非常规突发事件演化分析的知识元模型集成

非常规突发事件演化分析的知识元模型集成

0模型集成方法所谓频繁突发事件，是指预测值不足，表现出明显的复杂性和潜在的生态效益，并造成严重破坏。如果采用传统的管理方法，很难处理。应急管理的重点是预测事件和反应控制。当前,频发的突发事件对人类社会造成了重大的人员伤亡和社会财产损失,建立一套完善的应急管理体系成为一个亟待解决的问题,分析、认知突发事件的演化过程是建立完善的应急管理系统的基础。非常规突发事件通常包含致灾因子、承灾体、孕灾环境及其相互作用形式等多种核心要素。从事件内部来看,正是由于这些基本要素状态的渐变,以及要素之间的互动,使得要素状态不断随时间演化到达临界值,表现为事件的发生。由于非常规突发事件种类繁多,为支撑不同事件的演化分析,需要各专业领域的各种模型,因此,需要一套完善的模型集成方法,为研究非常规突发事件的演化过程提供有力支撑。目前,对模型集成的研究主要集中在模型表达、集成方式和集成建模环境三个方面。模型集成通常分为深度集成(deepintegration)和功能集成(functionalintegration),其中深度集成是指合并两个及以上的模型以建立一个新模型;功能集成并不产生新的模型,它指的是求解过程的连接和功能的组合。现有研究大多集中在模型的功能集成上,Holocher等人提出的MI-DA方法使用模型参数的数据结构表示模型,具有面向机器的语义,一定程度上支持模型的自动集成。Chari等人使用数据库键名表示模型参数的KVS方法,具备一定的智能程度和扩展性。ByungKwon将决策支持模块封装为Web服务来集成模型的方法,将模型表示问题转化为服务表示问题,具有较高的扩展性。谢勇、王红卫将模型看成不同层次的知识处理过程,提出了一种基于逆向推理策略的模型集成方法,用黑板框架模型实现了模型、数据和知识的综合集成。蔡树彬、明仲等提出了一种基于本体的程序———逻辑混合(Program-LogicMixedPLM)模型表示法,使用本体描述模型参数的语义,并基于参数的语义匹配,设计出一套模型集成策略。以上研究为模型的功能集成提供了很好的研究思路,但是由于以下问题,这些方法均不能很好的适用于非常规突发事件的演化过程分析中。第一,现有的模型集成方法主要是为了解决较大粒度、宏观层次的决策问题,一般采用问题导向的推理方法。非常规突发事件演化过程的模型集成不是要解决某种具体问题,而是采用模型描述事件基本要素的状态的变化,进而研究事件的演化机理。第二,时空属性是任何事物的本质属性,事件内部各要素自身、不同要素之间,其状态的变化都必须满足基本的时空约束,这就需要在集成方法中提供合理的时空调度引擎,现有集成方法很少提供这一支持。针对这些问题,本文拟从突发事件基本要素这一微观层次出发,通过分析模型在演化过程所处的位置,从模型表示、模型实例化以及时空约束下的动态集成方法三个方面,研究适用于非常规突发事件演化过程分析的模型集成方法,为解决这一科学问题进行有益的尝试。1加大执行的知识表示模型为从非常规突发事件基本要素的状态变化这一层次研究演化过程的模型集成方法,首先需要对事件系统基本要素及其相互关系有清晰的认识,即建立非常规突发事件系统的知识表示模型。大连理工大学王延章教授提出了模型知识元的概念,并给出其形式化表示,本节借鉴其基本思想,给出面向非常规突发事件演化分析的知识元表示模型和知识元网络模型。在此基础上,提出适用于突发事件演化分析的模型表示方法,为模型集成提供基础支撑。1.1构建知识元网络非常规突发事件通常包含致灾因子、承灾体、孕灾环境及其相互作用形式等多种核心要素,为从微观层面表示这些基本要素及其相互作用机理,通过事物的可分性细分知识到基本单元,建立共性知识元模型,并以此分层分类建立非常规突发事件系统的知识元体系;依据事物普遍联系的哲学原理构建知识元网络,实现非常规突发事件客观系统的个体要素运动行为及其综合联系,从而提供非常规突发事件发生、演化、发展、转化等全过程的总体描述方法。a.对象知识元。设事物对象的集合为O,对于一个具体的事物o(o∈O),其对应的共性知识元可表示为如下一个三元组其中No为对应事物的概念及属性名称集;Ao表示它对应的属性状态集;Ro表示Ao×Ao上的映射关系集,描述属性状态变化及相互作用关系。b.属性知识元。