亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于敏感度分析的車(chē)站應(yīng)急預(yù)案生成算法研究

        2015-01-15 05:50:08靜,帥
        關(guān)鍵詞:案例庫(kù)預(yù)案車(chē)站

        左 靜,帥 斌

        西南交通大學(xué) 交通運(yùn)輸與物流學(xué)院,成都 610031

        運(yùn)輸安全處于鐵路運(yùn)營(yíng)的首要地位。當(dāng)緊急事件發(fā)生時(shí),如何進(jìn)行有效、快速的應(yīng)急指揮,減少人員和財(cái)產(chǎn)損失,確保鐵路運(yùn)營(yíng)各項(xiàng)工作順利進(jìn)行是鐵路管理領(lǐng)域的研究熱點(diǎn)[1]。國(guó)內(nèi)目前應(yīng)對(duì)緊急事件仍沿用文本式應(yīng)急預(yù)案[2],主要通過(guò)指揮人員電話(huà)溝通臨時(shí)決策緊急事件的處理方案。缺乏科學(xué)性和合理性,難以有效地應(yīng)對(duì)樞紐車(chē)站的突發(fā)性事件。因此,采用科學(xué)的方法對(duì)車(chē)站應(yīng)急預(yù)案進(jìn)行決策,是提高應(yīng)急處置能力、減少人員和財(cái)產(chǎn)損失的關(guān)鍵所在。

        發(fā)達(dá)國(guó)家已經(jīng)將應(yīng)急決策納入車(chē)站正常運(yùn)營(yíng)體系。如:美國(guó)、歐盟、日本等都已有運(yùn)行良好的應(yīng)急決策預(yù)案管理體制,建立了較完善的應(yīng)急決策支持系統(tǒng)。

        近幾年中國(guó)鐵路雖然發(fā)展迅速,但在車(chē)站應(yīng)急水平與發(fā)達(dá)國(guó)家還有很大距離,主要表現(xiàn)在:應(yīng)急反應(yīng)相對(duì)遲緩;應(yīng)急裝備較為落后,應(yīng)急救援能力有限;缺乏統(tǒng)一有效的協(xié)調(diào)調(diào)度指揮機(jī)制等。國(guó)內(nèi)關(guān)于車(chē)站應(yīng)急決策的研究還處在起步階段,祝凌曦提出了基于改進(jìn)DEA綜合評(píng)判的鐵路應(yīng)急預(yù)案評(píng)價(jià)方法[3];賈利民等提出基于隨機(jī)Petri網(wǎng)的鐵路應(yīng)急預(yù)案的建模方法,得到鐵路應(yīng)急仿真模型[4]。上述文獻(xiàn)針對(duì)應(yīng)急決策系統(tǒng)的搭建、應(yīng)急模型的構(gòu)建以及鐵路災(zāi)害預(yù)警等內(nèi)容進(jìn)行了一定研究。當(dāng)突發(fā)事件發(fā)生時(shí),根據(jù)當(dāng)時(shí)的態(tài)勢(shì)信息做出快速、準(zhǔn)確、有效的救援決策對(duì)救援效果起著非常重要的作用。

        本文以研究基于敏感度案例推理的車(chē)站應(yīng)急決策模型為出發(fā)點(diǎn),為突發(fā)事故的快速應(yīng)急處置提供決策支持。

        1 模型建立

        案例推理是將以往類(lèi)似問(wèn)題的解決方案解決當(dāng)前的相似問(wèn)題,使用該方法不僅使得知識(shí)獲取更加容易和迅速,而且提高了推理過(guò)程的質(zhì)量和效率[5-6]。車(chē)站緊急突發(fā)事件具有隨機(jī)性、模糊性和不確定性,在處理時(shí)需要鐵路各部門(mén)的共同參與。但是在長(zhǎng)期的運(yùn)輸管理過(guò)程中,對(duì)突發(fā)事件處理過(guò)程已積累了豐富的經(jīng)驗(yàn),這些特點(diǎn)都符合CBR方法的使用特征[7]。因此采用基于CBR技術(shù)來(lái)設(shè)計(jì)并實(shí)現(xiàn)車(chē)站應(yīng)急預(yù)案管理是可行的。

