本文關(guān)鍵詞：面向突發(fā)危機(jī)事件的范例推理研究

  更多相關(guān)文章： 突發(fā)危機(jī)事件 應(yīng)急決策 范例推理 粗糙集 防汛

【摘要】： 當(dāng)前,各種突發(fā)公共事件頻繁發(fā)生,每年由此造成巨大的損失和惡劣的影響。但與此同時(shí),對(duì)應(yīng)各種突發(fā)危機(jī)事件的應(yīng)急決策能力和基礎(chǔ)還比較薄弱。因此,對(duì)各種突發(fā)危機(jī)事件的監(jiān)測(cè)、預(yù)報(bào)、識(shí)別、控制、預(yù)案制定,事件發(fā)生時(shí)的快速響應(yīng)、決策,以及相關(guān)的計(jì)算機(jī)決策支持系統(tǒng),就成為研究的熱點(diǎn)。 應(yīng)付危機(jī)事件,需要進(jìn)行迅速、正確的判斷,制定合理的對(duì)策。危機(jī)事件及其引發(fā)的問(wèn)題屬于結(jié)構(gòu)不良或非結(jié)構(gòu)化問(wèn)題,與一般事件相比,危機(jī)事件具有突發(fā)性、嚴(yán)重性和緊迫性的特征。因此,面向突發(fā)危機(jī)事件的應(yīng)急決策也相應(yīng)地區(qū)別于一般決策問(wèn)題,具有如下特征:(1)決策信息水平低;(2)有效決策時(shí)限短且嚴(yán)格;(3)危機(jī)系統(tǒng)處于動(dòng)態(tài)演化過(guò)程中;(4)決策主體有限理性。而應(yīng)急決策對(duì)決策者素質(zhì)能力要求高,決策責(zé)任重大,采用群決策支持系統(tǒng)對(duì)應(yīng)急決策提供輔助支持是可行且必要的。 本文在對(duì)突發(fā)危機(jī)及應(yīng)急決策特性進(jìn)行深入研究的基礎(chǔ)上,分析了目前流行的基于預(yù)案的應(yīng)急決策方法及其局限性,據(jù)此提出了一種基于范例推理的迭代式應(yīng)急決策過(guò)程模型�；诜独评�(CBR)是人工智能領(lǐng)域中一種重要的基于知識(shí)的問(wèn)題求解和學(xué)習(xí)方法。將CBR方法應(yīng)用到應(yīng)急決策過(guò)程中,能充分利用應(yīng)急決策經(jīng)驗(yàn);而迭代方法滿(mǎn)足了危機(jī)事件的動(dòng)態(tài)演化特征,實(shí)現(xiàn)了應(yīng)對(duì)式的應(yīng)急決策。因此,該決策過(guò)程模型降低了決策的盲目性,有助于提高應(yīng)急決策的效果和效率。 本文詳細(xì)闡述了面向應(yīng)急決策的范例推理的實(shí)現(xiàn)過(guò)程及相應(yīng)的算法。首先提出了危機(jī)范例的形式化表示框架;給出了基于經(jīng)典粗糙集和相似粗糙集技術(shù)的范例檢索方法,包括范例屬性約簡(jiǎn)、加權(quán)和相似度度量等的具體算法;然后,在借鑒數(shù)據(jù)挖掘聚類(lèi)技術(shù)的基礎(chǔ)上,本文提出了相應(yīng)的范例庫(kù)維護(hù)方法。最后,以防汛應(yīng)急決策支持系統(tǒng)為例,演示介紹了本文所提出的決策過(guò)程模型和相關(guān)算法技術(shù)在實(shí)際中的應(yīng)用。
【關(guān)鍵詞】：突發(fā)危機(jī)事件 應(yīng)急決策 范例推理 粗糙集 防汛
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2007
【分類(lèi)號(hào)】：C934
【目錄】：

