CN110782147B - 一种基于模糊Petri网的溢油灾害链风险分析方法 - Google Patents
一种基于模糊Petri网的溢油灾害链风险分析方法 Download PDFInfo
- Publication number
- CN110782147B CN110782147B CN201910994504.2A CN201910994504A CN110782147B CN 110782147 B CN110782147 B CN 110782147B CN 201910994504 A CN201910994504 A CN 201910994504A CN 110782147 B CN110782147 B CN 110782147B
- Authority
- CN
- China
- Prior art keywords
- event
- transition
- disaster
- risk
- dcfpn
- 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
- 239000003305 oil spill Substances 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012502 risk assessment Methods 0.000 title abstract description 12
- 101710154918 Trigger factor Proteins 0.000 claims abstract description 73
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 230000009467 reduction Effects 0.000 claims abstract description 8
- 230000007704 transition Effects 0.000 claims description 134
- 230000006870 function Effects 0.000 claims description 81
- 238000004364 calculation method Methods 0.000 claims description 40
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 18
- 241001465754 Metazoa Species 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 11
- 238000009360 aquaculture Methods 0.000 claims description 8
- 238000003915 air pollution Methods 0.000 claims description 6
- 230000005012 migration Effects 0.000 claims description 4
- 238000013508 migration Methods 0.000 claims description 4
- 231100000572 poisoning Toxicity 0.000 claims description 4
- 230000000607 poisoning effect Effects 0.000 claims description 4
- 238000012732 spatial analysis Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 239000008400 supply water Substances 0.000 claims description 4
- 239000002360 explosive Substances 0.000 claims description 3
- 238000009776 industrial production Methods 0.000 claims description 3
- 238000003900 soil pollution Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 230000008569 process Effects 0.000 abstract description 7
- 238000011160 research Methods 0.000 abstract description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 6
- 229910052799 carbon Inorganic materials 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 244000144974 aquaculture Species 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 208000002173 dizziness Diseases 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 238000003911 water pollution Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000005202 decontamination Methods 0.000 description 1
- 230000003588 decontaminative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 210000004916 vomit Anatomy 0.000 description 1
- 230000008673 vomiting 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
Abstract
本发明公开了一种基于模糊Petri网的溢油灾害链风险分析方法，对传统的模糊Petri网进行了改进，提出了灾害链模糊Petri网模型(DCFPN)；进而结合海上溢油事故的特点，构建了通用的溢油灾害链DCFPN；基于所建立的溢油DCFPN设计了对应参数的隶属度函数，通过DCFPN模型可计算灾害链中各次生衍生事件发生的风险。本发明在形象化表达灾害链演化过程的同时，能够定量分析灾害链风险，找出灾害链最大风险路径，并针对最大风险路径进行研究分析，找到灾害与灾害之间的关键触发因子，进而控制以达到断链减灾的技术效果。
