CN111445118B - 矿山事故应急救援数字预案的任务协同流程网络模型构建方法及效能评估方法 - Google Patents

Abstract

本发明矿山事故应急救援数字预案的任务协同流程网络模型构建方法及效能评估方法，属于应急救援技术领域。本发明构建方法包括：建模初始化、定义属性值、随机Petri网模型的构建，所述效能评估方法包括：利用灰色预测模型对矿山应急救援流程模型中各任务执行时间值进行预测；构建出矿山应急救援流程同构的马尔科夫链及构造各个状态转移的稳态概率矩阵方程，基于以上稳态概率矩阵方程，直接使用线性方程求解方法来求得库所的稳态概率；再利用库所的稳态概率，对所测模型的平均执行时间进行计算；根据所测模型的平均执行时间来评估所测模型。本发明能构建出矿山事故应急救援数字预案的任务协同流程网络模型并对其进行效能评估。

Description

矿山事故应急救援数字预案的任务协同流程网络模型构建方 法及效能评估方法

技术领域

本发明矿山事故应急救援数字预案的任务协同流程网络模型构建方法及效能评估方法，属于应急救援技术领域。

背景技术

在煤炭行业，针对区域的数字预案系统还有待开展进一步研究，除企业档案管理、政许可备案管理、预案管理、人员物资装备管理以外，还应开展多层次多方位一体化数字预案流程及决策模型、区域数据共享云平台、横向纵向多级机构联动、数据挖掘与辅助救援决策研究。国内有学者在煤矿典型特大事故的基础上，构建了管理缺陷为本质原因，其他客观因素缺陷的煤矿突发事件模型，根据系统的各个环节进行详细分析，对实例进行分析模拟，提出了预防措施；遵循煤矿应急救援预案的原则，建立了煤矿应急预案评价指标体系。基于煤矿井下实时环境监控系统的数据进行深层次的分析，研究了该数据平台的系统管理；也有学者研究了国内外应急救援工作存在的问题，提出了加强矿山应急预案工作的措施；但是从协同学的角度分析煤应急管理的研究极少，只有少数学者在实际煤矿应急管理存在的问题基础上，从三维的角度分析，提出了系统是组织、决策、过程和资源四个子系统构成，构建了煤矿应急系统协同度测量模型和应急能力评价指标。

在煤矿事故安全应急救援数字预案方面，许多学者做出了一定的贡献。对于应急救援数字预案系统中的任务协同管理的研究甚少，也未对应急救援预案模型进行模型的效能评估，从而，本文将从矿山事故灾难应急救援指挥任务协同指挥流程的角度分析建立模型并对此进行效能评估。

发明内容

本发明要解决的技术问题是：本发明提供矿山事故应急救援数字预案的任务协同流程网络模型构建方法及效能评估方法，构建了矿山事故应急救援数字预案的任务协同流程网络模型并对其进行效能评估。

本发明技术方案是：矿山事故应急救援数字预案的任务协同流程网络模型构建方法，所述构建方法的具体步骤如下：

Step1、建模初始化：在煤矿应急预案流程的基础上，确定流程中各环节与随机Petri网模型的对应关系，得到建立随机Petri网模型的主要元素类型和属性、事件以及状态输入输出关系；

Step2、定义属性值：将随机Petri网模型中的各元素进行属性定义，即描述库所和变迁的含义，得到煤矿应急预案流程中令牌的数量和变迁激发条件；

Step3、随机Petri网模型的构建：在建模初始化及对随机Petri网模型中的各元素进行属性定义后，根据应急救援预警流程、应急响应处置、后期处置流程之间的关系以及应急处置整体流程，建立随机Petri网模型。本发明根据煤矿安全生产事故处理数字预案的流程和核心内容，对应急预案进行建模，建立了随机Petri网模型。

本发明针对煤矿应急管理的预案数字化的多层次多方位数字预案流程及决策模型问题；根据典型煤矿企业事故灾难预警响应分级的应急处置流程，矿山事故灾难应急救援指挥任务协同指挥系统是一种典型的大规模分布式动态系统，其中的并发、同步、互斥、资源竞争、不确定性等复杂性质，都可以用对应的随机Petri网结构进行精确的形式化描述，建立典型矿山事故灾难应急救援指挥工作流随机Petri网模型。

