应急救援指挥系统的智能化预案模型

为解决应急预案在实施过程中难以有效执行,可操作性差的问题,提出了智能化预案模型．智能化预案是应急指挥系统的核心部分,主要功能是预案模型建立、任务及资源配置、执行方案生成、执行方案调度等．通过模型-实例的方式提高预案响应速度,利用预案抽取模型,通过实例化形成动态的执行方案,在指挥调度中执行结构化任务数据,落实预案中的资源配置,实现应急预案的智能化．重点阐述了智能化预案模型的工作原理、主要功能以及模型在应急指挥调度中的运用．最后,介绍了应急预案系统主要的技术特点和扩展性．     

基于GIS系统的可视化应急方案研究

针对应急处置过程中文本应急预案信息化程度低、缺乏灵活性等问题,从应急处置方案的角度出发,对基于GIS系统的可视化应急方案技术进行了研究,并结合应急业务需求和高斯模型、历史趋势模型等智能分析方法,设计了不同情况下可视化应急方案的实现机制。研究成果在应急指挥系统中针对特定场景进行了实际的实施应用,结果表明可视化应急方案能够满足应急指挥工作在智能化、自动化、可视化等方面的要求,能有效地提高应急工作的效率。     

基于案例推理的煤矿应急预案管理系统设计

针对文本形式的静态预案管理方式对事故发生时救援工作的指导不够精确、难以制定切实可行的救援方案的问题,设计了基于案例推理的煤矿应急预案管理系统。针对实际案例与历史案例的特征属性不匹配问题,提出差异相似度算法,该算法与案例推理中的最近相邻算法结合,能够从预案库中检索出相似度最高的历史案例,从而提高救援方案生成的效率。针对由于案例库不断增大导致查找对应预案变难的问题,给出了分级检索策略。实际应用结果表明,与传统的煤矿应急预案管理方式相比,基于案例推理的煤矿应急预案管理系统更能满足煤矿企业应急救援的及时性和针对性要求。     

用于应急指挥的知识推理技术研究

针对迫切需要为现有应急管理和指挥工作提供及时、有效的辅助决策功能的问题,深入分析应急业务流程, 从将智能技术与行业应用相结合的角度出发,对知识推理技术进行了研究,包括知识获取、知识表示、推理机制等,提 出了基于智能辅助决策的应急指挥系统。在实际项目中的应用结果表明,该方案具有行业化程度高、自适应能力强等 特点,能够满足应急指挥工作在智能化方面的要求。     

智能环灾应急决策支持技术研究

针对目前环灾应急决策系统中预案信息化程度低、动态应急能力不足的问题,文中在数字化预案的基础上,提出了一套基于案例推理(CBR)和基于规则推理(RBR)相结合的智能辅助决策机制。鉴于环灾应急事件的复杂性,许多应急处置方案都是基于过去的经验,而且应急过程中又随时有可能出现新的应急目标,文中采用了以CBR方法为主,RBR方法为辅的CR智能辅助决策方法。这种方法能更有效地实现复杂环灾应急的辅助决策需要,最后通过某化工园应急决策实例展示了文中所讨论的方法的过程。     

EFSM的组态化应急演练推理系统设计

利用计算机虚拟现实技术结合专家系统进行应急演练推理己成为化工安全演练方面的一个重要研究方向。然而传统的专家系统在面对新环境下的应急预案需要重新收集大量预案知识进行规则库的建立,缺少一定的适应性和流动性,无法满足化工企业根据新预案快速准确进行演练的要求。为了解决这一问题,本文提出了EFSM(Extended Finite State Machine)的组态化应急演练推理机制,主要设计思路为通过对基于文本的应急救援预案进行解析及可视化,利用组态化NPC(Non-Player Contro1)推理模块和基于EFSM的组态化真人推理模块分别负责处理应急演练过程中NPC的演练流程和真人角色的演练流程,形成完善的应急救援演练推理系统。最终将应急演练推理系统通过脚本的驱动,结合当前的虚拟现实三维技术进行应急救援演练仿真。     

基于本体的物流应急预案表示及应用*

为让计算机智能地处理物流应急预案,将每个物流应急预案表示为一个应急预案本体,通过计算概念和应急预案本体的相关程度,从而找到所需物流应急预案。用OWL:imports和Jena规则可连接应急预案本体,从而形成内容更全面的预案,但会破坏原有应急预案本体语义,产生不一致问题,所提出的约束原则有效避免了这一问题。应用SPARQL查询应急预案本体,并通过自定义原语和规则弥补应急预案本体在表达能力上的不足,以有效地对应急预案本体进行推理,从而找到所需结论,进而实现了基于本体的物流应急预案的表示和应用。利用本体的语义表     

基于案例推理的应急预案管理研究

将案例推理技术应用到应急预案管理系统中.研究探讨了实现预案管理系统的各个流程:预案表示、预案存储结构、预案检索、预案调整和系统学习,其中预案检索部分研究了采用层次分析法确定预案的属性权重系教的方法.     

自然灾害应急预案形式化表示技术

自然灾害应急预案描述了应急响应事件处置的领域知识,是高效应急反应的基础.当前应急预案大多以非结构化文本形式存在,不利于应急决策者快速准确地获取应急处置知识,阻碍了信息技术在自然灾害应急管理中的应用.针对这一现状,对文本应急预案内容进行分析,结合应急组织协调联动过程,提出了一种基于本体的自然灾害应急预案形式化表示方法,并通过系统实现来说明本方法的有效性.     

