CN112330004B - 一种基于事件链的城市燃气泄漏突发事件推演方法及*** - Google Patents
一种基于事件链的城市燃气泄漏突发事件推演方法及*** Download PDFInfo
- Publication number
- CN112330004B CN112330004B CN202011166856.8A CN202011166856A CN112330004B CN 112330004 B CN112330004 B CN 112330004B CN 202011166856 A CN202011166856 A CN 202011166856A CN 112330004 B CN112330004 B CN 112330004B
- Authority
- CN
- China
- Prior art keywords
- model
- gas leakage
- event chain
- accident
- emergency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000013598 vector Substances 0.000 claims description 28
- 230000007704 transition Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 7
- 238000002347 injection Methods 0.000 claims description 7
- 239000007924 injection Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004880 explosion Methods 0.000 claims description 6
- 239000000969 carrier Substances 0.000 claims description 5
- 230000006378 damage Effects 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000001808 coupling effect Effects 0.000 claims description 3
- 239000011148 porous material Substances 0.000 claims description 3
- 230000001939 inductive effect Effects 0.000 claims description 2
- 239000007921 spray Substances 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 9
- 238000011161 development Methods 0.000 abstract description 5
- 230000008859 change Effects 0.000 abstract description 4
- 206010054949 Metaplasia Diseases 0.000 abstract description 3
- 230000001149 cognitive effect Effects 0.000 abstract description 3
- 230000015689 metaplastic ossification Effects 0.000 abstract description 3
- 239000000243 solution Substances 0.000 description 10
- 230000006872 improvement Effects 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Security & Cryptography (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
Abstract
一种基于事件链的城市燃气泄漏突发事件推演方法及***,属于燃气管线辅助应急决策技术领域,解决如何建立基于燃气泄漏的事件链的模型来推理预测燃气演***势;利用知识元模型储存案例库和模型库信息,从更小的认知粒度对燃气泄漏事件链进行探究,将事件视为事物***状态的变化;通过将事件和事件间关系知识元化,从本原角度揭示突发事件的演化过程,从而摆脱对以往事件链经验性的依赖;基于知识元建立了燃气泄漏事件链动态贝叶斯网络模型,该模型解决了推理过程中的不确定性,对事故原因进行诊断和事故发展演化态势进行预测推理,为事故应急决策提供理论支持和参考;依据案例库所建立燃气泄漏事件链,覆盖场景广、贴合实际情况。
Description
技术领域