矿山事故应急救援数字预案的任务协同流程网络模型的效能评估方法，所述效能评估方法的具体步骤如下：

步骤1、利用灰色预测模型对矿山应急救援流程模型中各任务执行时间值进行预测，得到预测任务执行时间值；

步骤2：利用随机过程分析方法和根据矿山应急救援流程各个环节与状态之间的关系，构建出矿山应急救援流程同构的马尔科夫链；利用同构的马尔科夫链，构造各个状态转移的稳态概率矩阵方程，其中，利用预测任务执行时间值来获取稳态概率矩阵方程中的参数；

步骤3、基于以上稳态概率矩阵方程，直接使用线性方程求解方法来求得库所的稳态概率；再利用库所的稳态概率，对所测模型的平均执行时间进行计算；

步骤4、根据所测模型的平均执行时间来评估所测模型。

进一步地，所述步骤1的具体步骤为：

步骤1.1、设初始各任务执行时间值序列为x⁽⁰⁾＝(x⁽⁰⁾(1)，x⁽⁰⁾(2)，...，x⁽⁰⁾(n))；

步骤1.2、计算序列的级比：

步骤1.3、判断级比是否落在设定区间内；

如果级比落在设定区间内，则利用序列x⁽⁰⁾建立GM(1,1)模型再进行任务执行时间值的预测；

如果级比不落在设定区间内，对原始各任务执行时间值做平移变换，变换后的各任务执行时间值为y⁽⁰⁾(k)＝x⁽⁰⁾(k)+c,其中k＝1,2,...,n,c为常数，从而得到新的各任务执行时间值序列y⁽⁰⁾＝(y⁽⁰⁾(1)，y⁽⁰⁾(2),...,y⁽⁰⁾(n))；

步骤1.4、把新的各任务执行时间值序列y⁽⁰⁾＝(y⁽⁰⁾(1)，y⁽⁰⁾(2)，...，y⁽⁰⁾(n))作为初始各任务执行时间值序列；

步骤1.5、迭代执行步骤1.2-步骤1.4，直到级比均落在设定区间内迭代停止，把此时得到的新的各任务执行时间值序列z⁽⁰⁾＝(z⁽⁰⁾(1),z⁽⁰⁾(2),...,z⁽⁰⁾(n))；

步骤1.6、建立灰色预测模型，即GM(1,1)模型：

其中

的估计值用回归分析求得；

其中，

其中

步骤1.7、GM(1,1)模型相应的白化模型为：

随后解得：

为常数，从而得到其预测任务执行时间值为

进一步地，所述步骤2中，利用同构的马尔科夫链，构造各个状态转移的稳态概率矩阵方程为：

其中，Q为n*n稳态概率转移矩阵，P(M_i)表示库所的稳态概率，

在矩阵Q中，δ_ij为M_i到M_j的转移速率，M_i表示第i个库所，M_j表示第j个库所；

由步骤1得到的预测任务执行时间值

计算出库所之间的转移速率

而δ_ij的计算公式如下：

对于对角线上的

对于非对角线上的

进一步地，所述利用库所的稳态概率P(M_i)，对所测模型的平均执行时间进行计算的具体步骤包括：

步骤3.1、先计算所测模型的库所繁忙程度，库所繁忙程度的计算公式为：

其中，M(P_i)＝1表示标识中库所M_i含有资源的全部状态，P(M_i)是库所的稳态概率；

步骤3.2、所测模型平均执行时间的计算：

各个库所平均令牌数：

计算所测模型的平均时延

即所测模型平均执行时间为

小时。

本发明的有益效果是：

本发明根据煤矿安全生产事故处理数字预案的流程和核心内容，对应急预案进行建模，建立了随机Petri网模型，为决策者提供了一种有效将损失降到最低的模型，为搭建矿山安全生产事故应急处置数字预案系统提供了关键技术支撑。

本发明还提出使用随机Petri网和随机过程分析技术来获得多个稳态的计算结果，预测评估出指挥信息调度工作流程的所有救援任务执行时间，通过本发明，对数字化预案标准流程及数字化模型建立的效果做了初步研究评估，为建立提供一种区域多级预案联动信息系统平台提供一种评估方法。

