[發明專利]一種基于貝葉斯網絡學習的城市安全復雜事件分類控制方法

在審

• 申請號: 201310710947.7
• 申請日: 2013-12-19
• 公開（公告）號: CN103729553A
• 公開（公告）日: 2014-04-16
• 發明（設計）人: 陳庭貴;周廣瀾;許翀寰
• 申請（專利權）人: 浙江工商大學
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06N5/04
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

技術領域

本發明涉及復雜網絡理論、人工智能技術領域知識，具體涉及一種城市安全復雜事件分類管理方法。特別適用于復雜事件分類管理的問題。

背景技術

目前國內外應急管理方面的研究大都側重于應急管理機制、體系的建立與應急管理相關技術，都是從應急管理主體的角度出發的，而對應急管理的客體即突發事件的研究相對較少，對于突發事件客觀規律的忽視，導致實際的應急管理工作中出現決策目標不明確、處置效率較低、處置成本過高等問題。雖然各個領域的突發事件都具有各自的行為特征和內部規律，但是在事件的發生、發展和演化方面，都具有一些共性特征，例如每種突發事件的發生發展都受到一定的外部環境因素的影響，突發事件都會給人類社會造成一定的破壞作用，形成相應的損失；此外各種突發事件的發生發展并不是相互獨立的，無論是同一領域的突發事件還是不同領域的突發事件之間，都不同程度地存在著相互引發、干涉、轉化、耦合等復雜關系，從而形成突發事件的連鎖反應過程，例如城市突然遭到的臺風災害時常伴隨著暴雨、洪水、泥石流、瘟疫等一系列次生事件。因此對城市安全的突發事件的研究不能片面或孤立地側重于某一種事件，或是突發事件的某一種規律，而應該從整體出發，統一地揭示各種突發事件發生發展的共性規律。

發明內容

為了克服已有城市安全復雜事件中無法進行有效分類、實用性較差的不足,本發明提供了一種有效進行分類、實用性良好的基于貝葉斯網絡學習的城市安全復雜事件分類控制方法。

本發明解決其技術問題所采用的技術方案是：

一種基于貝葉斯網絡學習的城市安全復雜事件分類控制方法，突發事件貝葉斯網絡中的各節點形成輸入—狀態—輸出的三層拓撲結構，所述分類控制方法包括以下步驟：

1)輸入—狀態子網包括環境輸入變量、控制輸入變量與狀態變量之間的因果關系，令EI＝{ei_i|1≤i≤m}為突發事件的環境輸入變量集合,AI＝{ai_k|1≤k≤m}為控制輸入變量集合,MP＝{mp_j|1≤j≤n}為事件狀態變量集合，IP＝{ip_j|1≤j≤m}為承災體狀態變量集合，該網絡中的因果關系用條件概率表示為：P(mp_j|ei_i)表示環境輸入對事件狀態的影響程度；P(mp_j,ip_j|ei_k)表示控制輸入對事件狀態與承災體狀態的影響程度；

2)狀態—狀態子網絡用于描述狀態變量之間的因果關系，令MP為事件狀態變量集合，IP為承災體狀態變量集合,s^e為事件的觸發狀態變量，該網絡包含的因果關系用條件概率表示為：設mp_i∈MP,p(mp_j|mp_i)表示事件狀態變量之間的影響程度，p(ip_j|mp_i)表示事件狀態變量對承災體狀態變量的影響程度，p(s^e|mp_i,ip_j)表示在不同的事件狀態和承災體狀態下該突發事件是否處于發生狀態；

3)狀態—輸出子網絡包括狀態變量與輸出變量之間的因果關系。令MP為事件狀態變量集合，IP為承災體狀態變量集合，O＝{o,|1≤j≤m}為輸出變量集合，SO＝{so_j|≤j≤p}為與外部環境變量具有作用關系的響應狀態變量，LO＝{lo,|1≤k≤q}為事件損失變量集合，其中O＝SO∪LO，該網絡包含的因果關系用條件概率表示有p(o_j|mp_i)與p(o_j|ip_j)，分別表示當事件或承災體處于特定狀態時，突發事件對外部環境的影響或造成特定損失的概率；

4)影響城市安全的突發復雜事件預測的貝葉斯網絡：根據1)-3)子網絡，令G={N,E,P}為突發事件貝葉斯網絡，其中N＝I∪S∪O，(N,E)為網絡結構描述了變量之間的因果關系，變量之間的影響程度用條件概率表P表示，變量的條件概率通過專家知識直接指定或根據歷史數據進行統計得到；知道了根節點的先驗概率與其他節點的條件概率，得到所有變量的聯合概率分布，如下式所示：

p(ei_i,mp_j,ip_j,s^e,ai_k,o_j)＝