灭火救援战例数字化情景矩阵推理相似度的计算方法

2016-10-20 08:27卢立红康青春
中国人民警察大学学报 2016年4期
关键词:特征向量计算方法重构

卢立红,康青春,高 见

(武警学院 a.灭火救援技术公安部重点实验室; b.政治工作系,河北 廊坊 065000)



灭火救援战例数字化情景矩阵推理相似度的计算方法

卢立红a,康青春a,高见b

(武警学院 a.灭火救援技术公安部重点实验室; b.政治工作系,河北 廊坊065000)

灭火救援战例的情景化及数字化,是灭火救援专家系统提高战例匹配利用率的基础,推理相似度算法是提升战例匹配效率的关键。在介绍灭火救援战例数字化情景矩阵构建方法的基础上,研究了基于数字化特征元素、特征向量和情景矩阵的推理相似度计算方法。旨在为灭火救援专家系统的设计和构建提供参考,进而提升灭火救援战例的匹配效率和利用率。

灭火救援;数字化战例;情景矩阵;相似度

0 引言

在灭火救援专家系统中,“推理”是实现问题求解的过程,是整个系统的核心之一,相似度的计算是推理过程的关键。相似度计算的准确与否,取决于两个至关重要的因素:一是灭火救援战例的表达方法;二是相似度的计算方法。传统的灭火救援战例是以整个案例的形式,用文字描述的方法进行表达。这种表达方法使得匹配计算过程较为复杂,工作量较大,很难从若干案例所包含的海量数据信息中,快速提取出能够与现场案例相匹配的关键要素[1],相似案例的完全匹配阈值较低,往往造成案例资源的极大浪费[2-5]。为此,课题组利用目前学术界研究较为热点的“情景-应对”的推理方法,提出了灭火救援战例数字化情景的表达方法,一方面,将战例划分为若干情景进行表达,缩小了求解单元,提高了案例的匹配度;另一方面,用数字化矩阵对情景进行表达,相比文字描述,大大提高了相似度的计算效率。

根据模糊数学的定义,相似度计算方法可分为相似系数法、距离法和主观评分法[6]。根据研究分析发现,相似系数法计算公式较为复杂,计算量较大,而主观评分法又存在较大的主观性,相比之下,采用距离法计算相似度较为便捷,而且距离法是最邻近算法的关键技术。灭火救援战例数字化情景矩阵的最大特点是,矩阵向量中的每一个元素值均为确定的数,不存在区间数(需用模糊属性计算方法)和字符属性描述,所以,直接可用确定数相似度的算法来对其进行相似度计算。因此,本文在构建灭火救援战例数字化情景矩阵的基础上,着重应用直接距离法的海明距离法公式,来计算数字化情景矩阵的相似度。

1 灭火救援战例的数字化情景矩阵

一个灭火救援战例可以分解成若干个情景,每个情景又可以抽取出若干特征向量,这些特征向量即可构成一个情景矩阵[7]。以油罐火灾为例,其某个情景矩阵可表达如下:

(1)

式中,TD为对象类特征向量;TZ为灾情类特征向量;TH为环境类特征向量;TQ为气象类特征向量;TS为水源类特征向量;TX为消防设施类特征向量;TM为灭火救援力量类特征向量;TC为技术措施类特征向量;TL为处置策略类特征向量;TJ为经验教训类特征向量。

式(1)中的每类特征向量可由10个特征元素进行具体描述。以油罐火灾为例,其对象类特征向量的每个元素可具体描述为:D1为对象类型;D2为油品类型;D3为油库容量;D4为着火罐数量;D5为邻近罐数量;D6为着火罐单罐最大容积;D7为结构形式;D8为最大着火罐储油量;D9为建造材料;D10为罐体埋设深度。则对象类特征向量(TD)即可用下式进行表示:

(2)

对式(2)中的每个特征元素进行数字化重构,赋值方法如表1所示。

表1 对象类特征向量元素数字化重构一览表

通过数字化重构,式(2)即可表达为一个数字化的特征向量。例如:2个地上式金属外浮顶原油储罐发生火灾,容积50 000 m3,满罐,邻近罐数量为6个,其他情况未知,可以将其赋值为0。根据表1,式(2)的数字表达形式为:

依照上述对象类特征向量的数字化重构过程,可将式(1)中其他9类特征向量分别进行数字化重构,即可实现该情景矩阵的数字化表达。

2 数字化特征向量相似度计算方法

2.1特征向量中单个元素相似度的计算

特征向量中的某个元素,在它的特征空间里就是一个点,同一类特征的元素会密集分布在一个区域,不同类特征的元素会远离,点与点之间的距离就反映了相应特征向量元素值之间的差异,因此,可以用距离法中的海明距离计算来自两个特征向量相同位置元素之间的相似度。

(3)

式中,Zi为第i个元素的取值范围。

以油罐火灾的对象类特征要素为例,在当前情景与历史情景(被检索情景)中,特征向量元素“结构形式”的取值情况分别为2和3,而“结构形式”的取值范围为“1~4”(见表1),则根据式(3),当前情景与历史情景中该元素的相似度rjg计算结果为:

对于布尔型数据,如表1中特征向量元素“建造材料”的取值,金属为1,非金属为0,其取值范围为“1-0=1”,则根据式(3),其相似度rjc计算结果为:

该计算结果与通用布尔型数据相似度的计算结果一致。

2.2特征向量相似度的计算

在单个元素相似度计算的基础上,即可实现整个特征向量相似度的计算。但由于当前情景中特征向量元素的非空属性(即赋值不为0)集合Q与历史情景的非空属性集合C包含的元素个数可能不尽相同,只有根据Q与C中共有(交集)的特征元素个数来计算相似度,才能够实现较为精确的匹配。例如:某特征向量X=(4,5,3,80,6,9,0),X′=(5,5,4,79,0,0,0),其共有非空属性特征元素的个数为4个,因此计算这两个特征向量相似度的时候,应仅考虑该4个元素的相似度情况。此外,特征向量相似度的计算并不是每个元素相似度的简单相加,还应结合实际情况,采取适当的权重分析法,对每个元素的权重进行分配,根据分配的权重及各元素相似度,计算所有元素的加权相似度,即获得特征向量的相似度。计算方法如下:

(4)

式中,rQ,C为Q与C的属性加权相似度,即特征向量X与X′的相似度;WQ∩C为Q与C交集的权重之和;Wi为Q与C交集中第i个元素的权重;m为Q与C交集中元素的个数;ri为当前情景数字化特征向量中某元素与历史情景数字化特征向量对应元素的相似度。

以油罐火灾对象类特征要素为例,当前情景中数字特征向量(TD0)与历史情景中数字特征向量(TD1)元素的取值情况、元素的取值范围(由表1可知)、元素的权重分配以及根据式(2)计算得到的元素相似度值如表2所示。

表2    特征向量TD0和TD1的元素取值

由表2可知,两个特征向量共有非空属性特征元素的个数为8个,即计算这两个特征向量相似度的时候,应考虑该8个元素的相似度情况。根据表2和式(4),计算特征向量TD0与TD1的相似度如下:

rTD0,TD1=(0.162×1+0.146×1+0.132×0.8

+0.103×0.875+0.095×0.8

+0.083×0.333+0.074×0.667

+0.031×1)÷(1-0.116-0.058)

=0.832 6

基于灭火救援战例数字化情景矩阵推理的相似度计算,可在特征向量相似度计算的基础上,再对每一类特征向量的权重进行赋值,然后按照式(4)的方法计算矩阵的相似度。可以比较矩阵的前几个行向量,也可以对整个矩阵的全局相似度进行比较。

3 结论

通过对灭火救援战例数字化情景矩阵的构建及推理相似度计算方法研究,得出如下结论:(1)灭火救援战例可以分解成若干个情景,每个情景都可以通过特征向量的提取和数字化重构,用一个数字化情景矩阵进行表达。(2)数字化情景矩阵相对于文字描述的情景片段或整个战例相似度的求解计算,过程简单,匹配效率高。

[1] KANG Qingchun, LU Lihong, PAN Libiao, et al. Research on Reasoning Model of Firefighting and Rescue Cases[J]. WAIM 2014, LNCS 8597,2014:56-64.

[2] 吴广谋,赵伟川,江亿平.城市重特大事故情景再现与态势推演决策模型研究[J].东南大学学报(哲学社会科学版),2011,13(1):18-23.

[3] 房文娟,李绍稳,袁媛,等.基于案例推理技术的研究与应用[J].农业网络信息,2005(1):13-17.

[4] 刘铁民.应急预案重大突发事件情景构建[J].中国安全生产科学技术,2012,8(4):5-12.

[5] 张辉,刘奕.基于“情景-应对”的国家应急平台体系基础科学问题与集成平台[J].系统工程理论与实践,2012,32(5):947-953.

[6] 李鸿吉.模糊数学基础及使用算法[M].北京:科学出版社,2005.

[7] LU Lihong, KANG Qingchun, YANG Shaofang, et al. Structured and Quantitative Research on Scenario of Firefighting and Rescue Cases[J]. WAIM 2014, LNCS 8597,2014:98-105.

(责任编辑、校对陈华)

Calculation Method of Reasoning Similarity Based on the Digital Scenario Matrix of Firefighting Cases

LU Lihonga, KANG Qingchuna, GAO Jianb

(a.MinistryofPublicSecurityKeyLaboratryofFireFightingandRescuingTechnology;b.DepartmentofPoliticalWork,TheArmedPoliceAcademy,Langfang,HebeiProvince065000,China)

The construction of the digital scenario matrix is the foundation to improve the matching utilization rate in the firefighting rescue expert system. And the calculation method of reasoning similarity is the key to improve the matching efficiency of firefighting cases. The construcion method of digital scenario matrix was introduced in this paper firstly. And then, the calculation method based on the digital characteristic element, the eigenector and the scenario matrix of reasoning similarity was studied. It’s expected to give some advices to the design and the construction of firefighting rescue expert system and to futher enhance the matching efficiency and the utilization rate of the firefighting cases.

firefighting rescue; digital cases; scenario matrix; similarity

2016-01-22

国家自然科学基金重大研究计划项目(91024030)

卢立红(1974—),女,吉林四平人,副教授; 康青春(1961—),男,山东招远人,教授; 高见(1983—),男,新疆乌鲁木齐人。

●灭火救援技术

D631.6

A

1008-2077(2016)04-0027-04

猜你喜欢
特征向量计算方法重构
二年制职教本科线性代数课程的几何化教学设计——以特征值和特征向量为例
浮力计算方法汇集
视频压缩感知采样率自适应的帧间片匹配重构
克罗内克积的特征向量
长城叙事的重构
极限的计算方法研究
高盐肥胖心肌重构防治有新策略
一类三阶矩阵特征向量的特殊求法
北京的重构与再造
EXCEL表格计算判断矩阵近似特征向量在AHP法检验上的应用