本文将基于灰色预测模型结合Petri网的知识对矿山应急救援流程模型中各任务执行时间进行预测，进而对模型进行评估。

附图说明

图1实例性地示出了本发明的实施例一提供的一种矿山事故应急救援数字预案的任务协同流程网络模型构建方法的流程图；

图2实例性地示出了本发明的实施例一提供的一种矿山事故应急救援数字预案的任务协同流程网络模型效能评估方法的流程图；

图3实例性地示出了本发明的实施例一提供的一种矿山事故灾难应急救援指挥工作流Petri网模型示意图。

具体实施方式

下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做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。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

在煤矿事故安全应急救援数字预案方面，对于应急救援数字预案系统中的任务协同管理的研究甚少，也未对应急救援预案模型进行模型的效能评估；

在矿山应急救援过程时间是应急处置效率的主要指标，通常应急处置消耗时间越多，导致的损失就越大；

传统的性能分析办法是通过马尔科夫转移概率来计算系统的平均任务执行时间，但是由于各项任务执行时间具有不确定性因素导致模型性能的评估工作无法开展。

为了解决上述问题，本发明的实施例提供了一种矿山事故应急救援数字预案的任务协同流程网络模型构建方法及效能评估方法，构建了矿山事故应急救援数字预案的任务协同流程网络模型并对其进行效能评估。

首先结合附图，对本发明的实施例一进行说明。

如图1，本发明实施例提供了一种矿山事故应急救援数字预案的任务协同流程网络模型构建方法，所述构建方法的具体步骤如下：

Step1、建模初始化：在煤矿应急预案流程的基础上，确定流程中各环节与随机Petri网模型的对应关系，得到建立随机Petri网模型的主要元素类型和属性、事件以及状态输入输出关系；

Step2、定义属性值：将随机Petri网模型中的各元素进行属性定义，即描述库所和变迁的含义，得到煤矿应急预案流程中令牌的数量和变迁激发条件；

Step3、随机Petri网模型的构建：在建模初始化及对随机Petri网模型中的各元素进行属性定义后，根据应急救援预警流程、应急响应处置、后期处置流程之间的关系以及应急处置整体流程，建立随机Petri网模型。本发明根据煤矿安全生产事故处理数字预案的流程和核心内容，对应急预案进行建模，建立了随机Petri网模型。

如图3所示为本发明构建的一种矿山事故灾难应急救援指挥工作流Petri网模型，图3中所描述的库所26个，变迁18个，其具体含义见表1所示。该模型表示当事故发生时，在预警流程阶段，会在库所M₁获得一个令牌，此时变迁T₁成为使能变迁，通过变迁T₁传递到库所M₂，表示接收报警信息，随后变迁T₂被激发，将警报信息通知下去，促进释放现场反馈信息M₃,整合信息M₄，早期救援信息M₅，早期事故信息M₆，完成早期处置信息M₇，随后激发变迁T₃,T₄,T₅,T₆,T₇释放结束信息，将令牌传递给变迁T₈专家决策，随后产生库所M₁₃专家决策信息。在应急响应及救援流程阶段，变迁T₈专家决策被激发，产生专家决策信息M₁₃，随后变迁T₁₀被激发启动高级别应急响应和变迁T₉被激发启动应急预案，产生救援人员到位信息M₁₄，通信平台打开信息M₁₅，应急物资到位信息M₁₆，医疗人员到位信息M₁₇，现场指挥到位信息M₁₈，依次激发变迁T₁₁,T₁₂,T₁₃,T₁₄,T₁₅，随后令牌依次在库所M₂₀,M₂₁,M₂₂,M₂₃,M₂₄产生结束信息，随后激发变迁T₁₆启动应急救援行动，一直传到库所M₂₅，随后激发变迁T₁₇应急救援任务结束，最后将应急处置信息反馈到现场。在善后处置阶段，处理事故善后信息，整理汇总纳入国家应急救援案例库。

表1库所和变迁解释表

本发明针对煤矿应急管理的预案数字化的多层次多方位数字预案流程及决策模型问题；根据典型煤矿企业事故灾难预警响应分级的应急处置流程，矿山事故灾难应急救援指挥任务协同指挥系统是一种典型的大规模分布式动态系统，其中的并发、同步、互斥、资源竞争、不确定性等复杂性质，都可以用对应的随机Petri网结构进行精确的形式化描述，建立典型矿山事故灾难应急救援指挥工作流随机Petri网模型。

