但由于其主要信息依据源自突发事件本身,对于历史案例较少的情形,存在一定的局限.为此,本研究拟在随机森林算法的基础上,结合专家知识提出一种确定要素权重的方法. ...
基于相似历史案例分析的突发事件应急方案生成方法
6
2014
... 近年来,研究者尝试将方案实施效果融入应急方案生成,形成了系列研究成果.李永海等[9 ] 率先提出了考虑实施效果的突发事件应急方案生成模型,对相似度大于阈值的案例,从实施效果和应对成本2个维度构建了效用函数,得到了应急方案的排序;郑晶等[10 ] 在解决应急方案生成和实施效果评估中,考虑了方案在整个应急过程中的实施效果,采用距离熵方法集结了实施效果,进而综合考虑相似度与实施效果,实现了应急方案生成;此后,郑晶等[11 ] 在应急方案生成过程中引入数据包络分析(data envelopment analysis,DEA)方法进行相似度测量和实施效果评价,增强了决策过程的客观性;郑晶等[12 ] 考虑决策过程中决策者的心理因素,构建了考虑决策者后悔规避的应急方案生成模型,通过度量感知效用生成了最优方案.深入分析发现,上述研究主要通过多属性决策评估方法开展方案实施效果评价,缺乏系统的评价指标体系.需要指出的是,由于突发事故方案的复杂性,实施效果评价属于典型的群体决策问题.为此,本文拟在既有研究基础上,针对苯系物泄露事件应急处置效果评价问题,构建方案实施效果评价指标体系,用群体共识方法提出评价体系. ...
... 相似历史案例的提取需考虑历史突发事件与当前突发事件的应急情景相似度,且提取相似度较高的历史案例.可采用设置相似度阈值的方法,设ξ 为历史案例与目标案例间的相似度阈值,其计算式[9 ] 为 ...
... 从情景要素权重确定方法、效果评价是否考虑群体共识及重要度因子三个方面对比分析文献[9 ]、文献[10 ]与本文方法,结果如表6 所示. ...
... 因子
文献[9 ]方法 专家给出 否 有 文献[10 ]方法 专家给出 否 无 本文方法 主、客观权重 是 有 3.3.1 情景要素权重确定方法 在筛选相似案例集时,文献[9 -10 ]在案例分析中多采用专家直接给出的形式,本文综合考虑了专家意见与历史案例,可有效规避与目标案例在某一要素上差异较大的案例入选,更具客观性. ...
... 在筛选相似案例集时,文献[9 -10 ]在案例分析中多采用专家直接给出的形式,本文综合考虑了专家意见与历史案例,可有效规避与目标案例在某一要素上差异较大的案例入选,更具客观性. ...
... 在应急处置效果评价中,文献[9 ]从效果和成本2个角度进行评价,文献[10 ]虽建立了多时期处置效果评价模型,但未综合考虑多方意见,本文引入了专家共识调整算法,集结具有不同知识背景、行业经验的专家对应急方案的评价意见,提高了处置效果评价的可靠性. ...
基于相似历史案例分析的突发事件应急方案生成方法
6
2014
... 近年来,研究者尝试将方案实施效果融入应急方案生成,形成了系列研究成果.李永海等[9 ] 率先提出了考虑实施效果的突发事件应急方案生成模型,对相似度大于阈值的案例,从实施效果和应对成本2个维度构建了效用函数,得到了应急方案的排序;郑晶等[10 ] 在解决应急方案生成和实施效果评估中,考虑了方案在整个应急过程中的实施效果,采用距离熵方法集结了实施效果,进而综合考虑相似度与实施效果,实现了应急方案生成;此后,郑晶等[11 ] 在应急方案生成过程中引入数据包络分析(data envelopment analysis,DEA)方法进行相似度测量和实施效果评价,增强了决策过程的客观性;郑晶等[12 ] 考虑决策过程中决策者的心理因素,构建了考虑决策者后悔规避的应急方案生成模型,通过度量感知效用生成了最优方案.深入分析发现,上述研究主要通过多属性决策评估方法开展方案实施效果评价,缺乏系统的评价指标体系.需要指出的是,由于突发事故方案的复杂性,实施效果评价属于典型的群体决策问题.为此,本文拟在既有研究基础上,针对苯系物泄露事件应急处置效果评价问题,构建方案实施效果评价指标体系,用群体共识方法提出评价体系. ...
... 相似历史案例的提取需考虑历史突发事件与当前突发事件的应急情景相似度,且提取相似度较高的历史案例.可采用设置相似度阈值的方法,设ξ 为历史案例与目标案例间的相似度阈值,其计算式[9 ] 为 ...