        基于CBR車(chē)站應(yīng)急預(yù)案生成模型如圖1所示,該模型主要包括5個(gè)主要組成部分:案例表示,案例檢索,案例調(diào)整,預(yù)案執(zhí)行,案例學(xué)習(xí)五個(gè)部分。

        圖1 鐵路車(chē)站應(yīng)急預(yù)案生成模型

        2 應(yīng)急預(yù)案決策模型設(shè)計(jì)

        2.1 案例表示

        案例表示是將專(zhuān)家的知識(shí)轉(zhuǎn)化為計(jì)算機(jī)系統(tǒng)可以存儲(chǔ)并識(shí)別的信息的過(guò)程,是案例推理的基礎(chǔ)[8]。各種類(lèi)型的突發(fā)事件會(huì)隨著車(chē)站長(zhǎng)期運(yùn)營(yíng)發(fā)生,鐵路部門(mén)通過(guò)對(duì)突發(fā)事件的處理,使案例和案例決策經(jīng)驗(yàn)變得非常豐富,但同時(shí)大量的案例也增加了案例庫(kù)結(jié)構(gòu)的復(fù)雜程度。為了案例有效且高效地操作,就必須使案例通過(guò)結(jié)構(gòu)化的方式表達(dá)以往突發(fā)事件成功的決策經(jīng)驗(yàn)。

        事故案例通常包含:事故描述、解決方案和實(shí)施結(jié)果三個(gè)部分[9-10]。本文在對(duì)案例抽象化后,提取案例的特征屬性和層次屬性,最后采用面向?qū)ο蠡诳蚣艿姆椒ū硎景咐齕11],見(jiàn)圖2所示。

        圖2 車(chē)站應(yīng)急預(yù)案的框架表示

        2.2 案例庫(kù)和屬性特征值權(quán)重的確定

        在案例庫(kù)構(gòu)造時(shí)包含的案例越多,得到的知識(shí)也更多,但較多的案例知識(shí)會(huì)影響案例檢索速度。本文使用敏感系數(shù)對(duì)案例知識(shí)約減達(dá)到提高檢索速度的目的。通過(guò)調(diào)查研究,初步確定案例表示的特征屬性。

        匹配是案例檢索對(duì)案例庫(kù)快速定位的關(guān)鍵,權(quán)重選擇是否合理會(huì)直接影響案例最終決策的可靠性。使用相似度計(jì)算作為匹配規(guī)則的案例推理并非只由案例特征項(xiàng)間的距離決定,其實(shí)很大程度上也和特征項(xiàng)權(quán)重有緊密關(guān)系。

        對(duì)權(quán)重的研究方法有很多,如專(zhuān)家打分法,層次分析法、主觀(guān)賦值法、頻數(shù)統(tǒng)計(jì)法等。但這些方法獲取的權(quán)重是靜態(tài)不變的,一旦確定便在系統(tǒng)中固化不能改變。靜態(tài)不變的權(quán)重不一定適應(yīng)不斷更新的案例庫(kù),可能會(huì)造成推理不夠準(zhǔn)確。因此本文將神經(jīng)網(wǎng)絡(luò)和敏感度分析兩種方法結(jié)合,得到鐵路應(yīng)急決策案例庫(kù)中特征項(xiàng)權(quán)重的確定方法。即將神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的權(quán)重通過(guò)敏感度分析的方法再分析,達(dá)到約減的目的,并產(chǎn)生新的權(quán)重。

        (1)敏感系數(shù)

        式中,yi為刪除第i個(gè)特征項(xiàng)的輸出。y0為未刪除任何特征項(xiàng)的輸出。L為訓(xùn)練樣本案例個(gè)數(shù)。n為案例總個(gè)數(shù)。