• 摘要2-4
• ABSTRACT4-9
• 第一章 緒論9-18
• 1.1 研究背景9-10
• 1.1.1 突發(fā)公共危機(jī)損失巨大9
• 1.1.2 正處于突發(fā)公共事件高發(fā)期9-10
• 1.1.3 現(xiàn)有應(yīng)急響應(yīng)工作基礎(chǔ)薄弱10
• 1.2 突發(fā)危機(jī)與危機(jī)管理10-12
• 1.2.1 危機(jī)事件的異常因素10-11
• 1.2.2 危機(jī)事件描述信息11
• 1.2.3 突發(fā)危機(jī)事件的分類(lèi)11-12
• 1.3 應(yīng)急決策方法研究綜述12-14
• 1.3.1 決策過(guò)程模型13
• 1.3.2 決策行為模式13-14
• 1.4 研究意義14-15
• 1.5 研究?jī)?nèi)容15-16
• 1.6 論文結(jié)構(gòu)16-18
• 第二章 面向突發(fā)危機(jī)事件的應(yīng)急決策18-28
• 2.1 應(yīng)急決策原理18-20
• 2.1.1 應(yīng)急決策的含義18-19
• 2.1.2 應(yīng)急決策的一般過(guò)程19-20
• 2.2 應(yīng)急決策特征分析20-24
• 2.2.1 決策信息水平低21
• 2.2.2 有效決策時(shí)限短21
• 2.2.3 危機(jī)事態(tài)動(dòng)態(tài)演化21-22
• 2.2.4 應(yīng)急決策主體的有限理性22-23
• 2.2.5 應(yīng)急群決策支持系統(tǒng)23-24
• 2.3 應(yīng)急決策方法24-28
• 2.3.1 基于應(yīng)急預(yù)案的決策模型24-25
• 2.3.2 預(yù)案方法的局限性25-28
• 第三章 基于范例推理的應(yīng)急決策模型28-39
• 3.1 基于范例推理概述28
• 3.2 基于范例推理的關(guān)鍵技術(shù)28-33
• 3.2.1 范例表示29-31
• 3.2.2 范例檢索31-32
• 3.2.3 范例修正與保存32
• 3.2.4 范例庫(kù)維護(hù)32-33
• 3.3 基于范例推理的應(yīng)急決策過(guò)程模型33-38
• 3.3.1 基于有限信息的范例檢索34-35
• 3.3.2 問(wèn)題模式差異分析35
• 3.3.3 危機(jī)事態(tài)發(fā)展預(yù)測(cè)35-36
• 3.3.4 討論生成可行方案36
• 3.3.5 確定備選方案集36-37
• 3.3.6 進(jìn)行應(yīng)急群決策選擇行動(dòng)方案37
• 3.3.7 危機(jī)事件的隨機(jī)序貫決策37-38
• 3.4 應(yīng)急群決策支持系統(tǒng)的主要功能38-39
• 第四章 粗糙集在范例推理中的應(yīng)用39-49
• 4.1 粗糙集理論39-43
• 4.1.1 基本概念39-41
• 4.1.2 屬性約簡(jiǎn)41-43
• 4.1.2.1 屬性約簡(jiǎn)算法42
• 4.1.2.2 相對(duì)約簡(jiǎn)算法42-43
• 4.1.3 粗糙集的應(yīng)用43
• 4.2 相似粗糙集43-47
• 4.2.1 相似關(guān)系44-45
• 4.2.2 粗糙集和相似關(guān)系45-46
• 4.2.3 基于相似粗糙集的知識(shí)學(xué)習(xí)46-47
• 4.3 粗糙集在范例推理中的應(yīng)用研究47-49
• 4.3.1 屬性約簡(jiǎn)47-48
• 4.3.2 范例表示和范例庫(kù)構(gòu)建48
• 4.3.3 范例庫(kù)維護(hù)48-49
• 第五章 應(yīng)急決策范例推理過(guò)程的實(shí)現(xiàn)49-65
• 5.1 范例表示和組織49-50
• 5.2 范例屬性約簡(jiǎn)50-52
• 5.3 范例檢索52-63
• 5.3.1 范例相似度度量算法52-53
• 5.3.2 屬性約簡(jiǎn)算法53-55
• 5.3.3 屬性相似度度量算法55-59
• 5.3.4 屬性加權(quán)算法59-63
• 5.4 范例庫(kù)的維護(hù)63-65
• 第六章 應(yīng)急決策范例推理過(guò)程示例65-74
• 6.1 防汛指揮信息系統(tǒng)的基本結(jié)構(gòu)65-66
• 6.2 防汛范例庫(kù)的構(gòu)建66-68
• 6.3 應(yīng)急決策范例推理過(guò)程演示68-74
• 6.3.1 范例屬性相似度度量69-70
• 6.3.2 范例屬性約簡(jiǎn)和加權(quán)70-71
• 6.3.3 范例檢索71-74
• 第七章 結(jié)論和展望74-76
• 7.1 主要結(jié)論74
• 7.2 研究展望74-76
• 參考文獻(xiàn)76-80
• 附錄80-83
• 致謝83-84
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文84-85
• 上海交通大學(xué)學(xué)位論文答辯決議書(shū)85-87

【引證文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 胡靜文;趙繼娣;;突發(fā)危機(jī)事件本體知識(shí)庫(kù)構(gòu)建方法研究[J];圖書(shū)館學(xué)研究;2012年04期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 王丹丹;企業(yè)危機(jī)預(yù)警評(píng)價(jià)模型研究[D];河北大學(xué);2011年

2 李e，

本文編號(hào)：600659