Description
技术领域
本发明涉及灾害链风险评估技术领域，具体涉及一种基于模糊Petri网的溢油灾害链风险分析方法。
背景技术
由于灾害链可以体现灾害系统各要素之间的相互关系，从而得到了广泛关注。
目前已有部分学者对地震灾害链、地质灾害链、台风灾害链、雨雪冰冻灾害链等自然灾害链进行了研究，分析了具体灾害事件演化及衍生链的特征。灾害链最大风险路径问题的求解是灾害链研究的一个主要问题。
本申请发明人在实施本发明的过程中，发现现有技术的方法，至少存在如下技术问题：
现阶段灾害链的相关研究大多停留在概率模型上，分析灾害链中各次生灾害发生的可能性，但无法衡量灾害链中各灾害的危害程度，无法动态推演各种可能的灾害链后果。
由此可知，现有技术中的方法存在无法有效分析灾害链中各灾害的危害程度的技术问题。
发明内容
有鉴于此，本发明提供了一种基于模糊Petri网的溢油灾害链风险分析方法，用以解决或者至少部分解决现有技术中的方法存在的无法有效分析灾害链中各灾害的危害程度的技术问题。
为了解决上述技术问题，本发明提供了一种基于模糊Petri网的溢油灾害链风险分析方法，包括：
步骤S1：定义DCFPN计算模型，DCFPN计算模型采用一个七元组表示：
FPN＝(P,T,I,O,A,U,λ)
其中，P＝{p1,p2,…,pn}为灾害链的事件集，称为库所集，一个库所对应溢油灾害链中的一个次生衍生事件；
T＝{t1,t2,…,tm}为影响各次生衍生事件触发的因子集，称为变迁集，一个变迁对应一个次生衍生事件的触发因子；
I为变迁输入，I＝{wij}，wij∈{0,1}，当pi是tj的输入时，wij＝1；否则wij＝0；
O为变迁输出，O＝{γij}，γij∈{0,1}，当pi是tj的输出时，γij＝1；否则γij＝0；
A＝{α1,α2,…,αm}，αi∈[0，1]，为库所真值，用以表征各次生衍生事件风险；
U＝{μ1,μ2,…,μm}，μj∈[0，1]，为变迁置信度，用以表征次生衍生事件触发因子的可信程度；
λ＝{λ1,λ2,…,λm}，对于每一个变迁节点ti都有阈值λi∈[0，1]，当次生衍生事件触发因子的置信度μm大于阈值λm时，下一个次生衍生事件触发；
步骤S2：确定DCFPN计算模型中事件在触发因子的作用下引发其他事件的变迁规则，其中，变迁规则用于计算各次生衍生事件的风险；
步骤S3：结合定义的DCFPN计算模型和历史数据，确定海上溢油事故所能引起的次生衍生事件，构建海上溢油DCFPN网络结构，其中，DCFPN网络结构包括库所和变迁，其中，库所为灾害链的事件，变迁为影响各次生衍生事件的触发因子；
步骤S4：分析事件之间的关联关系，并基于事件之间的关联关系确定事件间的具体触发因子，然后根据具体触发因子设置DCFPN网络结构中所有变迁的隶属度函数和变迁阈值，其中，隶属度函数用以计算变迁置信度，变迁置信度对应事件间具体触发因子的置信度；
步骤S5：基于DCFPN网络结构、变迁规则、变迁的隶属度函数以及变迁阈值对海上溢油灾害链风险进行分析。
在一种实施方式中，步骤S2中变迁规则包括：
事件P1在触发因子T1的作用下引发事件P2，事件P2的库所真值的计算公式：
α2＝α1·μ1，(μ1≥λ1)
其中，α1表示事件P1的库所真值，μ1表示引发次生衍生事件P2的触发因子T1的可信程度，λ1表示触发因子T1的置信度阈值，α2表示事件P2的库所真值，库所真值表示事件发生的风险；
事件Pz在触发因子T1的作用下引发事件P1,P2,P3,…,Pn，其库所真值计算公式：
α1,α2,…,αn＝αz·μ1,(μ1≥λ1)
其中，αn表示事件Pn的库所真值，αz表示事件Pz的库所真值；
事件P1,P2,P3,…,Pn分别在触发因子T1,T2,T3,…,Tn的作用下均会引发事件Pz，且风险叠加，事件Pz的库所真值计算公式为：
其中，αz表示事件Pz的库所真值，αi表示事件Pi的库所真值，μi表示触发因子Ti的可信程度，λi表示触发因子Ti的置信度阈值。
在一种实施方式中，步骤S3中的库所包括P0～P26，变迁包括T1～T21，其中各个库所和变迁的含义如下：
P0—溢油，P1—生态破坏，P2—野生动植物死亡，P3—动物疫情事件，P4—水域污染，P5—城市水源供水中断，P6—水产死亡，P7—食品污染事件，P8—市场急剧波动，P9—周围水产品滞销，P10—群体性事件，P11—空气污染，P12—救援人员中毒，P13—群体性中毒事件，P14—危化品爆炸起火，P15—人员伤亡，P16—海上交通中断，P17—货运中断，P18—旅游业受损，P19—相关服务业受损，P20—涉外事件，P21—岸滩污染，P22—土壤污染，P23—工业生产受损，P24—学校停课，P25—运输业受损，P26—市场不稳；
T0—自然保护区，T1—死亡动物未及时处理，T2—溢油量，T3—城市供水水源区，T4—水产养殖区，T5—流入市场，T6—第一负面网络舆情，T7—挥发性，T8—救援人员，T9—沿海居民区，T10—第二负面网络舆情，T11—易燃性，T12—人员存在，T13—第三负面网络舆情，T14—第四负面网络舆情，T15—海上交通区域，T16—第一直接触发，T17—风景名胜区，T18—第二直接触发，T19—争议海域，T20—岸线，T21—沿岸产业区。
在一种实施方式中，步骤S4中，当具体触发因子涉及区域影响时，采用基于GIS的空间分析方法确定隶属度函数，其中隶属度函数为：
其中，So为Sh和Sb经过叠加分析后得到的叠加区域，表示受到损害的承灾体区域，Sh为事件影响区域，Sb为承灾体区域，A(x)的值越越接近0，则表示该事件的风险越小，A(x)越接近1，则表示该事件的风险越大。
在一种实施方式中，步骤S4中，根据具体触发因子设置DCFPN网络结构中所有变迁的隶属度函数和变迁阈值，包括：
当具体触发因子为T0/T3/T4/T9/T15/T17/T19/T20/T21时，隶属度函数为
变迁阈值λ＝0，/表示或，So表示溢油与承灾体的叠加面积，Sb表示承灾体面积；
当具体触发因子为T1时，隶属度函数为
变迁阈值λ＝0.1，x为死亡动物数量；
当具体触发因子为T2时，隶属度函数为
变迁阈值λ＝0，x为溢油量；
当具体触发因子为T5时，隶属度函数为
变迁阈值λ＝0，x为流入市场的中毒水产数量；
当具体触发因子为T6/T10/T13/T14时，隶属度函数为μ＝B(x)，变迁阈值λ＝0.5，/表示或，B(x)为网络舆情指数；
当具体触发因子为T7时，隶属度函数为
变迁阈值λ＝0.1，x为溢油量；
当具体触发因子为T8时，隶属度函数为
变迁阈值λ＝0，x为救援人员数量；
当具体触发因子为T11时，隶属度函数为
变迁阈值λ＝0.1，x为溢油量；
当具体触发因子为T12时，隶属度函数为
变迁阈值λ＝0，x为存在人员数量；
当具体触发因子为T16/T18时，隶属度函数μ＝1，λ＝0，表示无条件触发。
