面向事件感知的應(yīng)急臨機決策引擎研究.pdf

1、應(yīng)急決策是政府工作的重要內(nèi)容,將與突發(fā)事件相關(guān)的信息和事件處置相關(guān)的經(jīng)驗知識及時提供給決策者,是達成正確、高效事件處置的關(guān)鍵。傳統(tǒng)決策引擎大多基于“硬”計算,滿足確定性決策需要,但是,針對突發(fā)事件的應(yīng)急臨機決策本身是一類具有不確定性的決策,且決策相關(guān)信息繁雜、異構(gòu),具有不完備、多粒度等特點,使得傳統(tǒng)決策方法在處理這類問題時面臨困難。解決這一問題,需要決策引擎能夠表示不確定性知識,并能針對突發(fā)事件的不確定情景推薦信息。目前,針對應(yīng)急臨機決

2、策的研究還處于探索階段,還沒有成熟的理論和技術(shù)。
　　 本文圍繞應(yīng)急臨機決策過程中面臨的不確定環(huán)境下的信息支持問題展開了深入的研究,重點關(guān)注應(yīng)急知識表示和應(yīng)急決策方法這兩個關(guān)鍵問題,主要完成如下方面工作:
　　 1、擴展經(jīng)典描述邏輯,提出了粗糙描述邏輯Rough-SHOIN,作為應(yīng)急臨機決策知識表示基礎(chǔ)。將粗糙相似關(guān)系引入描述邏輯,定義概念的粗糙上近似和下近似,擴展描述邏輯對于不確定概念,特別是不完備概念的表達能力。同時

3、,在Rough-SHOIN語義中,引入概念解釋的上下文環(huán)境,為概念在不同上下文環(huán)境中給出不同的語義描述,實現(xiàn)多粒度表達。針對應(yīng)急臨機決策地理空間知識表示的需要,對 Rough-SHOIN的具體域進行擴展,給出了空間粗糙描述邏輯Rough-SHOIN(S)。擴展空間拓撲關(guān)系,將 RCC-8在粗糙區(qū)域中重新定義,同時在空間拓撲關(guān)系中引入高度關(guān)系,可達關(guān)系等,增強Rough-SHOIN(S)對于空間關(guān)系的表達能力；給出空間方位關(guān)系,擴展Rou

4、gh-SHOIN(S)對于空間對象在方位關(guān)系上的表示和推理。
　　 2、以 Rough-SHOIN為基礎(chǔ),設(shè)計了 ROWL語言,擴展 OWL對于應(yīng)急臨機決策粗糙知識本體的表達能力。在此基礎(chǔ)上,構(gòu)建了應(yīng)急臨機決策知識本體EDOM,建立應(yīng)急臨機決策知識體系。EDOM包括上層本體和應(yīng)用層本體。以ABC本體為基礎(chǔ)擴展形成 eABC作為上層本體,應(yīng)用層本體則從應(yīng)急主體、客體、發(fā)展過程、救援過程等方面建立應(yīng)急臨機決策概念、關(guān)系、函數(shù)、公理和

5、實例的五元組。
　　 3、在應(yīng)急知識表達的基礎(chǔ)上,提出了面向事件感知的臨機決策模型(EADM)。EADM基于邏輯表達,建立事件感知形式化模型,設(shè)計情景匹配 OSMA算法；給出基于本體的決策知識獲取模型,發(fā)現(xiàn)和整合異構(gòu)信息；設(shè)計決策信息推薦模型,將感知獲取的事件信息作為輸入條件,計算當(dāng)前事件與歷史案例的概貌相似度與過程相似度,然后針對不同的用戶角色對案例效用進行評分,實現(xiàn)針對不同用戶提供不同粒度的案例信息。實驗證明,利用情景匹配與