... 从情景要素权重确定方法、效果评价是否考虑群体共识及重要度因子三个方面对比分析文献[9 ]、文献[10 ]与本文方法,结果如表6 所示. ...
... 因子
文献[9 ]方法 专家给出 否 有 文献[10 ]方法 专家给出 否 无 本文方法 主、客观权重 是 有 3.3.1 情景要素权重确定方法 在筛选相似案例集时,文献[9 -10 ]在案例分析中多采用专家直接给出的形式,本文综合考虑了专家意见与历史案例,可有效规避与目标案例在某一要素上差异较大的案例入选,更具客观性. ...
... 在筛选相似案例集时,文献[9 -10 ]在案例分析中多采用专家直接给出的形式,本文综合考虑了专家意见与历史案例,可有效规避与目标案例在某一要素上差异较大的案例入选,更具客观性. ...
... 在应急处置效果评价中,文献[9 ]从效果和成本2个角度进行评价,文献[10 ]虽建立了多时期处置效果评价模型,但未综合考虑多方意见,本文引入了专家共识调整算法,集结具有不同知识背景、行业经验的专家对应急方案的评价意见,提高了处置效果评价的可靠性. ...
考虑方案有效性的应急案例决策方法
7
2016
... 近年来,研究者尝试将方案实施效果融入应急方案生成,形成了系列研究成果.李永海等[9 ] 率先提出了考虑实施效果的突发事件应急方案生成模型,对相似度大于阈值的案例,从实施效果和应对成本2个维度构建了效用函数,得到了应急方案的排序;郑晶等[10 ] 在解决应急方案生成和实施效果评估中,考虑了方案在整个应急过程中的实施效果,采用距离熵方法集结了实施效果,进而综合考虑相似度与实施效果,实现了应急方案生成;此后,郑晶等[11 ] 在应急方案生成过程中引入数据包络分析(data envelopment analysis,DEA)方法进行相似度测量和实施效果评价,增强了决策过程的客观性;郑晶等[12 ] 考虑决策过程中决策者的心理因素,构建了考虑决策者后悔规避的应急方案生成模型,通过度量感知效用生成了最优方案.深入分析发现,上述研究主要通过多属性决策评估方法开展方案实施效果评价,缺乏系统的评价指标体系.需要指出的是,由于突发事故方案的复杂性,实施效果评价属于典型的群体决策问题.为此,本文拟在既有研究基础上,针对苯系物泄露事件应急处置效果评价问题,构建方案实施效果评价指标体系,用群体共识方法提出评价体系. ...
... 从情景要素权重确定方法、效果评价是否考虑群体共识及重要度因子三个方面对比分析文献[9 ]、文献[10 ]与本文方法,结果如表6 所示. ...
... 因子
文献[9 ]方法 专家给出 否 有 文献[10 ]方法 专家给出 否 无 本文方法 主、客观权重 是 有 3.3.1 情景要素权重确定方法 在筛选相似案例集时,文献[9 -10 ]在案例分析中多采用专家直接给出的形式,本文综合考虑了专家意见与历史案例,可有效规避与目标案例在某一要素上差异较大的案例入选,更具客观性. ...
... 在筛选相似案例集时,文献[9 -10 ]在案例分析中多采用专家直接给出的形式,本文综合考虑了专家意见与历史案例,可有效规避与目标案例在某一要素上差异较大的案例入选,更具客观性. ...
... 在应急处置效果评价中,文献[9 ]从效果和成本2个角度进行评价,文献[10 ]虽建立了多时期处置效果评价模型,但未综合考虑多方意见,本文引入了专家共识调整算法,集结具有不同知识背景、行业经验的专家对应急方案的评价意见,提高了处置效果评价的可靠性. ...
... 与文献[10 ]提出的应急方案生成方法相比,本文通过式(21) 对集结案例相似度与处置效果进行评分,引入了重要度因子θ ,其中θ ∈ 0,1 ,使得综合评价更具灵活性,且取θ =0.5,可得到与文献[10 ]相同的排序结果.分别取θ =0,0.2,0.5,0.6,0.9,1.0,可得最优方案如表7 所示. ...
... =0.5,可得到与文献[10 ]相同的排序结果.分别取θ =0,0.2,0.5,0.6,0.9,1.0,可得最优方案如表7 所示. ...