在一种实施方式中，步骤S5具体包括：
步骤S5.1：获取待分析的监测数据，监测数据包括溢油量、网络舆情指数、溢油影响范围，将监测数据转化为对应的隶属度函数的输入参数；
步骤S5.2：根据隶属度函数，计算出对应的变迁置信度；
步骤S5.3：根据DCFPN网络结构和变迁规则，确定风险的计算方式；
步骤S5.4：根据风险的计算方式以及变迁置信度与变迁阈值之间的关系，计算整个溢油灾害链中各次生事件的风险值，分析灾害链最大风险路径。
在一种实施方式中，在步骤S5.4之后，所述方法还包括步骤S5.5：
根据灾害链最大风险路径，提取出关键触发因子，并提出对应的断链减灾的措施。
本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：
本发明提供的一种基于模糊Petri网的溢油灾害链风险分析方法，首先定义DCFPN计算模型，然后确定DCFPN计算模型中事件在触发因子的作用下引发其他事件的变迁规则，接着结合定义的DCFPN计算模型和历史数据，确定海上溢油事故所能引起的次生衍生事件，构建海上溢油DCFPN网络结构，再分析事件之间的关联关系，基于事件之间的关联关系确定事件间的具体触发因子，并根据具体触发因子设置DCFPN网络结构中所有变迁的隶属度函数和变迁阈值，最后基于DCFPN网络结构、变迁规则、变迁的隶属度函数以及变迁阈值对海上溢油灾害链风险进行分析。
由于本发明提供的方法，对传统的模糊Petri网进行了改进，提出了灾害链模糊Petri网模型(DCFPN)。进而结合海上溢油事故的特点，构建了通用的溢油灾害链DCFPN；基于所建立的溢油DCFPN设计了对应参数的隶属度函数，通过DCFPN模型可计算灾害链中各次生衍生事件发生的风险。本发明在形象化表达灾害链演化过程的同时，能够定量分析灾害链风险，找到灾害链最大风险路径，并针对最大风险路径进行研究分析，找到灾害与灾害之间的关键触发因子，进而控制以达到断链减灾的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于模糊Petri网的溢油灾害链风险分析方法的流程示意图；
图2为本发明DCFPN基本计算模型中的类型一(变迁规则一)计算示意图；
图3为本发明DCFPN基本计算模型中的类型二(变迁规则二)计算示意图；
图4为本发明DCFPN基本计算模型中的类型三(变迁规则三)计算示意图；
图5是本发明中建立的溢油DCFPN网络结构示意图；
图6是本发明实施例中计算的情景一DCFPN；
图7是本发明实施例中计算的情景二DCFPN；
图8是本发明实施例中计算的情景三DCFPN；
图9是本发明实施例中群体性事件风险与存在人员的关系图；
图10是本发明实施例中群体性事件风险与网络舆情的关系图；
图11是本发明实施例中多事件风险与溢油量的关系图。
具体实施方式
本发明的目的在于针对现有技术中的方法，无法衡量灾害链中各灾害的危害程度，无法动态推演各种可能的灾害链后果的技术问题，提出一种基于模糊Petri网的溢油灾害链风险分析方法。
本发明所讨论的溢油事故的灾害链模糊Petri网络(DCFPN)，是基于模糊Petri网并针对海上溢油可能诱发的一系列次生衍生灾害所提出的，相比于事件树和贝叶斯网络能够更直观地表达灾害链演化的过程，便于人们分析和推演溢油所导致的次生灾害风险。其中考虑了如何采用隶属度函数计算DCFPN变迁置信度，通过对变迁置信度的计算和库所真值的计算，定量分析灾害链风险，找到灾害链最大风险路径。
为达到上述目的，本发明的主要构思如下：
对传统的模糊Petri网进行了改进，提出了灾害链模糊Petri网模型(DCFPN)。进而结合海上溢油事故的特点，构建了通用的溢油灾害链DCFPN；基于所建立的溢油DCFPN设计了对应参数的隶属度函数，通过DCFPN模型可计算灾害链中各次生衍生事件发生的风险。本发明的有益效果是在形象化表达灾害链演化过程的同时，能够定量分析灾害链风险，找到灾害链最大风险路径，并针对最大风险路径进行研究分析，找到灾害与灾害之间的关键触发因子，进而控制以达到断链减灾的效果。
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中的附图，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。
本实施例提供了一种基于模糊Petri网的溢油灾害链风险分析方法，请参见图1，该方法包括：
步骤S1：定义DCFPN计算模型，DCFPN计算模型采用一个七元组表示：
FPN＝(P,T,I,O,A,U,λ)
其中，P＝{p1,p2,…,pn}为灾害链的事件集，称为库所集，一个库所对应溢油灾害链中的一个次生衍生事件；
T＝{t1,t2,…,tm}为影响各次生衍生事件触发的因子集，称为变迁集，一个变迁对应一个次生衍生事件的触发因子；
I为变迁输入，I＝{wij}，wij∈{0,1}，当pi是tj的输入时，wij＝1；否则wij＝0；
O为变迁输出，O＝{γij}，γij∈{0,1}，当pi是tj的输出时，γij＝1；否则γij＝0；
A＝{α1,α2,…,αm}，αi∈[0，1]，为库所真值，用以表征各次生衍生事件风险；
U＝{μ1,μ2,…,μm}，μj∈[0，1]，为变迁置信度，用以表征次生衍生事件触发因子的可信程度；
λ＝{λ1,λ2,…,λm}，对于每一个变迁节点ti都有阈值λi∈[0，1]，当次生衍生事件触发因子的置信度μm大于阈值λm时，下一个次生衍生事件触发；
具体来说，为了更好地模拟灾害链的演化过程，有学者引入Petri网对灾害链进行模拟仿真。Petri网是对异步并发现象的数学表示。Petri网是20世纪60年代由卡尔·A·佩特里发明的，适合于描述异步的、并发的计算机系统模型，其既有严格的数学表述方式，也有直观的图形表达方式，并且还具有丰富的系统描述手段和系统行为分析技术。模糊Petri网是基于模糊产生式规则的知识库系统的良好建模工具，但多数情况下，模糊产生式规则中的变迁置信度是难以确定的，或有些是人类专家的经验，很难转换为具体的模糊值。
为了综合分析灾害链中各灾害事件的风险，本发明提出了一种基于模糊Petri网的溢油灾害链风险分析方法，尤其是针对次生灾害间触发因子的不确定性，对传统的模糊Petri网结构进行了改进。为了将灾害链模糊Petri网的变迁定量化，变迁的置信度用隶属度函数计算得到，本发明设计了一系列溢油灾害链模糊Petri网(DCFPN)的隶属度函数，设计合理，效果良好。改进后的模型能够衡量灾害链中各次生衍生事件的风险，动态推演各种可能的灾害链后果。
其中，变迁输入I中，pi是tj的输入，即存在pi到tj的有向弧。
步骤S2：确定DCFPN计算模型中事件在触发因子的作用下引发其他事件的变迁规则，其中，变迁规则用于计算各次生衍生事件的风险。
具体来说，变迁规则是指DCFPN计算模型的计算方式，主要用于计算库所真值，即各次生衍生事件的风险。