设事物属性a∈Ao(o∈O),则属性对应的知识元为其中pa为可测特征描述,当属性可测时da为测度量纲;fa可能为一时变函数,有at=fa(at-1,t),其中at为t时刻的属性状态值。c.关系知识元。设属性状态关系r∈Ro(o∈O),则关系对应的知识元其中pr描述r具有的映射属性,ArI为r的输入属性状态集,ArO为r的输出属性状态集,fr为映射函数ArO=fr(AIr)。1.2基于知识元网络的事件要素细化知识元间从领域特征和机理上可形成知识元网络。构建面向非常规突发事件演化分析的知识元网络模型,可从更加微观的视角刻画非常规突发事件的演化特性,同时为模型动态集成提供结构上的支持。按照对事件要素细分程度的不同,知识元网络会有不同的表示方式。设知识元网络为N,从对象知识元维度刻画知识元网络,网络模型可作如下表示:其中P为网络节点集,即对象知识元集;E为网络边集,即知识元关系集。P中任意节点pm对应某一对象知识元om,E中任意边en表示任意两点oi、oj间关系。对事件要素进一步细分,从属性知识元这一更微观维度刻画知识元网络,网络模型可作如下表示:其中A为网络节点集,即知识元属性集;R为网络边集,即属性关系集。Rinner为内部属性关系集,Routter为知识元间关系集,n为网络中节点个数,Ai表示对象知识元oi的属性集。1.3模型的集成表示式(5)中网络边集R可以是定性描述、具体的定量化模型以及其它可用的知识,结合本文研究主题,本文只研究用定量化模型来描述的关系。由式(3)可知,Kr的表示方法与通常意义下模型表示具有天然的同构关系,因此,将关系知识元表示为模型是很自然的。非常规突发事件的应急管理需要集成多学科、多领域、多专业的知识(模型是知识的一种),为提供一种方便集成各类模型的模型表示与管理方法,本小节依“欲集成,先分解”的辩证理念,将模型表示为相对分立、又有机联系的要素,并与属性知识元结合起来,实现知识与模型的统一化集成表示。具体方式如图1所示。1.3.1算子2.参数推荐和生成算子根据定义,形式模型由元数据、算子列表和特殊变量构成。其中算子列表由算子组成,算子由参数列表和方法组成。参数列表是该算子与其他算子的消息接口,包括输入、输出列表。输入、输出列表都由参数定义组成,参数定义包括参数名、参数类型、参数约束和参数描述。特殊变量用来存储诸如模型经验参数、不同方法间共有变量等。1.3.2数据保持系统的基本组织实体模型由元数据、数据列表、映射列表和相应的形式模型组成。其中数据列表由数据组成,数据包括数据名、数据类型、数据值和数据描述。映射列表由映射组成,描述数据与形式模型参数映射关系,映射包括数据名和参数名。1.3.3模型paearter-条形式模型实例化的过程核心在于确定形式模型参数列表和数据列表映射关系(映射列表mappinglist)。形式模型与知识元网络中的关系知识元有同构性,根据这一特性可建立形式模型参数列表与知识元属性集的映射;同时,数据集本质上是非常规突发事件客观系统的知识元属性集的数值表示。因此,模型实例化应以知识元为基础,建立数据集D(实体模型data-list)、知识元属性集A和形式模型参数集Par(形式模型parameter-list)之间映射关系,其概要表示如图2所示。给定形式模型参数集Par,输入参数列表为ParI,输出参数列表为ParO,则有文献将突发事件要素归纳为致灾因子、孕灾环境和承灾体,按照这一分类可将知识元属性集分为输入属性集、状态属性集和输出属性集,则有形式模型被用来表示知识元属性间关系。由式(7)(8)对不同关系的描述可知,在知识元网络中与形式模型输入、输出参数集相关联的知识元属性集可以是某一个对象知识元的属性集,也可以是若干对象知识元属性集子集的并集。给定数据集D,DI为输入数据集,DO为输出数据集,则有以AI∪AS为中介建立DI到ParI的映射,以AO为中介建立DO到ParO的映射,则数据集D与属性集A间可建立如下映射关系:其中,n表示需建立映射的数据、属性对个数。当ai∈AI∪AS∧dj∈DI时,fDA(ai,dj)表示输入数据集和知识元输入属性或状态属性的映射;当ai∈AO∧dj∈DO时,fDA(ai,dj)表示输出数据集和知识元输出属性的映射。属性集A和参数集Par间可建立如下映射关系:其中,n表示需建立映射的属性、参数对个数。当ai∈AI∪AS∧pk∈ParI时,fAP(ai,pk)表示模型输入参数集和知识元输入属性或状态属性的映射;当ai∈AO∧pk∈ParO时,fAP(ai,pk)表示模型输出参数集和知识元输出属性的映射。