考虑方案有效性的应急案例决策方法
7
2016
... 近年来,研究者尝试将方案实施效果融入应急方案生成,形成了系列研究成果.李永海等[9 ] 率先提出了考虑实施效果的突发事件应急方案生成模型,对相似度大于阈值的案例,从实施效果和应对成本2个维度构建了效用函数,得到了应急方案的排序;郑晶等[10 ] 在解决应急方案生成和实施效果评估中,考虑了方案在整个应急过程中的实施效果,采用距离熵方法集结了实施效果,进而综合考虑相似度与实施效果,实现了应急方案生成;此后,郑晶等[11 ] 在应急方案生成过程中引入数据包络分析(data envelopment analysis,DEA)方法进行相似度测量和实施效果评价,增强了决策过程的客观性;郑晶等[12 ] 考虑决策过程中决策者的心理因素,构建了考虑决策者后悔规避的应急方案生成模型,通过度量感知效用生成了最优方案.深入分析发现,上述研究主要通过多属性决策评估方法开展方案实施效果评价,缺乏系统的评价指标体系.需要指出的是,由于突发事故方案的复杂性,实施效果评价属于典型的群体决策问题.为此,本文拟在既有研究基础上,针对苯系物泄露事件应急处置效果评价问题,构建方案实施效果评价指标体系,用群体共识方法提出评价体系. ...
... 从情景要素权重确定方法、效果评价是否考虑群体共识及重要度因子三个方面对比分析文献[9 ]、文献[10 ]与本文方法,结果如表6 所示. ...
... 因子
文献[9 ]方法 专家给出 否 有 文献[10 ]方法 专家给出 否 无 本文方法 主、客观权重 是 有 3.3.1 情景要素权重确定方法 在筛选相似案例集时,文献[9 -10 ]在案例分析中多采用专家直接给出的形式,本文综合考虑了专家意见与历史案例,可有效规避与目标案例在某一要素上差异较大的案例入选,更具客观性. ...
... 在筛选相似案例集时,文献[9 -10 ]在案例分析中多采用专家直接给出的形式,本文综合考虑了专家意见与历史案例,可有效规避与目标案例在某一要素上差异较大的案例入选,更具客观性. ...
... 在应急处置效果评价中,文献[9 ]从效果和成本2个角度进行评价,文献[10 ]虽建立了多时期处置效果评价模型,但未综合考虑多方意见,本文引入了专家共识调整算法,集结具有不同知识背景、行业经验的专家对应急方案的评价意见,提高了处置效果评价的可靠性. ...
... 与文献[10 ]提出的应急方案生成方法相比,本文通过式(21) 对集结案例相似度与处置效果进行评分,引入了重要度因子θ ,其中θ ∈ 0,1 ,使得综合评价更具灵活性,且取θ =0.5,可得到与文献[10 ]相同的排序结果.分别取θ =0,0.2,0.5,0.6,0.9,1.0,可得最优方案如表7 所示. ...
... =0.5,可得到与文献[10 ]相同的排序结果.分别取θ =0,0.2,0.5,0.6,0.9,1.0,可得最优方案如表7 所示. ...
基于交叉效率的应急案例检索方法
1
2018
... 近年来,研究者尝试将方案实施效果融入应急方案生成,形成了系列研究成果.李永海等[9 ] 率先提出了考虑实施效果的突发事件应急方案生成模型,对相似度大于阈值的案例,从实施效果和应对成本2个维度构建了效用函数,得到了应急方案的排序;郑晶等[10 ] 在解决应急方案生成和实施效果评估中,考虑了方案在整个应急过程中的实施效果,采用距离熵方法集结了实施效果,进而综合考虑相似度与实施效果,实现了应急方案生成;此后,郑晶等[11 ] 在应急方案生成过程中引入数据包络分析(data envelopment analysis,DEA)方法进行相似度测量和实施效果评价,增强了决策过程的客观性;郑晶等[12 ] 考虑决策过程中决策者的心理因素,构建了考虑决策者后悔规避的应急方案生成模型,通过度量感知效用生成了最优方案.深入分析发现,上述研究主要通过多属性决策评估方法开展方案实施效果评价,缺乏系统的评价指标体系.需要指出的是,由于突发事故方案的复杂性,实施效果评价属于典型的群体决策问题.为此,本文拟在既有研究基础上,针对苯系物泄露事件应急处置效果评价问题,构建方案实施效果评价指标体系,用群体共识方法提出评价体系. ...