矿山事故应急救援数字预案的任务协同流程网络模型的效能评估方法，如图2，所述效能评估方法的具体步骤如下：

步骤1、利用灰色预测模型对矿山应急救援流程模型中各任务执行时间值进行预测，得到预测任务执行时间值；

步骤1.1、设初始各任务执行时间值序列为x⁽⁰⁾＝(x⁽⁰⁾(1),x⁽⁰⁾(2),...,x⁽⁰⁾(n))；

步骤1.2、计算序列的级比：

步骤1.3、判断级比是否落在设定区间内；

如果级比落在设定区间内，则利用序列x⁽⁰⁾建立GM(1,1)模型再进行任务执行时间值的预测；

如果级比不落在设定区间内，对原始各任务执行时间值做平移变换，变换后的各任务执行时间值为y⁽⁰⁾(k)＝x⁽⁰⁾(k)+c,其中k＝1,2,...，n,c为常数，从而得到新的各任务执行时间值序列y⁽⁰⁾＝(y⁽⁰⁾(1),y⁽⁰⁾(2)，...，y⁽⁰⁾(n))；

步骤1.4、把新的各任务执行时间值序列y⁽⁰⁾＝(y⁽⁰⁾(1)，y⁽⁰⁾(2),...,y⁽⁰⁾(n))作为初始各任务执行时间值序列；

步骤1.5、迭代执行步骤1.2-步骤1.4，直到级比均落在设定区间内迭代停止，把此时得到的新的各任务执行时间值序列z⁽⁰⁾＝(z⁽⁰⁾(1)，z⁽⁰⁾(2),...,z⁽⁰⁾(n))；

步骤1.6、建立灰色预测模型，即GM(1,1)模型：

其中

的估计值用回归分析求得；

其中，

其中

步骤1.7、GM(1,1)模型相应的白化模型为：

随后解得：

为常数，从而得到其预测任务执行时间值为

步骤1的优点在于不需要很多数据，就能解决矿事故历史数据少序列的完整性及可靠行的问题，可以利用微分方程来充分挖掘模型的本质，可以将无规律的原始数据得到规律性极强的生成序列。

步骤2：利用随机过程分析方法和根据矿山应急救援流程各个环节与状态之间的关系，构建出矿山应急救援流程同构的马尔科夫链；利用同构的马尔科夫链，构造各个状态转移的稳态概率矩阵方程为：

其中，Q为n*n稳态概率转移矩阵，P(M_i)表示库所的稳态概率，

在矩阵Q中，δ_ij为M_i到M_j的转移速率，M_i表示第i个库所，M_j表示第j个库所；

由步骤1得到的预测任务执行时间值

计算出库所之间的转移速率

而δ_ij的计算公式如下：

对于对角线上的

对于非对角线上的

步骤3、基于以上稳态概率矩阵方程，直接使用线性方程求解方法来求得库所的稳态概率；再利用库所的稳态概率，对所测模型的平均执行时间进行计算；

进一步地，所述利用库所的稳态概率P(M_i)，对所测模型的平均执行时间进行计算的具体步骤包括：

步骤3.1、先计算所测模型的库所繁忙程度，库所繁忙程度的计算公式为：

其中，M(P_i)＝1表示标识中库所M_i含有资源的全部状态，P(M_i)是库所的稳态概率；

步骤3.2、所测模型平均执行时间的计算：

各个库所平均令牌数：

计算所测模型的平均时延

即所测模型平均执行时间为

小时。

步骤4、根据所测模型的平均执行时间来评估所测模型，平均执行时间越短，所测模型性能越好。

上面结合附图对本发明的具体实施例作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (4)

1.矿山事故应急救援数字预案的任务协同流程网络模型的效能评估方法，其特征在于：所述效能评估方法的具体步骤如下：

步骤1、利用灰色预测模型对矿山应急救援流程模型中各任务执行时间值进行预测，得到预测任务执行时间值；

步骤2：利用随机过程分析方法和根据矿山应急救援流程各个环节与状态之间的关系，构建出矿山应急救援流程同构的马尔科夫链；利用同构的马尔科夫链，构造各个状态转移的稳态概率矩阵方程，其中，利用预测任务执行时间值来获取稳态概率矩阵方程中的参数；