本发明属于燃气管线辅助应急决策技术领域,涉及一种基于事件链的城市燃气泄漏突发事件次生衍生事件推演方法及***。
背景技术
随着城市化进程不断加剧,城市面临着越来越多的公共安全风险,给城市社会、经济的正常发展带来巨大威胁。燃气安全一直以来是城市生命线安全需要解决的首要问题,燃气安全不仅关乎企业的经济效益,还与城市居民生命安全有着密切的关系。城市燃气管线一旦发生泄漏,可能会引发喷射火、地下空间***等一系列的灾害事件,形成事件链式效应。燃气泄漏事件链影响范围广,造成的损失巨大且事件链式演***势不明确使得燃气泄漏事件链成为需要关注的重点对象。
目前针对燃气泄漏之后次生衍生事件演变预测方法一般有以下几种:在接到燃气泄漏报警后,燃气公司或其他相关部门前往现场,针对现场情况做出相应的燃气事件演***势研判。这种方法主要依据现场人员和专家的经验来判断,主观性较强且可信度并不高。此外,根据已有的事故案例来分析燃气泄漏事件的演变过程,但目前并没有足够的数据来支撑进行此项活动。因此,提前对燃气事故演变过程进行推演可以及早采取应急措施,有效避免事故发生。事件链是一种对事故演变进行推理预测的有效方法。
现有技术中,公开日期为2019年2月22日、公开号为CN109377437A的中国发明专利申请《基于事件链的城市突发事件应急推理模型》公布了一种基于事件链的城市突发事件应急推理模型,该模型建立事件容器,环境信息漏斗过滤,结合随机森林算法,推导运行机理规律,突发事件链演化规律与应急决策、效率驱动型应急决策作用下突发事件链演化规律、资源驱动型应急决策作用下突发事件链演化规律。通过上述方式,该模型能够以解决当前如自然灾害类、事故灾难类、公共卫生事件类、社会安全事件类等城市各种突发事件的变化态势,建立应急推理模型,为城市突发事件后续决策分析提供决策分析依据和参考。
但是上述发明专利申请需要改进的地方在于:未建立基于燃气泄漏的事件链来推理预测燃气演***势,因此本发明提出了相关的方法对其进行研究分析。
发明内容
本发明所要解决的技术问题在于如何建立基于燃气泄漏的事件链的模型来推理燃气泄漏演***势,预测次生衍生事件发生可能。
本发明是通过以下技术方案解决上述技术问题的:一种基于事件链的城市燃气泄漏突发事件推演方法,包括:
步骤1)收集燃气泄漏事故案例,将燃气泄漏事故案例按照“案例-情景-对象-要素-数据”五层架构进行划分并储存,从而建立燃气泄漏事故案例库;
步骤2)根据燃气泄漏事故案例库要素,提出事件链所需要的模型,分别建立突发事件、承灾载体受损、应急救援能力评估的物理或理论模型,从而建立燃气泄漏事故模型库;所述的燃气泄漏事故案例库包含模型相关代码、理论公式、示意图;
步骤3)根据案例库情景,分析事件与事件间的关系,建立事件间的规则,形成规则库;所述的规则库包含事件间关系相关计算公式;
步骤4)将燃气泄漏事故模型库与规则库采用向量数字重构,转化为数字化语言,并以知识元模型进行储存;
步骤5)基于知识元模型提供的动态贝叶斯网络的节点变量,分别建立动态贝叶斯的网络结构、条件概率表及转移概率,从而构造燃气事件链动态贝叶斯网络模型;利用燃气事件链动态贝叶斯网络模型推理,实现燃气泄漏事故的态势预测。
利用知识元模型储存案例库和模型库信息,从更小的认知粒度对燃气泄漏事件链进行探究,将事件视为事物***状态的变化;通过将事件和事件间关系知识元化,从本原角度揭示突发事件的演化过程,从而摆脱对以往事件链经验性的依赖;基于知识元建立了燃气泄漏事件链动态贝叶斯网络模型,该模型解决了推理过程中的不确定性,对事故原因进行诊断和事故发展演化态势进行预测推理,为事故应急决策提供理论支持和参考;依据案例库所建立燃气泄漏事件链,覆盖场景广、贴合实际情况。
作为本发明技术方案的进一步改进,步骤1)中所述的五层架构的作用是:归纳事件链中的关键事件节点、分析事件链事件中的耦合作用、总结燃气事件链推演所需的基础数据。
作为本发明技术方案的进一步改进,步骤2)中事件链所需要的模型包括:泄漏模型、喷射火模型、地下空间***模型等多个事件间关系相关计算模型;
作为本发明技术方案的进一步改进,步骤3)中所述的规则库中的规则按照“if-then”形式存储,具体形式如下:
If V1j1∪Vi12∩Vijk;
Then(Vmn1,P1),(Vmn2,P2);
其中,V1j1表示第1个案例库要素所用模型的第j个参数的第1个状态值;Vi12表示第i个案例库要素所用模型的第1个参数的第2个状态值;Vijk表示第i个案例库要素所用模型的第j个参数的第k个状态值;Vmn1表示第m个案例库要素所用模型的第n个参数的第1个状态值;Vmn2表示第m个案例库要素所用模型的第n个参数的第2个状态值;P1、P2分别代表Vmn1、Vmn2的概率,∪、∩分别表示并集与交集。
作为本发明技术方案的进一步改进,所述的规则库中的规则按照“if-then”形式存储泄漏、点火与喷射火的具体形式如下:
If中压泄漏∪大孔泄漏∪大气泄漏∪机械设备点火;
Then(喷射火发生,30%),(喷射火不发生,70%)。