在一种实施方式中，步骤S2中变迁规则包括：
事件P1在触发因子T1的作用下引发事件P2，事件P2的库所真值的计算公式为：
α2＝α1·μ1，(μ1≥λ1)
其中，α1表示事件P1的库所真值，μ1表示引发次生衍生事件P2的触发因子T1的可信程度，λ1表示触发因子T1的置信度阈值，α2表示事件P2的库所真值，库所真值表示事件发生的风险；
事件Pz在触发因子T1的作用下引发事件P1,P2,P3,…,Pn，其库所真值计算公式为：
α1,α2,…,αn＝αz·μ1,(μ1≥λ1)
其中，αn表示事件Pn的库所真值，αz表示事件Pz的库所真值；
事件P1,P2,P3,…,Pn分别在触发因子T1,T2,T3,…,Tn的作用下均会引发事件Pz，且风险叠加，事件Pz的库所真值计算公式为：
其中，αz表示事件Pz的库所真值，αi表示事件Pi的库所真值，μi表示触发因子Ti的可信程度，λi表示触发因子Ti的置信度阈值。
具体来说，请参见图2，为变迁规则一对应的DCFPN的结构，图3为变迁规则二对应的DCFPN的结构，图4为变迁规则三对应的DCFPN的结构。
步骤S3：结合定义的DCFPN计算模型和历史数据，确定海上溢油事故所能引起的次生衍生事件，构建海上溢油DCFPN网络结构，其中，DCFPN网络结构包括库所和变迁，其中，库所为灾害链的事件，变迁为影响各次生衍生事件的触发因子。
其中，步骤S3中的库所包括P0～P26，变迁包括T1～T21，其中各个库所和变迁的含义如下：
P0—溢油，P1—生态破坏，P2—野生动植物死亡，P3—动物疫情事件，P4—水域污染，P5—城市水源供水中断，P6—水产死亡，P7—食品污染事件，P8—市场急剧波动，P9—周围水产品滞销，P10—群体性事件，P11—空气污染，P12—救援人员中毒，P13—群体性中毒事件，P14—危化品爆炸起火，P15—人员伤亡，P16—海上交通中断，P17—货运中断，P18—旅游业受损，P19—相关服务业受损，P20—涉外事件，P21—岸滩污染，P22—土壤污染，P23—工业生产受损，P24—学校停课，P25—运输业受损，P26—市场不稳；
T0—自然保护区，T1—死亡动物未及时处理，T2—溢油量，T3—城市供水水源区，T4—水产养殖区，T5—流入市场，T6—第一负面网络舆情，T7—挥发性，T8—救援人员，T9—沿海居民区，T10—第二负面网络舆情，T11—易燃性，T12—人员存在，T13—第三负面网络舆情，T14—第四负面网络舆情，T15—海上交通区域，T16—第一直接触发，T17—风景名胜区，T18—第二直接触发，T19—争议海域，T20—岸线，T21—沿岸产业区。
具体地，结合历史案例确定海上溢油事故所能引起的次生衍生事件，构建海上溢油DCFPN网络结构，具体参见附图5，附图5中的各参数含义见下表：
需要说明的是，本发明中，库所即表示事件，变迁即表示事件间的触发因子。变迁置信度通过隶属度函数计算得到，而隶属度函数根据相关标准和专家经验得出。变迁阈值λ由专家经验得出，一般来说，触发因子存在即直接可以触发下一事件时λ为0。本发明中整个灾害链的风险都是相对值，不是绝对值，初始灾害一般认为已经发生，因此为1，后续的灾害链风险均是在初始灾害已发生的前提下进行计算。
步骤S4：分析事件之间的关联关系，并基于事件之间的关联关系确定事件间的具体触发因子，然后根据具体触发因子设置DCFPN网络结构中所有变迁的隶属度函数和变迁阈值，其中，隶属度函数用以计算变迁置信度，变迁置信度对应事件间具体触发因子的置信度。
具体来说，隶属度函数是模糊控制的应用基础，使一些模糊条件的量化表示成为可能。若对U中的任一元素x，都有A(x)∈[0,1]与之对应，则称A为U上的模糊集。A(x)称为x对A的隶属度。当x在U中变动时，A(x)就是一个函数，称为A的隶属度函数。隶属度A(x)越接近1，表示x属于A的程度越高，A(x)越接近于0，表示x属于A的程度越低。隶属度函数通常以专家经验为基础初步确定，然后通过实践检验逐步修改和完善。
在一种实施方式中，当具体触发因子涉及区域影响时，采用基于GIS的空间分析方法确定隶属度函数，其中隶属度函数为：
其中，So为Sh和Sb经过叠加分析后得到的叠加区域，表示受到损害的承灾体区域，Sh为事件影响区域，Sb为承灾体区域，A(x)的值越越接近0，则表示该事件的风险越小，A(x)越接近1，则表示该事件的风险越大。
具体来说，在本发明提出的DCFPN中，灾害链的触发条件有可能是某一类承灾体是否受到波及，例如“当溢油影响到水产养殖区时会引发水产大批量死亡事件”，其中水产养殖区是承灾体，而灾害链的触发条件是溢油与水产养殖区的空间叠加有交集。因此，针对具体触发因子涉及区域影响(例如自然保护区、城市供水水源区、水产养殖区等)时，本发明提出了一种通过GIS的空间分析来确定隶属度函数的方法。叠加区域So为事件影响区域与承灾体区域的相交部分。
若A(x)为0，则表示事件未影响到该承灾体，若A(x)为1，则表示承灾体100％受到影响，A(x)越接近0，则表示该事件的风险越小，A(x)越接近1，则表示该事件的风险越大。用该隶属度函数作为变迁置信度的计算方法，可以有效地表达这一类触发因子的可信程度。
在一种实施方式中，步骤S4中，根据具体触发因子设置DCFPN网络结构中所有变迁的隶属度函数和变迁阈值，包括：
当具体触发因子为T0/T3/T4/T9/T15/T17/T19/T20/T21时，隶属度函数为
变迁阈值λ＝0，/表示或，So表示溢油与承灾体的叠加面积，Sb表示承灾体面积；
当具体触发因子为T1时，隶属度函数为
变迁阈值λ＝0.1，x为死亡动物数量；
当具体触发因子为T2时，隶属度函数为
变迁阈值λ＝0，x为溢油量；
当具体触发因子为T5时，隶属度函数为
变迁阈值λ＝0，x为流入市场的中毒水产数量；
当具体触发因子为T6/T10/T13/T14时，隶属度函数为μ＝B(x)，变迁阈值λ＝0.5，/表示或，B(x)为网络舆情指数；
当具体触发因子为T7时，隶属度函数为
变迁阈值λ＝0.1，x为溢油量；
当具体触发因子为T8时，隶属度函数为
变迁阈值λ＝0，x为救援人员数量；
当具体触发因子为T11时，隶属度函数为
变迁阈值λ＝0.1，x为溢油量；
当具体触发因子为T12时，隶属度函数为
变迁阈值λ＝0，x为存在人员数量；
当具体触发因子为T16/T18时，隶属度函数μ＝1，λ＝0，表示无条件触发。
具体来说，从海上溢油DCFPN网结构来看，T0、T3、T4、T9、T15、T17、T19、T20和T21均为承灾体，表示触发因子为承灾体与溢油的空间关系，因此用定义的A(x)作为隶属度函数。T1用死亡动物数来构造触发条件的隶属度函数，T2、T7和T11用溢油量来构造触发条件的隶属度函数，T5用流入市场的中毒水产量来构造触发条件的隶属度函数，T6、T10、T13和T14用网络舆情指数构造触发条件的隶属度函数，T8和T12用人员数量来构造触发条件的隶属度函数，T16和T18为无条件直接触发。