2实体网络模型模型生成时空属性是任何事物的本质属性,事物之间的相互作用必须满足时空条件的约束,如某市A区某处易燃物起火一般不会引起B区某处一个储油罐温度变化,而在2008年南方冰雪灾害所引起的一系列连锁事件中,各事件的发生是按照一定时间顺序的。对具体事件的演化分析需将1.2节给出的知识元网络模型实例化为相应的实体网络,实体网络的节点为具体实体,即实例化知识元,边为描述相应关系的定量模型,其表示方式及实例化方法如1.3节所示。为有效模拟突发事件演化过程,实体网络的演化需要遵循实体属性自身及其相互关系的时空约束,描述边集的模型集合需要在时空引擎的调度下有序执行。时空约束下的动态模型集成方法主要解决以下三个问题:第一,可计算模型集合的动态获取;第二,利用时间调度引擎对可计算模型集合排序,使得模型执行顺序符合客观世界的时间约束;第三,将可计算模型交由空间引擎调度,使得事件的演化符合空间约束。2.1mcomp价值计算机软件1.若网络状态用S表示,则有其中A表示实体网络中属性集合,D表示属性集合对应的数据集合,即属性值集。用Δt表示网络演化的时钟周期,则有其中n表示周期总数,ti表示第i周期初始时刻,第i周期初始时刻等于第i-1周期结束时刻。若用ST=ti表示ti时刻网络状态,则对一个周期内网络状态的变化B可作如下表示:以周期ti为例,设ST=ti为实体网络在该周期初始状态,整个网络的模型集合为M,可计算模型集合获取过程可用下述算法1表示。算法1可计算模型集合动态获取方法。该算法具体描述如下:a.根据X状态值获取当前可计算模型集合Mcomputable和剩余模型集合Mrest。对任意m∈M,如果AmI∈X,则m∈Mcomputable;否则m∈Mrest。b.在Mcomputable中任一可计算模型m运算完成后,网络状态的变化B保存运算结果,整个网络的状态更新为ST=ti∪B。此时,在剩余模型集合中以更新后的网络状态查找可计算模型,并将新获得的可计算模型放至可计算模型集合队尾。c.重复步骤b,直到Mcomputable中所有模型都完成计算,结束本周期演化。从上述步骤可以看出,可计算模型集合不是静态不变的,而是随着网络的演化,不断动态加入新的可计算模型。2.2时间调度引擎实例化网络随着可计算模型的运算持续演化,而可计算模型集自身是无序集合,若缺少有效的排序,网络的演化将会呈现随机、无序的特点,不符合事件演化的自然规律。设在网络中有属性ai通过关系模型mp输出属性aj,属性aj通过关系模型mq输出属性ak,属性ai、aj、ak间形成依赖关系,模型mp应在mq计算完成后以更新的aj值为输入开始计算。这种依赖关系在网络中是普遍存在的,时钟引擎的作用,即是对可计算模型集排序,确保这种依赖关系以正确的时间顺序执行。时间调度引擎采用“先分层、再排序”策略将模型集合Mcomputable输出为有序可计算模型队列Q。首先依据模型输入、输出依赖关系对模型集合分层,其中每一层均为一个可计算模型子集合L,对第i层Li可如下表示:其中,n表示层次个数,值为层次个数减1,AmI、AmO表示模型对应的输入\输出属性集,ALiO-1表示第i-1层模型输出属性集,L0为初始可计算模型集Minit,根据实体网络初始状态确定。时间调度引擎通过分层策略使得模型集合层间有序,但同层间模型子集仍然无序。通常情况下,事物状态发生变化的顺序是由内而外的,即总是先由内部因素开始变化,累积至临界值时才会引发其他事物状态的变化。遵循这一规律,采用上文1.2节中对知识元关系的分类标准,对同层模型子集排序,得到有序可计算模型队列Q。算法2同层模型子集排序算法。该算法具体描述如下:算法2中Li.firstIndex、Li.lastIndex分别表示层Li的首、尾元素,swap(mp、mq)函数的作用是交换两个模型在该层的位置,使得表示内部属性关系的模型在队列中排在表示知识元间关系的模型之前。设实体网络中可计算模型集合Mcomputable={m1,m2,m3,m4,m5}构成如图3a所示模型网络,初始可计算模型集Minit={m1,m2}。按上述定义对模型集合分层后层次依赖关系如图3b表示。设m4为内部属性关系,m5为知识元间关系,则在最终有序可计算模型队列中,m4先于m5计算。经由引擎排序,Mcomputable最终形成如图3c所示有序队列Q。