作为本发明技术方案的进一步改进,步骤4)中所述的知识元模型以向量形式储存燃气泄漏事故模型库与规则库,所述的向量表达式为:
Vi={Vi1,Vi2,…Vin} (1)
式中:Vi表示第i个案例库要素,Vi1,Vi2,…Vin表示第i个案例库要素所用到模型中的第1,2…n个参数。
作为本发明技术方案的进一步改进,所述的向量包括泄漏向量、喷射火向量、地下空间***向量。
作为本发明技术方案的进一步改进,所述的泄漏向量表达式为:
LEAK={失效类型,泄漏方式,泄漏规模,泄漏孔,泄漏时间,泄漏量} (2)
用字母可简化表达为:
Lleak=F+D+S+L+T+R (3)
其中,F、D、S、L、T、R分别表示失效类型、泄漏方式、泄漏规模、泄漏孔、泄漏时间、泄漏量。
作为本发明技术方案的进一步改进,步骤5)中所述的燃气事件链动态贝叶斯网络模型推理包括事故原因诊断及事故态势预测;所述的事故原因诊断的公式如下:
式中,T、Xi表示节点,P(Xi=x∣T=yes)为T节点是yes状态时,Xi为x状态的概率;P(T=yes∣Xi=x)表示Xi为x状态时T节点是yes状态的概率;P(Xi=x)表示Xi为x状态的概率;P(T=yes)表示T节点是yes状态的概率;
所述的事故态势预测的公式如下:
式中,为X1节点在t时刻的状态;P(Ti)表示Ti的概率;表示X1在t时刻的某种状态时,Ti的概率;表示X1在t时刻为某种状态的概率;表示Xn在t时刻的某种状态时,Ti的概率;表示Xn在t时刻为某种状态的概率。
一种基于事件链的城市燃气泄漏突发事件推演***,包括:
案例库建立模块,用于收集燃气泄漏事故案例,将燃气泄漏事故案例按照“案例-情景-对象-要素-数据”五层架构进行划分并储存,从而建立燃气泄漏事故案例库;
模型库建立模块,用于根据燃气泄漏事故案例库要素,提出事件链所需要的模型,分别建立突发事件、承灾载体受损、应急救援能力评估的物理或理论模型,从而建立燃气泄漏致灾模型分析库;所述的燃气泄漏事故案例库包含模型相关代码、理论公式、示意图;
规则库建立模块,用于根据案例库情景,分析事件与事件间的关系,建立事件间的规则,形成规则库;所述的规则库包含事件间关系相关计算公式;
储存模块,用于将燃气泄漏事故模型库与规则库采用向量数字重构,转化为数字化语言,并以知识元模型进行储存;
推理预测模块,用于基于知识元模型提供的动态贝叶斯网络的节点变量,分别建立动态贝叶斯的网络结构、条件概率表及转移概率,从而构造燃气事件链动态贝叶斯网络模型;利用燃气事件链动态贝叶斯网络模型推理,实现燃气泄漏事故的态势预测。
本发明的优点在于:
(1)对城市燃气管线泄漏突发事件进行科学建模,探究次生衍生事件链演化的内在机理,依据案例库所建立燃气泄漏事件链,覆盖场景广、贴合实际情况。
(2)利用知识元模型储存案例库和模型库信息,从更小的认知粒度对燃气泄漏事件链进行探究,将事件视为事物***状态的变化;通过将事件和事件间关系知识元化,从本原角度揭示突发事件的演化过程,从而摆脱对以往事件链经验性的依赖。
(3)基于知识元建立了燃气泄漏事件链动态贝叶斯网络模型,该模型解决了推理过程中的不确定性,对事故原因进行诊断和事故发展演化态势进行预测推理,为事故应急决策提供理论支持和参考。
附图说明
图1是本发明实施例的燃气泄漏事件链流程示意图;
图2是本发明实施例的动态贝叶斯网络建立过程;
图3是本发明实施例的动态贝叶斯网络结构、条件概率表、转移概率;
图4是本发明实施例的燃气泄漏事件链动态贝叶斯网络模型(部分结构)。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合说明书附图以及具体的实施例对本发明的技术方案作进一步描述:
实施例一
在本发明实施例中,事件链模型建立流程如图所示,一种基于事件链的燃气泄漏次生衍生突发事件推演方法,可以研判燃气泄漏之后突发事件的演***势。首先收集燃气事故案例,将案例以五层架构进行储存;根据案例中要素,收集或建立相关物理或理论模型,建立燃气事故模型库;根据案例中情景,探究事件间的关系,建立事件间规则,形成规则库;将模型库与规则库以知识元模型进行储存;基于知识元模型,分别建立动态贝叶斯网络的结构,条件概率及转移概率,最终形成燃气事件链动态贝叶斯网络模型,利用动态贝叶斯的推理能力,实现燃气泄漏事故的态势预测,为城市燃气泄漏应急管理提供理论依据和参考。
案例库五层架构,主要是为案例的储存以及问题的检索和求解提供了一种机制,通过它将案例划分为“案例-情景-对象-要素-数据”五层架构,归纳出事件链中的关键事件节点,分析了事件链事件中的耦合作用,总结燃气事件链推演所需的基础数据。
案例为一次燃气事故发生到结束的完整描述和记录;情景指某一时间段,一定环境下,事物之间***的最小描述;对象主要指承灾载体,即可能受到威胁或破坏的客体;要素指案例中描述事件的最小单元;数据指要素内所包含及需要的数据信息。其中,案例库要素包括突发事件、承灾载体、应急管理以及环境因素。