因此海上溢油DCFPN中的所有变迁的隶属度函数如下表所示：
步骤S5：基于DCFPN网络结构、变迁规则、变迁的隶属度函数以及变迁阈值对海上溢油灾害链风险进行分析。
具体来说，在构建DCFPN网络结构后，则可以根据设置的变迁规则，变迁的隶属度函数来对海上溢油灾害链风险进行分析。
其中，步骤S5具体包括：
步骤S5.1：获取待分析的监测数据，监测数据包括溢油量、网络舆情指数、溢油影响范围，将监测数据转化为对应的隶属度函数的输入参数；
步骤S5.2：根据隶属度函数，计算出对应的变迁置信度；
步骤S5.3：根据DCFPN网络结构和变迁规则，确定风险的计算方式；
步骤S5.4：根据风险的计算方式以及变迁置信度与变迁阈值之间的关系，计算整个溢油灾害链中各次生事件的风险值，分析灾害链最大风险路径。
具体来说，根据待分析的监测数据，则可以根据监测数据确定出对应的触发因子，然后选取对应的隶属度函数进行变迁置信度的计算，然后确定风险的计算方式，即根据哪种规则进行风险值(库所真值)的计算，最后根据风险值的大小，找出灾害链最大风险路径。
为了达到减灾的效果，在步骤S5.4之后，所述方法还包括步骤S5.5：
根据灾害链最大风险路径，提取出关键触发因子，并提出对应的断链减灾的措施。
与现有技术相比，本发明的有益效果在于：
1)针对现阶段灾害链模型无法动态分析推演灾害链中各次生灾害发生的可能性，无法衡量灾害链中各灾害的危害程度的问题，本发明改进了模糊Petri网，将变迁可信度模糊化，进而提出了一种适用于定量模拟分析灾害链的灾害链模糊Petri网(DCFPN)，应用于海上溢油事件的情景推演，有效地动态计算出各次生衍生灾害的风险，动态分析灾害链最大风险路径。
2)本发明给出了溢油DCFPN隶属度函数计算方法，使溢油DCFPN中变迁可信度的确定变得简单清晰，只需将情景描述的数据代入即可将推演顺利进行下去。
为了对本发明的技术特征、目的和效果有更加清楚的理解，现本发明以福建泉州港的碳九溢油事件为实施例，对照附图详细说明本发明提供的方法的一种具体实施方式。
步骤一、梳理事件经过并提取需要分析推演的情景，梳理各隶属度函数的输入变量。
2018年11月4日凌晨，福建泉州码头的一艘石化产品运输船发生泄漏，69.1吨碳九产品漏入近海，造成水体污染。本发明将碳九事件的发展经过分为三个情景片段：
(1)情景一：11月4日凌晨0时51分，溢油开始泄露，溢油种类为易燃性强，挥发性强的工业用裂解碳九，公开溢油量为6.9吨，污染水产养殖区约20％，海上交通区域受影响范围约为25％；
(2)情景二：至11月4日凌晨4时30分，共派出救援人员50人左右，围油栏内清污作业基本结束。但部分污油受风向影响，向邻近的岸滩移动，形成岸滩溢油。岸滩受影响范围约10％，沿岸产业区受影响约20％，沿海居民区受影响约10％；
(3)情景三：11月4日上午10时20分，有关部门调查后发现真实溢油量为69吨，继而爆发舆情危机，假设此时网络舆情指数为0.7。
步骤二、计算各变迁的隶属度函数，确定溢油DCFPN各变迁置信度，通过DCFPN计算模型计算各库所真值，即各次生衍生事件的风险值。
计算情景一的灾害链风险，得到图6的计算结果。情景一中可能发生的灾害链为“溢油—水域污染—水产死亡”、“溢油—空气污染”、“溢油—危化品爆炸起火”、“溢油—海上交通中断—货运中断”和“溢油—海上交通中断—旅游业受损—相关服务业受损”。由于溢油发生时间为凌晨，海上交通中断引发的一系列次生衍生事件风险降低，空气污染和危化品爆炸起火是由碳九油品的强挥发性和强易燃性所致，救援时需要做好防备工作。而“溢油—水域污染—水产死亡”这条链需要注意对死亡水产的处理，以防流入市场引发后续的灾害链。
计算情景二的灾害链风险，得到图7的计算结果。情景二在情景一的基础上增加了救援人员，灾害链新增了“救援人员中毒”、“人员伤亡”。由于一部分溢油影响了岸滩，对沿岸居民的健康产生了影响，同时对沿岸相关产业均产生了一定的影响。总体来看，由于溢油量较小，灾害链每一条路径的风险均较小。
计算情景三的灾害链风险，得到图8的计算结果。情景三中得到真实溢油量为69吨，并爆发了舆情危机。从图8可得到灾害链的最大风险路径为P0→P10，以P0→P10为例，关注P0→P10间的变迁可知，T7,T8,T10,T11,T12,T14和T14的值较高，分别对应溢油量、网络舆情指数和存在人员。其中，圆圈中的数值指的是该次生事件的风险值，隶属度函数计算得到的是变迁的置信度，变迁置信度与前一库所真值根据DCFPN的三种基本计算模型可以得到下一个事件的风险值。
步骤三、对溢油灾害链风险进行具体分析，提出断链减灾的方法。
保持其他条件不变，改变存在人员的数量，得到图9的结果。
存在人员数量的增加会导致群体性事件风险上升，但幅度不大。由于溢油的救援需要人员力量，人员数量的增加可以加快溢油的清除速度，因此在保证救援力量充足的前提下尽可能转移无关人员，减少人员伤亡数。
保持其他条件不变，改变网络舆情指数，得到图10的结果。
进一步地，请参考图7，网络舆情指数小于0.4时，群体性事件风险几乎为0，网络舆情指数一旦超过0.4，群体性事件风险迅速攀升，并随网络舆情指数的升高而进一步升高。因此，及时监控网络舆情可以大幅度减少群体性事件风险。
保持其他条件不变，改变溢油量，得到图11的结果。
溢油一旦发现便会引发水域污染，溢油量超过5t时会引发空气污染和群体性事件。这三类事件风险均会随着溢油量的增加而增加，在溢油量超过100吨后，每类事件的风险均达到较高水平。因此，及时发现溢油，尽快采取溢油应急处置措施，遏制溢油进一步扩散有利于减少各类次生衍生事件风险。
真实情况中，事故发生后，许多沿海的渔民纷纷抢救自家的鱼排，但均出现了不同的头晕、呕吐等身体不适症状而住院，有一位渔民因抢救过程中头晕跌入水中，后被送进重症监护室，经过海域清理工作控制了碳九泄露的危害。DCFPN推演结果与实际事件的影响吻合，因此认为此推演方法是行之有效的。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种基于模糊Petri网的溢油灾害链风险分析方法，其特征在于，包括：
步骤S1：定义DCFPN计算模型，DCFPN计算模型采用一个七元组表示：
DCFPN＝(P,T,I,O,A,U,λ)
其中，P＝{p1,p2,…,pn}为灾害链的事件集，称为库所集，一个库所对应溢油灾害链中的一个次生衍生事件；
T＝{t1,t2,…,tm}为影响各次生衍生事件触发的因子集，称为变迁集，一个变迁对应一个次生衍生事件的触发因子；
I为变迁输入，I＝{wij}，wij∈{0,1}，当pi是tj的输入时，wij＝1；否则wij＝0；
O为变迁输出，O＝{γij}，γij∈{0,1}，当pi是tj的输出时，γij＝1；否则γij＝0；
A＝{α1,α2,…,αm}，αi∈[0，1]，为库所真值，用以表征各次生衍生事件风险；
