CN112330004B - 一种基于事件链的城市燃气泄漏突发事件推演方法及系统 - Google Patents

Abstract

一种基于事件链的城市燃气泄漏突发事件推演方法及系统，属于燃气管线辅助应急决策技术领域，解决如何建立基于燃气泄漏的事件链的模型来推理预测燃气演变态势；利用知识元模型储存案例库和模型库信息，从更小的认知粒度对燃气泄漏事件链进行探究，将事件视为事物系统状态的变化；通过将事件和事件间关系知识元化，从本原角度揭示突发事件的演化过程，从而摆脱对以往事件链经验性的依赖；基于知识元建立了燃气泄漏事件链动态贝叶斯网络模型，该模型解决了推理过程中的不确定性，对事故原因进行诊断和事故发展演化态势进行预测推理，为事故应急决策提供理论支持和参考；依据案例库所建立燃气泄漏事件链，覆盖场景广、贴合实际情况。

Description

一种基于事件链的城市燃气泄漏突发事件推演方法及系统

技术领域

本发明属于燃气管线辅助应急决策技术领域，涉及一种基于事件链的城市燃气泄漏突发事件次生衍生事件推演方法及系统。

背景技术

随着城市化进程不断加剧，城市面临着越来越多的公共安全风险，给城市社会、经济的正常发展带来巨大威胁。燃气安全一直以来是城市生命线安全需要解决的首要问题，燃气安全不仅关乎企业的经济效益，还与城市居民生命安全有着密切的关系。城市燃气管线一旦发生泄漏，可能会引发喷射火、地下空间爆炸等一系列的灾害事件，形成事件链式效应。燃气泄漏事件链影响范围广，造成的损失巨大且事件链式演变态势不明确使得燃气泄漏事件链成为需要关注的重点对象。

目前针对燃气泄漏之后次生衍生事件演变预测方法一般有以下几种：在接到燃气泄漏报警后，燃气公司或其他相关部门前往现场，针对现场情况做出相应的燃气事件演变态势研判。这种方法主要依据现场人员和专家的经验来判断，主观性较强且可信度并不高。此外，根据已有的事故案例来分析燃气泄漏事件的演变过程，但目前并没有足够的数据来支撑进行此项活动。因此，提前对燃气事故演变过程进行推演可以及早采取应急措施，有效避免事故发生。事件链是一种对事故演变进行推理预测的有效方法。

现有技术中，公开日期为2019年2月22日、公开号为CN109377437A的中国发明专利申请《基于事件链的城市突发事件应急推理模型》公布了一种基于事件链的城市突发事件应急推理模型，该模型建立事件容器，环境信息漏斗过滤，结合随机森林算法，推导运行机理规律，突发事件链演化规律与应急决策、效率驱动型应急决策作用下突发事件链演化规律、资源驱动型应急决策作用下突发事件链演化规律。通过上述方式，该模型能够以解决当前如自然灾害类、事故灾难类、公共卫生事件类、社会安全事件类等城市各种突发事件的变化态势，建立应急推理模型，为城市突发事件后续决策分析提供决策分析依据和参考。

但是上述发明专利申请需要改进的地方在于：未建立基于燃气泄漏的事件链来推理预测燃气演变态势，因此本发明提出了相关的方法对其进行研究分析。

发明内容

本发明所要解决的技术问题在于如何建立基于燃气泄漏的事件链的模型来推理燃气泄漏演变态势，预测次生衍生事件发生可能。

本发明是通过以下技术方案解决上述技术问题的：一种基于事件链的城市燃气泄漏突发事件推演方法，包括：

步骤1)收集燃气泄漏事故案例，将燃气泄漏事故案例按照“案例-情景-对象-要素-数据”五层架构进行划分并储存，从而建立燃气泄漏事故案例库；

步骤2)根据燃气泄漏事故案例库要素，提出事件链所需要的模型，分别建立突发事件、承灾载体受损、应急救援能力评估的物理或理论模型，从而建立燃气泄漏事故模型库；所述的燃气泄漏事故案例库包含模型相关代码、理论公式、示意图；