        (2)根據(jù)敏感系數(shù)確定權(quán)重

        式中,wi為第i個(gè)特征項(xiàng)的權(quán)重。

        通過(guò)MATLAB工具箱構(gòu)建神經(jīng)網(wǎng)絡(luò)得到特征值靜態(tài)權(quán)重并對(duì)權(quán)重進(jìn)行敏感度計(jì)算,得出“列車(chē)是否重載”特征項(xiàng)敏感系數(shù)為0.036 7,本文中對(duì)敏感系數(shù)小于0.05的特征項(xiàng)進(jìn)行約減。網(wǎng)絡(luò)訓(xùn)練圖如圖3。

        圖3 構(gòu)建網(wǎng)絡(luò)訓(xùn)練圖

        網(wǎng)絡(luò)訓(xùn)練后得到各個(gè)屬性權(quán)重值如表1所示。

        表1 案例特征值權(quán)重表

        2.3 案例相似度計(jì)算

        基于相似度的案例檢索方法是以鐵路案例情景表示為基礎(chǔ),檢索新事件與案例庫(kù)中案例表示情景特征相似度為目標(biāo),本文采取全局相似度算法的計(jì)算過(guò)程[12]。

        若輸入閥值為a∈[0,1],若待檢測(cè)的新事件Y與案例庫(kù)X的案例相似度為sim(Xi,Yi)∈[0,1]。當(dāng)相似度sim(Xi,Yi)≥a則說(shuō)明滿(mǎn)足相似性,可以參照案例庫(kù)中相應(yīng)的案例應(yīng)急方案。若有多個(gè)滿(mǎn)足則按大小排序取最大值對(duì)應(yīng)的案例,若檢測(cè)不到滿(mǎn)足條件的案例可以降低閥值檢測(cè),若還是檢測(cè)不到則可以人工制定方案。并通過(guò)CRB自學(xué)習(xí)功能提取此方案特征值屬性后存儲(chǔ)在案例庫(kù)中。案例相似度計(jì)算定義為:

        式中sim(Xi,Yi)表示案例X和Y的第i個(gè)屬性的相似度;wi表示檢索的特征屬性值;m表示特征屬性的個(gè)數(shù)。

        根據(jù)鐵路運(yùn)營(yíng)事故信息特點(diǎn),將特征值屬性分為以下三種情況,相似度算法如下所示:

        (1)確定數(shù)屬性:用數(shù)值表示的案例屬性,如應(yīng)急響應(yīng)等級(jí)、車(chē)輛損壞數(shù)。確定數(shù)屬性的相似度常用的方法有Euclidean[13]法Hamming[14]等,本文采用Hamming計(jì)算。

        式中Xi、Yi表示X和Y的第i個(gè)特征屬性值;maxi和mini表示案例第i個(gè)屬性取值的最大、最小值。

        (2)確定符號(hào)屬性:屬于簡(jiǎn)單枚舉值,如事故發(fā)生地點(diǎn),是否發(fā)生火災(zāi)等。它列舉了該屬性可能的所有取值,可根據(jù)取值判斷相似性,計(jì)算式為

        (3)模糊屬性

        由于某些案例的特征屬性可能是模糊區(qū)間屬性或模糊概念屬性。

        ①當(dāng)案例特征屬性對(duì)應(yīng)的特征值為模糊區(qū)間時(shí)通過(guò)公式(6),(7)計(jì)算相似度。

        ②當(dāng)案例特征屬性對(duì)應(yīng)的特征值為模t糊概念時(shí)通過(guò)模糊集定義來(lái)表示[15]。例如軌道損壞狀態(tài)為{很?chē)?yán)重,嚴(yán)重,較嚴(yán)重,損壞小,輕微損壞,無(wú)損壞}時(shí),可定義為{0.95,0.80,0.60,0.40,0.20,0.01},屬性值越大說(shuō)明該線(xiàn)路損害越嚴(yán)重。此時(shí)的相似度計(jì)算采用數(shù)屬性的相似度計(jì)算。