一种应急预案本体模型及其应用研究*

目前,应急预案是分布于多个单位的非结构化文档,缺乏统一的建模方法,造成对预案描述的领域知识进行表示和利用存在困难。为解决以上问题,提出一种基于本体的知识建模方法,对应急预案文本进行建模,并实现应急领域知识共享。根据对应急预案文本结构特征进行分析,在重用现有本体模型的基础上提出了各主要要素的本体模型,形成一种应急预案本体模型（emergency plan ontology model,EPOM）。通过利用该方法对某区域防汛应急预案进行本体知识建模,开展应用研究。应用结果表明,该方法能够有效建模应急预案描述的     

使用案例推理的协商策略研究

为解决自动信任协商过程中协商策略的效率问题,提出了一种采用基于案例推理技术的自动信任协商策略。可管理性概念的基础上,设计出可管理的协商策略,优化了协商处理能力。该策略具有较小的网络开销,较高的安全性等特点。实验结果表明该协商策略具有较高的效率。     

基于案例推理的ISP知识重用方法

针对企业信息化中信息系统规划(ISP)在较大程度上依赖先前规划经验和知识的特点,为有效支持ISP知识重用和管理创新,将案例推理技术应用于ISP知识重用的全过程,提出基于案例推理的ISP知识重用方法(HRM KGANNA),研究应用框架、案例表示、案例检索算法与重用等关键技术。通过组织案例库进行ISP知识检索实验,结果表明HRM KGANNA法具有良好的准确性和较高的效率。     

基于ANP-EM分析法的应急预案评估方法研究

针对突发事件应急预案评估问题,提出了基于网络层次-熵权分析法（ANP-EM）的应急预案评估方法,构建了基于ANP-EM的应急预案评估模型。应用网络层次分析法确定突发事件应急预案指标评估的主观权重,采用熵权法对主观指标权重进行客观修正。最后通过对铁路突发事件应急预案的评估验证了该方法的可行性、普适性与系统性。     

基于案例与规则推理的故障诊断专家系统

设计并实现基于案例的推理(CBR)与基于规则的推理(RBR)的故障旋转机械诊断专家系统。采用CBR与RBR串行方式进行推理,优先通过案例匹配方式寻求诊断结果,在不适用情况下转入通用性规则推理,并将诊断结果反馈给知识库进行优化。应用结果表明,该系统诊断结果与实际相符合,且诊断速度快、针对性强。     

面向案例消耗推理的应急物资预测

面向案例推理（Case-Based Reasoning,CBR）的应急物资需求预测中,针对老旧案例影响推理结果精确度的问题进行了研究,给出了一种基于消耗策略的案例推理的应急物资预测方法。通过粗糙集属性依赖度的计算确定了案例属性之间的权重系数;针对地震应急数据特征提出了一种消耗策略的定义,确定消耗函数、消耗参数和消耗区间参数,采用消耗策略对各案例间的相似度进行优化调整,减小老旧案例的权重,进而不同程度地削弱老旧案例对案例匹配结果的影响,再从案例库中检索到与目标案例匹配的最佳源案例,从而决策出目标案例的处理方案;通过进行地震实例分析,验证了参数调节后的案例消耗推理的预测结果精度更高。该方法在应急救援的物资预测中有一定的借鉴意义。     

浅谈基于GPS与AGPS的双重定位

由于当前世界LBS（基于位置服务）的长足发展和Android手机用户的日益增加,为使手机的定位功能更加全面,LBS作为手机用户的一项增值业务,需要把GPS（全球卫星定位系统）技术和AGPS（辅助全球卫星定位系统）技术有机的结合起来。该文通过分析当前GPS技术和AGPS技术的优势和不足,以及所造成的对整个定位系统的影响。在这两种技术相结合的基础上去实现一个全新的Android智能手机定位系统,在这个系统下,既保留着GPS定位系统的优势,又通过与AGPS技术的结合,解决了GPS技术的缺陷。该文提出的GPS技术和AGPS技术相结合对整个定位系统都有很好的参考价值。     

基于改进K-means聚类的案例检索策略

针对目前基于案例推理系统中案例检索存在的问题,根据K-means算法思想,分别设计一个案例聚类算法及案例检索算法。根据K-means算法的不足,对初值选取规则及案例检索算法进行改进。分析基于案例权重的样本案例选取规则,并论述案例聚类算法和检索算法。实验结果表明,该方法能有效提高案例检索效率及案例检索结果的召回率。     

Case Based Diagnosis and Repair of Software Faults

Software debugging (the diagnosis and repair of faults in software) can be a difficult and time consuming problem. In many cases a problem which can take an inexperienced developer a long time to correct can be quickly identified and corrected by a more experienced one. This is often because they have seen that problem (or a similar one) before. In this paper we present a system (called WATSON) which automatically constructs an explanation of the fault and a repair strategy from a library of partial repair models. This system exploits Case Based Reasoning (CBR) technology to perform this construction. The paper introduces the concepts behind CBR before going on to describe the components of the WATSON system. It then illustrates, by example, how WATSON constructs a diagnosis and repair model from the case databases.     

基于多元概率推理模型的中文书写纹识别

针对中文短文本分类问题,从集成学习的角度提出一种基于多元概率推理模型的书写纹识别方法。将初始样本集划分为等粒度、可交叉的样本子集,构造具有差异性的子空间,在各子空间上采用基于概率推理模型的基分类器训练样本,通过概率求和法融合所有基分类器的输出得到训练样本的最终识别结果。实验结果表明,该方法对于网络书写纹具有较好的识别效果,查全率、查准率和Fl度量值分别高达81．6％、85．9％和83．69％。