步骤3)根据案例库情景，分析事件与事件间的关系，建立事件间的规则，形成规则库；所述的规则库包含事件间关系相关计算公式；

步骤4)将燃气泄漏事故模型库与规则库采用向量数字重构，转化为数字化语言，并以知识元模型进行储存；

步骤5)基于知识元模型提供的动态贝叶斯网络的节点变量，分别建立动态贝叶斯的网络结构、条件概率表及转移概率，从而构造燃气事件链动态贝叶斯网络模型；利用燃气事件链动态贝叶斯网络模型推理，实现燃气泄漏事故的态势预测。

利用知识元模型储存案例库和模型库信息，从更小的认知粒度对燃气泄漏事件链进行探究，将事件视为事物系统状态的变化；通过将事件和事件间关系知识元化，从本原角度揭示突发事件的演化过程，从而摆脱对以往事件链经验性的依赖；基于知识元建立了燃气泄漏事件链动态贝叶斯网络模型，该模型解决了推理过程中的不确定性，对事故原因进行诊断和事故发展演化态势进行预测推理，为事故应急决策提供理论支持和参考；依据案例库所建立燃气泄漏事件链，覆盖场景广、贴合实际情况。

作为本发明技术方案的进一步改进，步骤1)中所述的五层架构的作用是：归纳事件链中的关键事件节点、分析事件链事件中的耦合作用、总结燃气事件链推演所需的基础数据。

作为本发明技术方案的进一步改进，步骤2)中事件链所需要的模型包括：泄漏模型、喷射火模型、地下空间爆炸模型等多个事件间关系相关计算模型；

作为本发明技术方案的进一步改进，步骤3)中所述的规则库中的规则按照“if-then”形式存储，具体形式如下：

If V1j1∪Vi12∩Vijk；

Then(Vmn1，P1)，(Vmn2，P2)；

其中，V1j1表示第1个案例库要素所用模型的第j个参数的第1个状态值；Vi12表示第i个案例库要素所用模型的第1个参数的第2个状态值；Vijk表示第i个案例库要素所用模型的第j个参数的第k个状态值；Vmn1表示第m个案例库要素所用模型的第n个参数的第1个状态值；Vmn2表示第m个案例库要素所用模型的第n个参数的第2个状态值；P1、P2分别代表Vmn1、Vmn2的概率，∪、∩分别表示并集与交集。

作为本发明技术方案的进一步改进，所述的规则库中的规则按照“if-then”形式存储泄漏、点火与喷射火的具体形式如下：

If中压泄漏∪大孔泄漏∪大气泄漏∪机械设备点火；

Then(喷射火发生，30％)，(喷射火不发生，70％)。

作为本发明技术方案的进一步改进，步骤4)中所述的知识元模型以向量形式储存燃气泄漏事故模型库与规则库，所述的向量表达式为：

V_i＝{V_i1,V_i2,…V_in} (1)

式中：V_i表示第i个案例库要素，V_i1,V_i2,…V_in表示第i个案例库要素所用到模型中的第1,2…n个参数。

作为本发明技术方案的进一步改进，所述的向量包括泄漏向量、喷射火向量、地下空间爆炸向量。

作为本发明技术方案的进一步改进，所述的泄漏向量表达式为：

L_EAK＝{失效类型，泄漏方式，泄漏规模，泄漏孔，泄漏时间，泄漏量} (2)

用字母可简化表达为：

L_leak＝F+D+S+L+T+R (3)