步骤3、基于以上稳态概率矩阵方程，直接使用线性方程求解方法来求得库所的稳态概率；再利用库所的稳态概率，对所测模型的平均执行时间进行计算；

步骤4、根据所测模型的平均执行时间来评估所测模型；

所述步骤1的具体步骤为：

步骤1.1、设初始各任务执行时间值序列为x⁽⁰⁾＝(x⁽⁰⁾(1),x⁽⁰⁾(2),...,x⁽⁰⁾(n))；

步骤1.2、计算序列的级比：

步骤1.3、判断级比是否落在设定区间内；

如果级比落在设定区间内，则利用序列x⁽⁰⁾建立GM(1,1)模型再进行任务执行时间值的预测；

如果级比不落在设定区间内，对原始各任务执行时间值做平移变换，变换后的各任务执行时间值为y⁽⁰⁾(k)＝x⁽⁰⁾(k)+c,其中k＝1,2,...,n,c为常数，从而得到新的各任务执行时间值序列y⁽⁰⁾＝(y⁽⁰⁾(1),y⁽⁰⁾(2),...,y⁽⁰⁾(n))；

步骤1.4、把新的各任务执行时间值序列y⁽⁰⁾＝(y⁽⁰⁾(1),y⁽⁰⁾(2),...,y⁽⁰⁾(n))作为初始各任务执行时间值序列；

步骤1.5、迭代执行步骤1.2-步骤1.4，直到级比均落在设定区间内迭代停止，把此时得到的新的各任务执行时间值序列z⁽⁰⁾＝(z⁽⁰⁾(1),z⁽⁰⁾(2),...,z⁽⁰⁾(n))；

步骤1.6、建立灰色预测模型，即GM(1,1)模型：

其中

的估计值用回归分析求得；

其中，

其中

步骤1.7、GM(1,1)模型相应的白化模型为：

随后解得：

为常数，从而得到其预测任务执行时间值为

2.根据权利要求1所述的矿山事故应急救援数字预案的任务协同流程网络模型的效能评估方法，其特征在于：所述步骤2中，利用同构的马尔科夫链，构造各个状态转移的稳态概率矩阵方程为：

其中，Q为n*n稳态概率转移矩阵，P(M_i)表示库所的稳态概率，

在矩阵Q中，δ_ij为M_i到M_j的转移速率，M_i表示第i个库所，M_j表示第j个库所；

由步骤1得到的预测任务执行时间值

计算出库所之间的转移速率

而δ_ij的计算公式如下：

对于对角线上的

对于非对角线上的

3.根据权利要求1所述的矿山事故应急救援数字预案的任务协同流程网络模型的效能评估方法，其特征在于：所述利用库所的稳态概率，对所测模型的平均执行时间进行计算的具体步骤包括：

步骤3.1、先计算所测模型的库所繁忙程度，库所繁忙程度的计算公式为：

其中，M(P_i)＝1表示标识中库所M_i含有资源的全部状态，P(M_i)是库所的稳态概率；

步骤3.2、所测模型平均执行时间的计算：

各个库所平均令牌数：

计算所测模型的平均时延

即所测模型平均执行时间为

小时。

4.权利要求1-3任一项所述矿山事故应急救援数字预案的任务协同流程网络模型的效能评估方法中的矿山事故应急救援数字预案的任务协同流程网络模型的构建方法，其特征在于：所述构建方法的具体步骤如下：

Step1、建模初始化：在煤矿应急预案流程的基础上，确定流程中各环节与随机Petri网模型的对应关系，得到建立随机Petri网模型的主要元素类型和属性、事件以及状态输入输出关系；

Step2、定义属性值：将随机Petri网模型中的各元素进行属性定义，即描述库所和变迁的含义，得到煤矿应急预案流程中令牌的数量和变迁激发条件；

Step3、随机Petri网模型的构建：在建模初始化及对随机Petri网模型中的各元素进行属性定义后，根据应急救援预警流程、应急响应处置、后期处置流程之间的关系以及应急处置整体流程，建立随机Petri网模型。

Images