2.3实体空间调度引擎定义3空间调度引擎。空间调度引擎作为模型动态集成方法的另一关键构件,基于实体的空间关系判定实体间关系模型是否被触发。暴雨可以冲散松散堆积物,但是A市的暴雨不会冲散B市某处的松散堆积物。实体间的关系模型只有在满足一定空间约束时才会被触发。为遵循事件演化的空间约束,本文借鉴AOP(AspectOrientedProgramming)思想,将实体空间关系判别方法以拦截器(Intercepter)的方式植入有序可计算模型队列,用于在演化过程中判定实体属性间关系模型是否被触发。这一过程如图4所示。空间调度引擎的核心是实体空间关系判别方法。依空间信息科学相关理论,实体可抽象为空间点、线、面(对象知识元的几何表征),其位置关系如图5所示。算法3实体空间位置判别方法。实体空间位置判别方法内置了对图5中各种空间关系的支持,该算法具体描述如下:算法3在可计算模型出队运算前将其拦截,从模型携带数据中取出输入、输出实体当前位置属性值,调用函数spatialRelations(locationp,locationq)计算实体空间关系,仅当输入、输出实体空间关系属于集合{邻接,相交,包含,重合},才会调用函数execute(m)进入运算,进而更新网络中相应属性的值。3模拟实验本节以泥石流冲击储油罐事件为例,阐述泥石流灾害演化过程中的模型集成方法,从而论证前文给出的理论与方法的科学性和有效性。3.1泥石流灾害关系元模型a.泥石流灾害知识元网络。本例泥石流灾害系统所涉及的知识元包括泥石流沟、泥石流及储油罐。进一步对泥石流灾害进行案例分析,抽取出对象知识元及其所包含的属性知识元及关系知识元,最终形成如图6所示知识元网络。b.泥石流灾害关系模型。根据文献所提供的泥石流危险范围预测模型和文献提供的泥石流整体冲压力计算方法,同时简化泥石流运动过程,假设泥石流在危险范围内做匀减速直线运动,整理出如表1所示关系知识元模型。c.试验初始数据。为简化论述,本例泥石流灾害系统仅给出一条泥石流沟和两个储罐。除相对位置外各项数据均取自小江流域补味沟的真实数据。各实体初始数据分别如表2、表3、表4所示。3.2可计算模型的完成问题以网络中模型集合M在第一周期执行情况为例展示演化过程。设定演化周期为5秒,4个实体的初始数据构成网络初始状态,以泥石流沟实体作为始点开始演化。由前述分析可知当前可计算模型集合Mcomputable={m1,m2,m3,m5},剩余模型集合为Mrest={m4,m6,m7,m8,m9,m10}。经观察,按照时空调度引擎约束,网络中模型执行过程如图7所示。图7反映了从T=0s至T=5s模型执行情况,图中黑色部分表示模型满足时空引擎,被触发;灰色表示模型不满足空间引擎,未触发;白色表示模型尚未经引擎计算。从图中可看出,模型m1、m2、m5完成计算后没有激发其他模型成为新的可计算模型,而模型m3完成计算使得模型m4成为可计算模型增至队尾,图中模型执行队列的变化反映了可计算模型集动态增加的过程。以图中某列模型队列为例说明时钟引擎排序过程,当可计算模型集合Mcomputable={m1,m2,m3,m4,m5,m6,m7}时,模型队列Q按依赖关系可分层为Q={{m1,m2,m3,m5},{m4},{m6,m7}},对每一层按照关系类型进一步排序,最终得到上图中模型有序队列Q={m5,m1,m2,m3,m4,m6,m7}。有序队列中模型执行前需经空间引擎判断,本周期内可计算模型m9未进入运算,原因是本周期泥石流实体尚未到达两个储罐中任意一个所在位置,不满足空间引擎的判断,因此该模型表示的关系未被触发。演化过程的模拟实验结果如图8所示。由实验结果可知,泥石流实体参与演化过程的所有周期,且实时流速、位移、历时、中心经度等属性随周期演化时变。1号储罐实体演化数据在第十周期插入新纪录,表明该实体在本周期被激活,参与演化。2号储罐实体演化数据只有初始状态纪录,表明该实体在整个演化过程中未被激活,一直保持初始状态。网络中另一实体泥石流沟,因只考虑其在网络中对其他实体的输入作用,自身属性状态不会变化,所以未在此列出。进一步分析数据可知,在第十周期,泥石流实体位移为798.11米,到达1号储罐所在位置,对1号储罐造成冲击力大小超过其自身抗冲压强度,1号储罐受损状态由0变为1,最终受损状态为“泄露”;在第二十五周期,泥石流实体实时流速首次达到负值,为-0