其中，F、D、S、L、T、R分别表示失效类型、泄漏方式、泄漏规模、泄漏孔、泄漏时间、泄漏量。

作为本发明技术方案的进一步改进，步骤5)中所述的燃气事件链动态贝叶斯网络模型推理包括事故原因诊断及事故态势预测；所述的事故原因诊断的公式如下：

式中，T、X_i表示节点，P(X_i＝x∣T＝yes)为T节点是yes状态时，X_i为x状态的概率；P(T＝yes∣X_i＝x)表示X_i为x状态时T节点是yes状态的概率；P(X_i＝x)表示X_i为x状态的概率；P(T＝yes)表示T节点是yes状态的概率；

所述的事故态势预测的公式如下：

式中，

为X₁节点在t时刻的状态；P(T_i)表示T_i的概率；

表示X₁在t时刻的某种状态时，T_i的概率；

表示X₁在t时刻为某种状态的概率；

表示X_n在t时刻的某种状态时，T_i的概率；

表示X_n在t时刻为某种状态的概率。

一种基于事件链的城市燃气泄漏突发事件推演系统，包括：

案例库建立模块，用于收集燃气泄漏事故案例，将燃气泄漏事故案例按照“案例-情景-对象-要素-数据”五层架构进行划分并储存，从而建立燃气泄漏事故案例库；

模型库建立模块，用于根据燃气泄漏事故案例库要素，提出事件链所需要的模型，分别建立突发事件、承灾载体受损、应急救援能力评估的物理或理论模型，从而建立燃气泄漏致灾模型分析库；所述的燃气泄漏事故案例库包含模型相关代码、理论公式、示意图；

规则库建立模块，用于根据案例库情景，分析事件与事件间的关系，建立事件间的规则，形成规则库；所述的规则库包含事件间关系相关计算公式；

储存模块，用于将燃气泄漏事故模型库与规则库采用向量数字重构，转化为数字化语言，并以知识元模型进行储存；

推理预测模块，用于基于知识元模型提供的动态贝叶斯网络的节点变量，分别建立动态贝叶斯的网络结构、条件概率表及转移概率，从而构造燃气事件链动态贝叶斯网络模型；利用燃气事件链动态贝叶斯网络模型推理，实现燃气泄漏事故的态势预测。

本发明的优点在于：

(1)对城市燃气管线泄漏突发事件进行科学建模，探究次生衍生事件链演化的内在机理，依据案例库所建立燃气泄漏事件链，覆盖场景广、贴合实际情况。

(2)利用知识元模型储存案例库和模型库信息，从更小的认知粒度对燃气泄漏事件链进行探究，将事件视为事物系统状态的变化；通过将事件和事件间关系知识元化，从本原角度揭示突发事件的演化过程，从而摆脱对以往事件链经验性的依赖。

(3)基于知识元建立了燃气泄漏事件链动态贝叶斯网络模型，该模型解决了推理过程中的不确定性，对事故原因进行诊断和事故发展演化态势进行预测推理，为事故应急决策提供理论支持和参考。

附图说明

图1是本发明实施例的燃气泄漏事件链流程示意图；

图2是本发明实施例的动态贝叶斯网络建立过程；

图3是本发明实施例的动态贝叶斯网络结构、条件概率表、转移概率；

图4是本发明实施例的燃气泄漏事件链动态贝叶斯网络模型(部分结构)。

具体实施方式

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，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。

下面结合说明书附图以及具体的实施例对本发明的技术方案作进一步描述：

实施例一

在本发明实施例中，事件链模型建立流程如图所示，一种基于事件链的燃气泄漏次生衍生突发事件推演方法，可以研判燃气泄漏之后突发事件的演变态势。首先收集燃气事故案例，将案例以五层架构进行储存；根据案例中要素，收集或建立相关物理或理论模型，建立燃气事故模型库；根据案例中情景，探究事件间的关系，建立事件间规则，形成规则库；将模型库与规则库以知识元模型进行储存；基于知识元模型，分别建立动态贝叶斯网络的结构，条件概率及转移概率，最终形成燃气事件链动态贝叶斯网络模型，利用动态贝叶斯的推理能力，实现燃气泄漏事故的态势预测，为城市燃气泄漏应急管理提供理论依据和参考。

案例库五层架构，主要是为案例的储存以及问题的检索和求解提供了一种机制，通过它将案例划分为“案例-情景-对象-要素-数据”五层架构，归纳出事件链中的关键事件节点，分析了事件链事件中的耦合作用，总结燃气事件链推演所需的基础数据。

案例为一次燃气事故发生到结束的完整描述和记录；情景指某一时间段，一定环境下，事物之间发生关系的最小描述；对象主要指承灾载体，即可能受到威胁或破坏的客体；要素指案例中描述事件的最小单元；数据指要素内所包含及需要的数据信息。其中，案例库要素包括突发事件、承灾载体、应急管理以及环境因素。

突发事件表示作用于承载体的致灾因子及影响致灾因子的一些事件；承灾载体表示受到威胁或破坏的人群、建筑及设施；应急管理表示事故救援力量的具体情况；环境因素为灾害的自然及人文环境条件，会影响灾害的发展演化以及影响应急救援。

模型库，由案例库要素提出了事件链所需要的模型，然后建立相关的理论或物理模型构成模型库。模型库包含模型相关代码、理论公式、示意图。

规则库，规则分析事件与事件间的关系，规则库包含事件间关系相关计算公式。规则库中的规则按照“if-then”形式存储，具体形式如下：

If V1j1∪Vi12∩Vijk；

Then(Vmn1，P1)，(Vmn2，P2)；

其中，V1j1表示第1个案例库要素所用模型的第j个参数的第1个状态值；Vi12表示第i个案例库要素所用模型的第1个参数的第2个状态值；Vijk表示第i个案例库要素所用模型的第j个参数的第k个状态值；Vmn1表示第m个案例库要素所用模型的第n个参数的第1个状态值；Vmn2表示第m个案例库要素所用模型的第n个参数的第2个状态值；P1、P2分别代表Vmn1、Vmn2的概率，∪、∩分别表示并集与交集。

具体如泄漏、点火与喷射火的规则计算如下：If中压泄漏∪大孔泄漏∪大气泄漏∪机械设备点火；Then(喷射火发生，30％)，(喷射火不发生，70％)。

知识元模型，提供了一种储存机制，知识元模型以向量形式储存模型和规则，包括泄漏向量、喷射火向量、地下空间爆炸向量等，向量表达式为：

V_i＝{V_i1,V_i2,…V_in}

式中：V_i表示第i个案例库要素，V_i1,V_i2,…V_in表示第i个案例库要素所用到模型中的第1,2…n个参数。

知识元是构造知识结构的基本单元，是不可再分割的具有完备知识表达的知识单位。在研究燃气泄漏事件链时，粒度划分复杂，而知识元结构稳定，内容单一，其关系特征相对简单，因此可把复杂事件系统用知识元描述。

如泄漏向量表达式为：

LEAK＝{失效类型，泄漏方式，泄漏规模，泄漏孔，泄漏时间，泄漏量}

若用字母可简化表达为：

L_leak＝F+D+S+L+T+R

将向量数字化重构，转化为数字化语言，方便被计算机识别。将泄漏向量数字化重构，结果如表1所示。泄漏、点火、喷射火规则知识元如所示。

表1泄漏向量数字化重构

知识元位置	知识元类型	知识元名称	值
				1	字符型	失效类型	1自然灾害；2第三方破坏；3腐蚀；4管道缺陷
2	字符型	泄漏方式	1土壤；2大气；3连通管线；4室内
				3	字符型	泄漏规模	1小量；2大量
4	数值型	泄漏孔	1≤20mm；2 20mm-管道直径；3管道直径
				5	数值型	泄漏时间	实际值(0-1000min)
6	数值型	泄漏量	计算值(0-10t)

表2泄漏、点火和喷射火关系知识元

动态贝叶斯网络模型建立过程如图1所示。动态贝叶斯的网络结构、条件概率表以及转移概率如图2所示。知识元模型提供动态贝叶斯网络的节点变量，建立的燃气泄漏事件链动态贝叶斯网络模型如图3所示。

所述的燃气事件链动态贝叶斯网络模型推理包括事故原因诊断及事故态势预测；所述的事故原因诊断的公式如下：

式中，T、X_i表示节点，P(X_i＝x∣T＝yes)为T节点是yes状态时，X_i为x状态的概率；P(T＝yes∣X_i＝x)表示X_i为x状态时T节点是yes状态的概率；P(X_i＝x)表示X_i为x状态的概率；P(T＝yes)表示T节点是yes状态的概率；

所述的事故态势预测的公式如下：

式中，

为X₁节点在t时刻的状态；P(T_i)表示T_i的概率；

表示X₁在t时刻的某种状态时，T_i的概率；

表示X₁在t时刻为某种状态的概率；

表示X_n在t时刻的某种状态时，T_i的概率；

表示X_n在t时刻为某种状态的概率。

图4为燃气泄漏事件链动态贝叶斯网络模型，动态贝叶斯网络是一种概率图形化模型，由有向无环图、条件概率表和转移概率组成，其中有向无环图中的节点表示变量，条件概率表表示节点变量间的定量关系，转移概率为与时间相关的条件概率。动态贝叶斯模型建立包括网络结构的构建、条件概率表的确定以及转移概率的确定；建立的燃气泄漏事件链动态贝叶斯网络模型利用动态贝叶斯的特性进行推理，输入初始数据，可推理事故演变态势及诊断事故发生原因。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于事件链的城市燃气泄漏突发事件推演方法，其特征在于，包括：

步骤1)收集燃气泄漏事故案例，将燃气泄漏事故案例按照“案例-情景-对象-要素-数据”五层架构进行划分并储存，从而建立燃气泄漏事故案例库；

步骤2)根据燃气泄漏事故案例库要素，提出事件链所需要的模型，分别建立突发事件、承灾载体受损、应急救援能力评估的物理或理论模型，从而建立燃气泄漏事故模型库；所述的燃气泄漏事故案例库包含模型相关代码、理论公式、示意图；

步骤3)根据案例库情景，分析事件与事件间的关系，建立事件间的规则，形成规则库；所述的规则库包含事件间关系相关计算公式；

步骤4)将燃气泄漏事故模型库与规则库采用向量数字重构，转化为数字化语言，并以知识元模型进行储存；

步骤5)基于知识元模型提供的动态贝叶斯网络的节点变量，分别建立动态贝叶斯的网络结构、条件概率表及转移概率，从而构造燃气事件链动态贝叶斯网络模型；利用燃气事件链动态贝叶斯网络模型推理，实现燃气泄漏事故的态势预测。

2.根据权利要求1所述的一种基于事件链的城市燃气泄漏突发事件推演方法，其特征在于，步骤1)中所述的五层架构的作用是：归纳事件链中的关键事件节点、分析事件链事件中的耦合作用、总结燃气事件链推演所需的基础数据。

3.根据权利要求1所述的一种基于事件链的城市燃气泄漏突发事件推演方法，其特征在于，步骤2)中事件链所需要的模型包括：泄漏模型、喷射火模型、地下空间爆炸模型。

4.根据权利要求1所述的一种基于事件链的城市燃气泄漏突发事件推演方法，其特征在于，步骤3)中所述的规则库中的规则按照“if-then”形式存储，具体形式如下：

If V1j1∪Vi12∩Vijk；

Then(Vmn1，P1)，(Vmn2，P2)；

其中，V1j1表示第1个案例库要素所用模型的第j个参数的第1个状态值；Vi12表示第i个案例库要素所用模型的第1个参数的第2个状态值；Vijk表示第i个案例库要素所用模型的第j个参数的第k个状态值；Vmn1表示第m个案例库要素所用模型的第n个参数的第1个状态值；Vmn2表示第m个案例库要素所用模型的第n个参数的第2个状态值；P1、P2分别代表Vmn1、Vmn2的概率，∪、∩分别表示并集与交集。

5.根据权利要求4所述的一种基于事件链的城市燃气泄漏突发事件推演方法，其特征在于，所述的规则库中的规则按照“if-then”形式存储泄漏、点火与喷射火的具体形式如下：

If中压泄漏∪大孔泄漏∪大气泄漏∪机械设备点火；

Then(喷射火发生，30％)，(喷射火不发生，70％)。

6.根据权利要求1所述的一种基于事件链的城市燃气泄漏突发事件推演方法，其特征在于，步骤4)中所述的知识元模型以向量形式储存燃气泄漏事故模型库与规则库，所述的向量表达式为：

V_i＝{V_i1,V_i2,…V_in} (1)

式中：V_i表示第i个案例库要素，V_i1,V_i2,…V_in表示第i个案例库要素所用到模型中的第1,2…n个参数。

7.根据权利要求6所述的一种基于事件链的城市燃气泄漏突发事件推演方法，其特征在于，所述的向量包括泄漏向量、喷射火向量、地下空间爆炸向量。

8.根据权利要求7所述的一种基于事件链的城市燃气泄漏突发事件推演方法，其特征在于，所述的泄漏向量表达式为：

L_EAK＝{失效类型，泄漏方式，泄漏规模，泄漏孔，泄漏时间，泄漏量} (2)

用字母可简化表达为：

L_leak＝F+D+S+L+T+R (3)

其中，F、D、S、L、T、R分别表示失效类型、泄漏方式、泄漏规模、泄漏孔、泄漏时间、泄漏量。

9.根据权利要求1所述的一种基于事件链的城市燃气泄漏突发事件推演方法，其特征在于，步骤5)中所述的燃气事件链动态贝叶斯网络模型推理包括事故原因诊断及事故态势预测；所述的事故原因诊断的公式如下：

式中，T、X_i表示节点，P(X_i＝x∣T＝yes)为T节点是yes状态时，X_i为x状态的概率；P(T＝yes∣X_i＝x)表示X_i为x状态时T节点是yes状态的概率；P(X_i＝x)表示X_i为x状态的概率；P(T＝yes)表示T节点是yes状态的概率；

所述的事故态势预测的公式如下：

式中，

为X₁节点在t时刻的状态；P(T_i)表示T_i的概率；

表示X₁在t时刻的某种状态时，T_i的概率；

表示X₁在t时刻为某种状态的概率；

表示X_n在t时刻的某种状态时，T_i的概率；

表示X_n在t时刻为某种状态的概率。

10.一种基于事件链的城市燃气泄漏突发事件推演系统，其特征在于，包括：

例库建立模块，用于收集燃气泄漏事故案例，将燃气泄漏事故案例按照“案例-情景-对象-要素-数据”五层架构进行划分并储存，从而建立燃气泄漏事故案例库；

模型库建立模块，用于根据燃气泄漏事故案例库要素，提出事件链所需要的模型，分别建立突发事件、承灾载体受损、应急救援能力评估的物理或理论模型，从而建立燃气泄漏事故模型库；所述的燃气泄漏事故案例库包含模型相关代码、理论公式、示意图；

规则库建立模块，用于根据案例库情景，分析事件与事件间的关系，建立事件间的规则，形成规则库；所述的规则库包含事件间关系相关计算公式；

储存模块，用于将燃气泄漏事故模型库与规则库采用向量数字重构，转化为数字化语言，并以知识元模型进行储存；

推理预测模块，用于基于知识元模型提供的动态贝叶斯网络的节点变量，分别建立动态贝叶斯的网络结构、条件概率表及转移概率，从而构造燃气事件链动态贝叶斯网络模型；利用燃气事件链动态贝叶斯网络模型推理，实现燃气泄漏事故的态势预测。

Images