突发事件表示作用于承载体的致灾因子及影响致灾因子的一些事件;承灾载体表示受到威胁或破坏的人群、建筑及设施;应急管理表示事故救援力量的具体情况;环境因素为灾害的自然及人文环境条件,会影响灾害的发展演化以及影响应急救援。
模型库,由案例库要素提出了事件链所需要的模型,然后建立相关的理论或物理模型构成模型库。模型库包含模型相关代码、理论公式、示意图。
规则库,规则分析事件与事件间的关系,规则库包含事件间关系相关计算公式。规则库中的规则按照“if-then”形式存储,具体形式如下:
If V1j1∪Vi12∩Vijk;
Then(Vmn1,P1),(Vmn2,P2);
其中,V1j1表示第1个案例库要素所用模型的第j个参数的第1个状态值;Vi12表示第i个案例库要素所用模型的第1个参数的第2个状态值;Vijk表示第i个案例库要素所用模型的第j个参数的第k个状态值;Vmn1表示第m个案例库要素所用模型的第n个参数的第1个状态值;Vmn2表示第m个案例库要素所用模型的第n个参数的第2个状态值;P1、P2分别代表Vmn1、Vmn2的概率,∪、∩分别表示并集与交集。
具体如泄漏、点火与喷射火的规则计算如下:If中压泄漏∪大孔泄漏∪大气泄漏∪机械设备点火;Then(喷射火发生,30%),(喷射火不发生,70%)。
知识元模型,提供了一种储存机制,知识元模型以向量形式储存模型和规则,包括泄漏向量、喷射火向量、地下空间***向量等,向量表达式为:
Vi={Vi1,Vi2,…Vin}
式中:Vi表示第i个案例库要素,Vi1,Vi2,…Vin表示第i个案例库要素所用到模型中的第1,2…n个参数。
知识元是构造知识结构的基本单元,是不可再分割的具有完备知识表达的知识单位。在研究燃气泄漏事件链时,粒度划分复杂,而知识元结构稳定,内容单一,其关系特征相对简单,因此可把复杂事件***用知识元描述。
如泄漏向量表达式为:
LEAK={失效类型,泄漏方式,泄漏规模,泄漏孔,泄漏时间,泄漏量}
若用字母可简化表达为:
Lleak=F+D+S+L+T+R
将向量数字化重构,转化为数字化语言,方便被计算机识别。将泄漏向量数字化重构,结果如表1所示。泄漏、点火、喷射火规则知识元如所示。
表1泄漏向量数字化重构
知识元位置 | 知识元类型 | 知识元名称 | 值 |
1 | 字符型 | 失效类型 | 1自然灾害;2第三方破坏;3腐蚀;4管道缺陷 |
2 | 字符型 | 泄漏方式 | 1土壤;2大气;3连通管线;4室内 |
3 | 字符型 | 泄漏规模 | 1小量;2大量 |
4 | 数值型 | 泄漏孔 | 1≤20mm;2 20mm-管道直径;3管道直径 |
5 | 数值型 | 泄漏时间 | 实际值(0-1000min) |
6 | 数值型 | 泄漏量 | 计算值(0-10t) |
表2泄漏、点火和喷射火关系知识元
动态贝叶斯网络模型建立过程如图1所示。动态贝叶斯的网络结构、条件概率表以及转移概率如图2所示。知识元模型提供动态贝叶斯网络的节点变量,建立的燃气泄漏事件链动态贝叶斯网络模型如图3所示。
所述的燃气事件链动态贝叶斯网络模型推理包括事故原因诊断及事故态势预测;所述的事故原因诊断的公式如下:
式中,T、Xi表示节点,P(Xi=x∣T=yes)为T节点是yes状态时,Xi为x状态的概率;P(T=yes∣Xi=x)表示Xi为x状态时T节点是yes状态的概率;P(Xi=x)表示Xi为x状态的概率;P(T=yes)表示T节点是yes状态的概率;
所述的事故态势预测的公式如下:
式中,为X1节点在t时刻的状态;P(Ti)表示Ti的概率;表示X1在t时刻的某种状态时,Ti的概率;表示X1在t时刻为某种状态的概率;表示Xn在t时刻的某种状态时,Ti的概率;表示Xn在t时刻为某种状态的概率。
图4为燃气泄漏事件链动态贝叶斯网络模型,动态贝叶斯网络是一种概率图形化模型,由有向无环图、条件概率表和转移概率组成,其中有向无环图中的节点表示变量,条件概率表表示节点变量间的定量关系,转移概率为与时间相关的条件概率。动态贝叶斯模型建立包括网络结构的构建、条件概率表的确定以及转移概率的确定;建立的燃气泄漏事件链动态贝叶斯网络模型利用动态贝叶斯的特性进行推理,输入初始数据,可推理事故演***势及诊断事故发生原因。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于事件链的城市燃气泄漏突发事件推演方法,其特征在于,包括:
步骤1)收集燃气泄漏事故案例,将燃气泄漏事故案例按照“案例-情景-对象-要素-数据”五层架构进行划分并储存,从而建立燃气泄漏事故案例库;
步骤2)根据燃气泄漏事故案例库要素,提出事件链所需要的模型,分别建立突发事件、承灾载体受损、应急救援能力评估的物理或理论模型,从而建立燃气泄漏事故模型库;所述的燃气泄漏事故案例库包含模型相关代码、理论公式、示意图;
步骤3)根据案例库情景,分析事件与事件间的关系,建立事件间的规则,形成规则库;所述的规则库包含事件间关系相关计算公式;