        3 實(shí)例應(yīng)用分析

        緊急事件應(yīng)急案例庫(kù)中部分案例如表1所示,每個(gè)案例中都包含有處置該緊急事件的處理方案。

        發(fā)生案例1“7.3某局貨物列車(chē)脫軌較大事故”造成機(jī)后1至9節(jié)車(chē)輛顛覆,10,11車(chē)輛脫軌。與表1案例庫(kù)中的案例進(jìn)行相似度匹配,表1中C0案例為某局“9.24機(jī)車(chē)脫軌”事件的具體情況。計(jì)算得到的兩事件屬性相似度如表2所示。

        表2 案例C1,C0的特征值信息

        計(jì)算C0與當(dāng)前案例C1的全局相似度為sim(C1)=1×0.05+0.08×1+0.85×0.085+0.308×0.05+0.134×0.03+1×0.08+0.09×0.467+1×0.04+1×0.04+0×0.02+0.6×0.14+0.417×0.09+0.67×0.135+0×0.07=0.857 9。同理的與案例庫(kù)表1中其余案例的相似度為sim(C2)=0.492,sim(C3)=0.281,sim(C4)=0.478,sim(C5)=0.569,sim(C6)=0.388 。通過(guò)比較各案例整體相似度的大小,得到前事故C0與案例庫(kù)中C1相似,所以解決當(dāng)前緊急事件的辦法可依據(jù)案例庫(kù)C1中記錄的解決方案。執(zhí)行過(guò)程中,如設(shè)備配備、人員需求調(diào)配等問(wèn)題,需根據(jù)當(dāng)時(shí)現(xiàn)場(chǎng)的實(shí)際情況,結(jié)合專(zhuān)家意見(jiàn)進(jìn)行適當(dāng)修改和調(diào)整,最終確定處理當(dāng)前緊急事件的解決方案。

        4 結(jié)論

        本文通過(guò)案例推理方法建立車(chē)站應(yīng)急預(yù)案決策模型,針對(duì)車(chē)站緊急事件原因復(fù)雜的特點(diǎn),采用面向?qū)ο蟮目蚣鼙硎痉椒▽?duì)案例知識(shí)進(jìn)行表達(dá),通過(guò)引入敏感度計(jì)算特征值權(quán)重,以相似度算法為基礎(chǔ)實(shí)現(xiàn)案例的檢索與匹配。并對(duì)該算法進(jìn)行了驗(yàn)證。目前,鐵路應(yīng)急決策案例非常有限,需要不斷更新完善案例庫(kù),為應(yīng)急決策積累豐富經(jīng)驗(yàn)。同時(shí)應(yīng)借鑒國(guó)外對(duì)緊急事件處理的措施方法,使應(yīng)急決策的管理水平和效率得到不斷提高。

        [1]王子洋,張穎,趙忠信,等.鐵路應(yīng)急預(yù)案質(zhì)量控制技術(shù)研究[J].物流技術(shù),2010,23(3):30-32.

        [2]羅文婷.鐵路應(yīng)急預(yù)案綜合評(píng)價(jià)方法研究[D].北京:北京交通大學(xué),2008.

        [3]祝凌曦,肖雪梅,李瑋,等.基于改進(jìn)DEA法的鐵路應(yīng)急預(yù)案編制績(jī)效評(píng)價(jià)方法研究[J].鐵道學(xué)報(bào),2011,33(4):1-6.

        [4]艾厚文,賈利民,秦勇,等.基于隨機(jī)Petri網(wǎng)的鐵路應(yīng)急救援流程化分析[J].鐵路計(jì)算機(jī)應(yīng)用,2008,17(7):9-11.

        [5]周平,丁進(jìn)良,岳恒,等.基于相似粗糙集的案例特征權(quán)值確定新方法[J].信息與控制,2006,35(3):329-334.

        [6]張成濤,孫義,張德政.基于XML的案例推理技術(shù)及其在生產(chǎn)調(diào)度中的應(yīng)用研究[J].微計(jì)算機(jī)信息,2006,22(3/2):256-258.

        [7]戴奇波,倪志偉,王超,等.基于動(dòng)態(tài)數(shù)據(jù)流挖掘的案例推理及其應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2011,47(19):31-35.