U＝{μ1,μ2,…,μm}，μj∈[0，1]，为变迁置信度，用以表征次生衍生事件触发因子的可信程度；
λ＝{λ1,λ2,…,λm}，对于每一个变迁节点ti都有阈值λi∈[0，1]，当次生衍生事件触发因子的置信度μm大于阈值λm时，下一个次生衍生事件触发；
步骤S2：确定DCFPN计算模型中事件在触发因子的作用下引发其他事件的变迁规则，其中，变迁规则用于计算各次生衍生事件的风险；
步骤S3：结合定义的DCFPN计算模型和历史数据，确定海上溢油事故所能引起的次生衍生事件，构建海上溢油DCFPN网络结构，其中，DCFPN网络结构包括库所和变迁，其中，库所为灾害链的事件，变迁为影响各次生衍生事件的触发因子；
步骤S4：分析事件之间的关联关系，并基于事件之间的关联关系确定事件间的具体触发因子，然后根据具体触发因子设置DCFPN网络结构中所有变迁的隶属度函数和变迁阈值，其中，隶属度函数用以计算变迁置信度，变迁置信度对应事件间具体触发因子的置信度；
步骤S5：基于DCFPN网络结构、变迁规则、变迁的隶属度函数以及变迁阈值对海上溢油灾害链风险进行分析；
其中，步骤S3中的库所包括P0～P26，变迁包括T0～T21，其中各个库所和变迁的含义如下：
P0—溢油，P1—生态破坏，P2—野生动植物死亡，P3—动物疫情事件，P4—水域污染，P5—城市水源供水中断，P6—水产死亡，P7—食品污染事件，P8—市场急剧波动，P9—周围水产品滞销，P10—群体性事件，P11—空气污染，P12—救援人员中毒，P13—群体性中毒事件，P14—危化品爆炸起火，P15—人员伤亡，P16—海上交通中断，P17—货运中断，P18—旅游业受损，P19—相关服务业受损，P20—涉外事件，P21—岸滩污染，P22—土壤污染，P23—工业生产受损，P24—学校停课，P25—运输业受损，P26—市场不稳；
T0—自然保护区，T1—死亡动物未及时处理，T2—溢油量，T3—城市供水水源区，T4—水产养殖区，T5—流入市场，T6—第一负面网络舆情，T7—挥发性，T8—救援人员，T9—沿海居民区，T10—第二负面网络舆情，T11—易燃性，T12—人员存在，T13—第三负面网络舆情，T14—第四负面网络舆情，T15—海上交通区域，T16—第一直接触发，T17—风景名胜区，T18—第二直接触发，T19—争议海域，T20—岸线，T21—沿岸产业区；
步骤S5具体包括：
步骤S5.1：获取待分析的监测数据，监测数据包括溢油量、网络舆情指数、溢油影响范围，将监测数据转化为对应的隶属度函数的输入参数；
步骤S5.2：根据隶属度函数，计算出对应的变迁置信度；
步骤S5.3：根据DCFPN网络结构和变迁规则，确定风险的计算方式；
步骤S5.4：根据风险的计算方式以及变迁置信度与变迁阈值之间的关系，计算整个溢油灾害链中各次生事件的风险值，分析灾害链最大风险路径。
2.如权利要求1所述的方法，其特征在于，步骤S2中变迁规则包括：
事件P1在触发因子T1的作用下引发事件P2，事件P2的库所真值的计算公式：
α2＝α1·μ1，(μ1≥λ1)
其中，α1表示事件P1的库所真值，μ1表示引发次生衍生事件P2的触发因子T1的可信程度，λ1表示触发因子T1的置信度阈值，α2表示事件P2的库所真值，库所真值表示事件发生的风险；
事件Pz在触发因子T1的作用下引发事件P1,P2,P3,…,Pn，其库所真值计算公式：
α1,α2,…,αn＝αz·μ1,(μ1≥λ1)
其中，αn表示事件Pn的库所真值，αz表示事件Pz的库所真值；
事件P1,P2,P3,…,Pn分别在触发因子T1,T2,T3,…,Tn的作用下均会引发事件Pz，且风险叠加，事件Pz的库所真值计算公式：
其中，αz表示事件Pz的库所真值，αi表示事件Pi的库所真值，μi表示触发因子Ti的可信程度，λi表示触发因子Ti的置信度阈值。
3.如权利要求1所述的方法，其特征在于，步骤S4中，当具体触发因子涉及区域影响时，采用基于GIS的空间分析方法确定隶属度函数，其中隶属度函数为：
其中，So为Sh和Sb经过叠加分析后得到的叠加区域，表示受到损害的承灾体区域，Sh为事件影响区域，Sb为承灾体区域，A(x)的值越接近0，则表示该事件的风险越小，A(x)越接近1，则表示该事件的风险越大，x表示涉及区域影响的触发因子。
4.如权利要求1所述的方法，其特征在于，步骤S4中，根据具体触发因子设置DCFPN网络结构中所有变迁的隶属度函数和变迁阈值，包括：
当具体触发因子为T0/T3/T4/T9/T15/T17/T19/T20/T21时，隶属度函数为
变迁阈值λ＝0，/表示或，So表示Sh和Sb经过叠加分析后得到的叠加区域，表示受到损害的承灾体区域，Sb表示承灾体面积，Sh为事件影响区域，x表示触发因子T0/T3/T4/T9/T15/T17/T19/T20/T21；
当具体触发因子为T1时，隶属度函数为
变迁阈值λ＝0.1，x为死亡动物数量；
当具体触发因子为T2时，隶属度函数为
变迁阈值λ＝0，x为溢油量；
当具体触发因子为T5时，隶属度函数为
变迁阈值λ＝0，x为流入市场的中毒水产数量；
当具体触发因子为T6/T10/T13/T14时，隶属度函数为μ＝B(x)，变迁阈值λ＝0.5，/表示或，B(x)为网络舆情指数，x表示触发因子T6/T10/T13/T14；
当具体触发因子为T7时，隶属度函数为
变迁阈值λ＝0.1，x为溢油量；
当具体触发因子为T8时，隶属度函数为
变迁阈值λ＝0，x为救援人员数量；
当具体触发因子为T11时，隶属度函数为
变迁阈值λ＝0.1，x为溢油量；
当具体触发因子为T12时，隶属度函数为
变迁阈值λ＝0，x为存在人员数量；
当具体触发因子为T16/T18时，隶属度函数μ＝1，λ＝0，表示无条件触发。
5.如权利要求1所述的方法，其特征在于，在步骤S5.4之后，所述方法还包括步骤S5.5：
根据灾害链最大风险路径，提取出关键触发因子，并提出对应的断链减灾的措施。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910994504.2A CN110782147B (zh) | 2019-10-18 | 2019-10-18 | 一种基于模糊Petri网的溢油灾害链风险分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910994504.2A CN110782147B (zh) | 2019-10-18 | 2019-10-18 | 一种基于模糊Petri网的溢油灾害链风险分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110782147A CN110782147A (zh) | 2020-02-11 |
| CN110782147B true CN110782147B (zh) | 2022-06-14 |