步骤4)将燃气泄漏事故模型库与规则库采用向量数字重构,转化为数字化语言,并以知识元模型进行储存;
步骤5)基于知识元模型提供的动态贝叶斯网络的节点变量,分别建立动态贝叶斯的网络结构、条件概率表及转移概率,从而构造燃气事件链动态贝叶斯网络模型;利用燃气事件链动态贝叶斯网络模型推理,实现燃气泄漏事故的态势预测。
2.根据权利要求1所述的一种基于事件链的城市燃气泄漏突发事件推演方法,其特征在于,步骤1)中所述的五层架构的作用是:归纳事件链中的关键事件节点、分析事件链事件中的耦合作用、总结燃气事件链推演所需的基础数据。
3.根据权利要求1所述的一种基于事件链的城市燃气泄漏突发事件推演方法,其特征在于,步骤2)中事件链所需要的模型包括:泄漏模型、喷射火模型、地下空间***模型。
4.根据权利要求1所述的一种基于事件链的城市燃气泄漏突发事件推演方法,其特征在于,步骤3)中所述的规则库中的规则按照“if-then”形式存储,具体形式如下:
If V1j1∪Vi12∩Vijk;
Then(Vmn1,P1),(Vmn2,P2);
其中,V1j1表示第1个案例库要素所用模型的第j个参数的第1个状态值;Vi12表示第i个案例库要素所用模型的第1个参数的第2个状态值;Vijk表示第i个案例库要素所用模型的第j个参数的第k个状态值;Vmn1表示第m个案例库要素所用模型的第n个参数的第1个状态值;Vmn2表示第m个案例库要素所用模型的第n个参数的第2个状态值;P1、P2分别代表Vmn1、Vmn2的概率,∪、∩分别表示并集与交集。
5.根据权利要求4所述的一种基于事件链的城市燃气泄漏突发事件推演方法,其特征在于,所述的规则库中的规则按照“if-then”形式存储泄漏、点火与喷射火的具体形式如下:
If中压泄漏∪大孔泄漏∪大气泄漏∪机械设备点火;
Then(喷射火发生,30%),(喷射火不发生,70%)。
6.根据权利要求1所述的一种基于事件链的城市燃气泄漏突发事件推演方法,其特征在于,步骤4)中所述的知识元模型以向量形式储存燃气泄漏事故模型库与规则库,所述的向量表达式为:
Vi={Vi1,Vi2,…Vin} (1)
式中:Vi表示第i个案例库要素,Vi1,Vi2,…Vin表示第i个案例库要素所用到模型中的第1,2…n个参数。
7.根据权利要求6所述的一种基于事件链的城市燃气泄漏突发事件推演方法,其特征在于,所述的向量包括泄漏向量、喷射火向量、地下空间***向量。
8.根据权利要求7所述的一种基于事件链的城市燃气泄漏突发事件推演方法,其特征在于,所述的泄漏向量表达式为:
LEAK={失效类型,泄漏方式,泄漏规模,泄漏孔,泄漏时间,泄漏量} (2)
用字母可简化表达为:
Lleak=F+D+S+L+T+R (3)
其中,F、D、S、L、T、R分别表示失效类型、泄漏方式、泄漏规模、泄漏孔、泄漏时间、泄漏量。
9.根据权利要求1所述的一种基于事件链的城市燃气泄漏突发事件推演方法,其特征在于,步骤5)中所述的燃气事件链动态贝叶斯网络模型推理包括事故原因诊断及事故态势预测;所述的事故原因诊断的公式如下:
式中,T、Xi表示节点,P(Xi=x∣T=yes)为T节点是yes状态时,Xi为x状态的概率;P(T=yes∣Xi=x)表示Xi为x状态时T节点是yes状态的概率;P(Xi=x)表示Xi为x状态的概率;P(T=yes)表示T节点是yes状态的概率;
所述的事故态势预测的公式如下:
10.一种基于事件链的城市燃气泄漏突发事件推演***,其特征在于,包括:
例库建立模块,用于收集燃气泄漏事故案例,将燃气泄漏事故案例按照“案例-情景-对象-要素-数据”五层架构进行划分并储存,从而建立燃气泄漏事故案例库;
模型库建立模块,用于根据燃气泄漏事故案例库要素,提出事件链所需要的模型,分别建立突发事件、承灾载体受损、应急救援能力评估的物理或理论模型,从而建立燃气泄漏事故模型库;所述的燃气泄漏事故案例库包含模型相关代码、理论公式、示意图;
规则库建立模块,用于根据案例库情景,分析事件与事件间的关系,建立事件间的规则,形成规则库;所述的规则库包含事件间关系相关计算公式;
储存模块,用于将燃气泄漏事故模型库与规则库采用向量数字重构,转化为数字化语言,并以知识元模型进行储存;
推理预测模块,用于基于知识元模型提供的动态贝叶斯网络的节点变量,分别建立动态贝叶斯的网络结构、条件概率表及转移概率,从而构造燃气事件链动态贝叶斯网络模型;利用燃气事件链动态贝叶斯网络模型推理,实现燃气泄漏事故的态势预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011166856.8A CN112330004B (zh) | 2020-10-27 | 2020-10-27 | 一种基于事件链的城市燃气泄漏突发事件推演方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011166856.8A CN112330004B (zh) | 2020-10-27 | 2020-10-27 | 一种基于事件链的城市燃气泄漏突发事件推演方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112330004A CN112330004A (zh) | 2021-02-05 |
