基于情景推理的震灾初期救援物资需求预测

来源:用户上传      作者:张儒 齐金平 闫森 黄思云

　　[摘要]震后救援物资响应是救援工作的重要环节，考虑到震后初期信息匮乏与案例推理预测结果精度低，采用情景推理对救援物资需求进行预测：通过对震灾历史案例库的分析，构建知识元表示模型对震灾情景进行表达。基于云模型启发式算法获取情景检索特征属性的权重，再运用改进的最近邻检索算法对案例间情景进行检索，最后利用派生重演法对检索出的最相似案例进行重用修正。以中国地震历史数据作为实验分析具体案例，结果表明本文方法对提高灾后应急物资预测精度具有良好的效果。
　　[关键词]案例推理;情景分析;需求预测;震灾救援物资
　　[中图分类号]F224.0 [文献标识码]A [文章编号]1005-152X（2022）03-0039-06
　　Demand Forecasting of Relief Materials for Early Post-earthquake Rescue Based on Scenario Reasoning
　　ZHANG Ru， QI Jinping， YAN Sen， HUANG Siyun
　　（Mechatronics T&R Institute， Lanzhou Jiaotong University， Lanzhou 710600， China）
　　Abstract： The paper pointed out that， in the event an earthquake， considering the lack of information and the low precision of case- based reasoning prediction results in the early post-strike stage， the paper used scenario reasoning to predict the reliefmaterials demand. By analyzing earthquake histories in case library， the paper constructed a knowledge element representation model to express the earthquake scenarios. Based on the heuristic algorithm of the cloud model， it obtained the weights of the scenario retrieval feature attributes， used the improved k-nearest neighbor （KNN） algorithm to retrieve the scenarios among cases， and used the derived recapitulation method to reuse and correct the most similar cases retrieved. The paper took the historical earthquake data in China as the specific cases for experiment， which showed that the proposed method has good effect on improving the prediction accuracy of post-earthquake emergency supplies.
　　Keywords： case-based reasoning; scenario analysis; demand forecasting; earthquake reliefmaterial
　　0 引言
　　地震暮Γㄎ闹型骋患虺普鹪郑┦俏夜主要自然灾害类型之一，一半以上的大中型城市都处于震级5.1以上的地区。虽然无法控制震灾的发生，但通过有效的救援方案，可以很大程度上降低震灾造成的伤亡与损失。因此，如何快速、精确地预测出震灾后救援物资的需求量，是当前灾后救援的热点问题。而灾害初期由于信息缺失，救援物资需求预测面临不确定性和约束条件的复杂性，传统的时间序列与神经网络模型难以对救援物资做出精确预测，而选用案例推理（case-based reasoning）来辅助救援物资的需求预测是一种直接而有效的方法。
　　目前提高案例推理预测精度的关键技术主要是案例间相似度检索的问题：于峰[1-3]设计了生物分类学方法的救援案例库的族谱特征，将灾害事件链与相似度相结合，并解释说明了族谱中的横纵关系。王庆荣[4]通过粗糙集确定案例属性之间的权重系数，针对震灾数据特征提出消耗策略的定义，采用消耗策略在检索时进行优化调整。张涛[5]基于电视节目案例表达中存在的多值情境，构建多值符号情境的局部相似度计算模式，针对案例重用中目标案例与相似案例的情境匹配，构建基于差异情境的情境系数调整规则。吴书金[6]为了提高相似度的检索速度，运用模糊C均值聚类算法先进行初步筛选。王宁[7]对应急案例进行情景划分研究，对应急情景序列知识结构进行分析，提出了应急管理案例的情景表示方法及存储模式。姜卉[8]将应急事件情景定义为应急事件的态势集合，并将情景概念引入应急事件的实时决策中。
　　综上所述，案例推理预测方法适用于灾后信息贫乏期，并且可以避免用小样本数据建模时容易出现的过拟合现象。然而选取整体案例进行预测容易造成检索上的不准确，从而影响需求预测精度，并且案例表示大多是基于知识表示的常用方法（XML、本体、语义网络等），这些方法缺乏对案例进行更细粒度的划分，难以体现对事件的描述，导致检索结果不精确。因此在案例推理预测中加入情景的概念，通过情景要素的拼接最大程度地模拟震灾情景，并利用知识元模型对情景进行表达，满足情景案例推理的需要。检索后，部分案例因没有类似经验易导致预测误差过大，影响预测精度，所以在检索完成后利用派生重演法对检索结果进行修正，以提升预测精度。

nlc202205061827

转载注明来源:https://www.xzbu.com/1/view-15430435.htm