Family
ID=69386017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910994504.2A Active CN110782147B (zh) | 2019-10-18 | 2019-10-18 | 一种基于模糊Petri网的溢油灾害链风险分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110782147B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112288151B (zh) * | 2020-10-22 | 2022-05-13 | 武汉大学 | 一种面向灾害应急的灾害链构建与灾害分析方法 |
| CN112967075B (zh) * | 2021-03-29 | 2023-09-01 | 北京工商大学 | 一种基于dematel-ism的粮油质量安全区块链风险分析及优化方法 |
| CN113610419B (zh) * | 2021-08-16 | 2023-10-13 | 傲林科技有限公司 | 一种基于事件网的事中监控分析方法、系统及存储介质 |
| CN117251665B (zh) * | 2023-11-20 | 2024-03-08 | 中山大学 | 一种热带气旋影响下区域灾害链风险评估方法及相关装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103095712A (zh) * | 2013-01-24 | 2013-05-08 | 无锡南理工科技发展有限公司 | 一种基于CORAS-Petri的安全策略层次联合建模方法 |
| CN103278328A (zh) * | 2013-05-16 | 2013-09-04 | 华北电力大学 | 基于模糊Petri网的风电机组液压变桨系统故障诊断方法 |
| CN103678943A (zh) * | 2013-12-31 | 2014-03-26 | 国家电网公司 | 一种灾害引发电网故障的多指标模糊判定方法 |
| CN104765965A (zh) * | 2015-04-15 | 2015-07-08 | 国家电网公司 | 基于模糊Petri的GIS故障诊断与可靠性分析方法 |
| CN105488537A (zh) * | 2015-12-11 | 2016-04-13 | 中国航空工业集团公司西安飞机设计研究所 | 一种基于Petri网的部件故障属性表征方法 |
| CN106339796A (zh) * | 2016-08-17 | 2017-01-18 | 国家海洋局北海环境监测中心 | 一种海洋溢油风险评估方法 |
| CN107769202A (zh) * | 2017-11-28 | 2018-03-06 | 西华大学 | 计及天气模型的基于模糊Petri网的配电网可靠性评估方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9371622B2 (en) * | 2013-10-22 | 2016-06-21 | James Connor Buckley | System and method to automatically determine irregular polygon for environmental hazard containment modules |
-
2019
- 2019-10-18 CN CN201910994504.2A patent/CN110782147B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103095712A (zh) * | 2013-01-24 | 2013-05-08 | 无锡南理工科技发展有限公司 | 一种基于CORAS-Petri的安全策略层次联合建模方法 |
| CN103278328A (zh) * | 2013-05-16 | 2013-09-04 | 华北电力大学 | 基于模糊Petri网的风电机组液压变桨系统故障诊断方法 |
| CN103678943A (zh) * | 2013-12-31 | 2014-03-26 | 国家电网公司 | 一种灾害引发电网故障的多指标模糊判定方法 |
| CN104765965A (zh) * | 2015-04-15 | 2015-07-08 | 国家电网公司 | 基于模糊Petri的GIS故障诊断与可靠性分析方法 |
| CN105488537A (zh) * | 2015-12-11 | 2016-04-13 | 中国航空工业集团公司西安飞机设计研究所 | 一种基于Petri网的部件故障属性表征方法 |
| CN106339796A (zh) * | 2016-08-17 | 2017-01-18 | 国家海洋局北海环境监测中心 | 一种海洋溢油风险评估方法 |
| CN107769202A (zh) * | 2017-11-28 | 2018-03-06 | 西华大学 | 计及天气模型的基于模糊Petri网的配电网可靠性评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| Enforcement of Diagnosability in Labeled Petri Nets via Optimal Sensor Selection;N. Ran等;《IEEE Transactions on Automatic Control》;20181004;全文 * |
| 基于模糊推理的网络可生存性的建模与分析;刘密霞等;《通信学报》;20090115(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110782147A (zh) | 2020-02-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110782147B (zh) | 一种基于模糊Petri网的溢油灾害链风险分析方法 | |
| Ruckelshaus et al. | The Pacific salmon wars: what science brings to the challenge of recovering species | |
| Yadav et al. | Segmenting critical success factors of humanitarian supply chains using fuzzy DEMATEL | |