CN112330004B true CN112330004B (zh) | 2022-02-11 |
Family
ID=74296837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011166856.8A Active CN112330004B (zh) | 2020-10-27 | 2020-10-27 | 一种基于事件链的城市燃气泄漏突发事件推演方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330004B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113076690B (zh) * | 2021-03-26 | 2024-02-20 | 上海市东方医院(同济大学附属东方医院) | 用于灾难医学救援的灾难情景推演方法 |
CN115829336B (zh) * | 2023-02-17 | 2023-06-06 | 深圳市城市公共安全技术研究院有限公司 | 燃气管线泄露的风险评估方法及装置、设备、存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921295A (zh) * | 2018-06-28 | 2018-11-30 | 中科院合肥技术创新工程院 | 一种基于知识图谱技术的突发事件应急决策模型构建方法 |
CN108984898A (zh) * | 2018-07-11 | 2018-12-11 | 北京联创众升科技有限公司 | 一种非常规突发事件的仿真建模方法及装置 |
CN109377437A (zh) * | 2018-11-21 | 2019-02-22 | 南京莱斯信息技术股份有限公司 | 基于事件链的城市突发事件应急推理模型 |
CN111798355A (zh) * | 2020-07-01 | 2020-10-20 | 北京大学 | 一种城市公共安全事件链形式化组织方法及事件链数据库 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070124186A1 (en) * | 2005-11-14 | 2007-05-31 | Lev Virine | Method of managing project uncertainties using event chains |
-
2020
- 2020-10-27 CN CN202011166856.8A patent/CN112330004B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921295A (zh) * | 2018-06-28 | 2018-11-30 | 中科院合肥技术创新工程院 | 一种基于知识图谱技术的突发事件应急决策模型构建方法 |
CN108984898A (zh) * | 2018-07-11 | 2018-12-11 | 北京联创众升科技有限公司 | 一种非常规突发事件的仿真建模方法及装置 |
CN109377437A (zh) * | 2018-11-21 | 2019-02-22 | 南京莱斯信息技术股份有限公司 | 基于事件链的城市突发事件应急推理模型 |
CN111798355A (zh) * | 2020-07-01 | 2020-10-20 | 北京大学 | 一种城市公共安全事件链形式化组织方法及事件链数据库 |
Also Published As
Publication number | Publication date |
---|---|
CN112330004A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Emergency decision-making model of environmental emergencies based on case-based reasoning method | |
Ping et al. | Estimating probability of success of escape, evacuation, and rescue (EER) on the offshore platform by integrating Bayesian Network and Fuzzy AHP | |
CN112330004B (zh) | 一种基于事件链的城市燃气泄漏突发事件推演方法及*** | |