        [8]張建華,劉仲英.案例推理和規(guī)則推理結(jié)合的緊急預(yù)案信息系統(tǒng)[J].同濟(jì)大學(xué)學(xué)報(bào),2002,30(7):890-895.

        [9]成瑞華.XML在案例推理的應(yīng)用[D].北京:北京科技大學(xué),2007.

        [10]李玲娟,湯文宇,王汝傳.基于XML的案例表示和案例庫(kù)構(gòu)造方法[J].計(jì)算機(jī)應(yīng)用研究,2007,24(11):70-73.

        [11]楊健,楊曉光,劉曉彬.一種基于k-NN的案例相似度權(quán)重調(diào)整算法[J].計(jì)算機(jī)工程與應(yīng)用,2007,43(23):8-11.

        [12]張振海,王曉明,黨建武,等.基于整體相似度的鐵路應(yīng)急救援預(yù)案推理決策方法研究[J].鐵道學(xué)報(bào),2012,34(11):49-54.

        [13]柳玉,賁可榮.基于屬性重要度的案例特征權(quán)重確定方法[J].計(jì)算機(jī)集成制造系統(tǒng),2012,18(6):1230-1235.

        [14]Li Y,Simon C K,Sankar K.Combining feature reduction and case selection in building CBR classifiers[J].IEEE Transactions on Knowledge and Data Engineering,2006,18(3):415-429.

        [15]張本生,于永利.CBR系統(tǒng)案例搜索中的混合相似度方法[J].系統(tǒng)工程理論與實(shí)踐,2002,22(3):131-136.

        猜你喜歡
        案例庫(kù)預(yù)案車(chē)站
        啟東市強(qiáng)化預(yù)案演練
        心血管外科教學(xué)案例庫(kù)的建設(shè)及應(yīng)用研究
        核電網(wǎng)絡(luò)安全應(yīng)急預(yù)案考慮
        國(guó)內(nèi)首個(gè)海事司法案例庫(kù)正式上線(xiàn)
        水上消防(2021年4期)2021-11-05 08:51:50
        基于實(shí)踐應(yīng)用的基坑工程設(shè)計(jì)案例庫(kù)建設(shè)研究
        車(chē)站一角
        MTI朝鮮語(yǔ)同聲傳譯教學(xué)案例庫(kù)建設(shè)研究
        2016年版《國(guó)家自然災(zāi)害救助應(yīng)急預(yù)案》解讀
        緊急預(yù)案
        熱鬧的車(chē)站
        尤物成av人片在线观看| 人妻少妇看a偷人无码精品| 日韩毛片在线| 国产人成视频免费在线观看| 久久中文字幕亚洲综合| 亚洲国产日韩欧美综合a| 免费国产在线精品一区| 97se亚洲国产综合自在线| 欧美日韩国产成人综合在线影院| 国产91精品清纯白嫩| 一边摸一边做爽的视频17国产 | 人妻精品无码一区二区三区 | 国产av在线观看91| 国产精品亚洲综合久久| 婷婷综合另类小说色区| 亚洲精品久久久久中文字幕一福利| 日韩毛片在线| 丝袜美腿久久亚洲一区| 久久天堂精品一区二区三区四区 | 内射人妻少妇无码一本一道| 国产精品午睡沙发系列| 超级少妇一区二区三区| 亚洲精品偷拍自综合网| 狠狠躁夜夜躁人人爽天天古典| 91视频88av| 亚洲av一区二区网址| 老鲁夜夜老鲁| 国产全肉乱妇杂乱视频| 日本一道dvd在线中文字幕| 在线看片免费人成视久网不卡| 亚洲婷婷久久播66性av| 日本又色又爽又黄的a片18禁| .精品久久久麻豆国产精品| 久久精品国产一区二区涩涩| 日本免费在线不卡一区二区| 亚洲女同一区二区| 亚洲肥老太bbw中国熟女| 日韩久久免费精品视频| 男人天堂这里只有精品| 无套内射蜜桃小视频| 99国产免费热播视频|