| Liu et al. | Social responsibility in infrastructure mega-projects: A case study of ecological compensation for Sousa chinensis during the construction of the Hong Kong-Zhuhai-Macao Bridge | |
| Qin et al. | Factors affecting marine ranching risk in China and their hierarchical relationships based on DEMATEL, ISM, and BN | |
| Wang et al. | Assessing coastal ecosystem carrying capacity by a comprehensive economy-resources-environment system: A case study of South Korea | |
| Demircioğlu et al. | A novel hybrid approach based on intuitionistic fuzzy multi criteria group-decision making for environmental pollution problem | |
| Zhao et al. | Disaster chain scenarios evolutionary analysis and simulation based on fuzzy petri net: a case study on marine oil spill disaster | |
| Murray et al. | A review of cumulative effects research and assessment in Fisheries and Oceans Canada | |
| Men et al. | Multi-hazard coupling effects in chemical process industry—part II: research advances and future perspectives on methodologies | |
| Liu et al. | Human factor risk modeling for shipyard operation by mapping fuzzy fault tree into Bayesian network | |
| Colvin et al. | Identifying optimal hauling densities for adult Chinook salmon trap and haul operations | |
| Liu et al. | Combining Scientific Facts and Significance Criteria to Predict the Result of an Environmental Impact Assessment Review. | |
| Mumtaz et al. | Utilizing artificial intelligence for environmental sustainability | |
| Utne et al. | Risk Management in Aquaculture: Integrating Sustainability Perspectives | |
| Kisss et al. | Contribution to logistics of catastrophes in consequence of floods | |
| He et al. | Navigational risk assessment of Three Gorges ship lock: Field data analysis using intelligent expert system | |
| Wang et al. | Dynamic Risk Assessment of Oil Spill Accident on Offshore Platform Based on the Bayesian Network | |
| Guo et al. | Risk assessment of disconnect operations of MNPP using similarity aggregation method based fuzzy dynamic Bayesian networks model | |
| Gheorghe et al. | A pilot decision support system for nuclear power emergency management | |
| Lava et al. | Reliability study of the auxiliary feed-water system of a pressurized water reactor by faults tree and Bayesian Network | |
| Yustiana et al. | THE CONCEPTUAL MODEL OF NATIONAL RESILIENCE ASSESSMENT DUE TO THE IMPACT OF COASTAL RECLAMATION WITH SYSTEM DYNAMIC METHODS | |
| E Russell et al. | Evaluating a fish monitoring protocol using state-space hierarchical models | |
| Wang et al. | Risk Propagation Evolution Analysis of Oil and Gas Leakage in FPSO Oil and Gas Processing System by Mapping Bow-Tie into Directed Weighted Complex Network | |
| Ying et al. | Analysis of the marine resource environmental carrying capacity in Zhejiang Province based on the Pressure-Support and Destructiveness-Resilience and Degradation-Promotion (PS-DR-DP) model |
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 |