基于交叉效率的应急案例检索方法
1
2018
... 近年来,研究者尝试将方案实施效果融入应急方案生成,形成了系列研究成果.李永海等[9 ] 率先提出了考虑实施效果的突发事件应急方案生成模型,对相似度大于阈值的案例,从实施效果和应对成本2个维度构建了效用函数,得到了应急方案的排序;郑晶等[10 ] 在解决应急方案生成和实施效果评估中,考虑了方案在整个应急过程中的实施效果,采用距离熵方法集结了实施效果,进而综合考虑相似度与实施效果,实现了应急方案生成;此后,郑晶等[11 ] 在应急方案生成过程中引入数据包络分析(data envelopment analysis,DEA)方法进行相似度测量和实施效果评价,增强了决策过程的客观性;郑晶等[12 ] 考虑决策过程中决策者的心理因素,构建了考虑决策者后悔规避的应急方案生成模型,通过度量感知效用生成了最优方案.深入分析发现,上述研究主要通过多属性决策评估方法开展方案实施效果评价,缺乏系统的评价指标体系.需要指出的是,由于突发事故方案的复杂性,实施效果评价属于典型的群体决策问题.为此,本文拟在既有研究基础上,针对苯系物泄露事件应急处置效果评价问题,构建方案实施效果评价指标体系,用群体共识方法提出评价体系. ...
考虑决策者后悔规避的瓦斯爆炸案例决策方法
1
2020
... 近年来,研究者尝试将方案实施效果融入应急方案生成,形成了系列研究成果.李永海等[9 ] 率先提出了考虑实施效果的突发事件应急方案生成模型,对相似度大于阈值的案例,从实施效果和应对成本2个维度构建了效用函数,得到了应急方案的排序;郑晶等[10 ] 在解决应急方案生成和实施效果评估中,考虑了方案在整个应急过程中的实施效果,采用距离熵方法集结了实施效果,进而综合考虑相似度与实施效果,实现了应急方案生成;此后,郑晶等[11 ] 在应急方案生成过程中引入数据包络分析(data envelopment analysis,DEA)方法进行相似度测量和实施效果评价,增强了决策过程的客观性;郑晶等[12 ] 考虑决策过程中决策者的心理因素,构建了考虑决策者后悔规避的应急方案生成模型,通过度量感知效用生成了最优方案.深入分析发现,上述研究主要通过多属性决策评估方法开展方案实施效果评价,缺乏系统的评价指标体系.需要指出的是,由于突发事故方案的复杂性,实施效果评价属于典型的群体决策问题.为此,本文拟在既有研究基础上,针对苯系物泄露事件应急处置效果评价问题,构建方案实施效果评价指标体系,用群体共识方法提出评价体系. ...
考虑决策者后悔规避的瓦斯爆炸案例决策方法
1
2020
... 近年来,研究者尝试将方案实施效果融入应急方案生成,形成了系列研究成果.李永海等[9 ] 率先提出了考虑实施效果的突发事件应急方案生成模型,对相似度大于阈值的案例,从实施效果和应对成本2个维度构建了效用函数,得到了应急方案的排序;郑晶等[10 ] 在解决应急方案生成和实施效果评估中,考虑了方案在整个应急过程中的实施效果,采用距离熵方法集结了实施效果,进而综合考虑相似度与实施效果,实现了应急方案生成;此后,郑晶等[11 ] 在应急方案生成过程中引入数据包络分析(data envelopment analysis,DEA)方法进行相似度测量和实施效果评价,增强了决策过程的客观性;郑晶等[12 ] 考虑决策过程中决策者的心理因素,构建了考虑决策者后悔规避的应急方案生成模型,通过度量感知效用生成了最优方案.深入分析发现,上述研究主要通过多属性决策评估方法开展方案实施效果评价,缺乏系统的评价指标体系.需要指出的是,由于突发事故方案的复杂性,实施效果评价属于典型的群体决策问题.为此,本文拟在既有研究基础上,针对苯系物泄露事件应急处置效果评价问题,构建方案实施效果评价指标体系,用群体共识方法提出评价体系. ...
Handling multicriteria fuzzy decision-making problems based on vague set theory
1
1994
... 步骤6 计算综合评价信息的记分函数S ( α j ) = μ j - v j [13 ] . ...
案例推理技术在环境群体性事件应急决策中的应用研究
1
2016
... 对于突发事件,往往难以获得其全部情景要素,因此在计算目标案例与历史案例相似度时,需综合考虑局部属性相似度与结构相似度[14 ] . ...
案例推理技术在环境群体性事件应急决策中的应用研究
1
2016
... 对于突发事件,往往难以获得其全部情景要素,因此在计算目标案例与历史案例相似度时,需综合考虑局部属性相似度与结构相似度[14 ] . ...
Cosine similarity measures for intuitionistic fuzzy sets and their applications
1
2011
... 对于语义型和数值型数据,先依据表1 的模糊量化公式将其转化为直觉模糊数,再计算F * 和F i 在属性f j 上的相似度[15 ] : ...
An attitudinal trust recommendation mechanism to balance consensus and harmony in group decision making
1
2019
... 步骤2 计算共识测度[16 ] .首先,计算群体评价矩阵R ¯ = ( r ¯ i j ) m × n ,其中 ...