Wu et al. | An integrated quantitative risk assessment method for urban underground utility tunnels | |
CN108062638A (zh) | 综合管廊灾害链风险评估方法 | |
CN110009541A (zh) | 公共安全事件的处理方法、装置、计算机设备和存储介质 | |
CN112215458A (zh) | 灾害分析方法和电子设备 | |
CN111223027A (zh) | 一种城市地震灾害风险评估方法及*** | |
KR102284747B1 (ko) | 재난 감시 및 대응 시스템 | |
Musharraf et al. | Incorporating individual differences in human reliability analysis: an extension to the virtual experimental technique | |
CN114819384A (zh) | 一种基于动态贝叶斯网络的天然气管道第三方破坏事故预警方法 | |
Zhang et al. | A novel resilience modeling method for community system considering natural gas leakage evolution | |
Kang et al. | Improving the emergency management of energy infrastructure using scenario construction | |
Chen et al. | An integrated EDIB model for probabilistic risk analysis of natural gas pipeline leakage accidents | |
Zhao et al. | Disaster chain scenarios evolutionary analysis and simulation based on fuzzy petri net: a case study on marine oil spill disaster | |
Mi et al. | A risk analysis method of cable fire in utility tunnel based on a Bayesian network | |
Nishino | Probabilistic analysis of the vulnerability of fire departments to ignitions following megathrust earthquakes in the Nankai Trough subduction zone, Japan | |
Wu et al. | Risk assessment of large-scale winter sports sites in the context of a natural disaster | |
Firouzi Jahantigh et al. | Analyzing the sequence and interrelations of Natech disasters in Urban areas using interpretive structural modelling (ISM) | |
Wang et al. | Modeling and performance analysis of emergency response process for hydrogen leakage and explosion accidents | |
CN108875144A (zh) | 基于本体理论的消防力量调度辅助决策支持方法及*** | |
Hai et al. | Target spectrum-based risk analysis model for utility tunnel O&M in multiple scenarios and its application | |
Zebroski | Lessons learned from man-made catastrophes | |
Li et al. | Dynamic Simulation of the Probable Propagation of a Disaster in an Engineering System Using a Scenario-Based Hybrid Network Model | |
Chang et al. | A deep belief network and case reasoning based decision model for emergency rescue |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |