CN114707002A - 灾害应急决策生成方法、装置、设备及存储介质 - Google Patents
灾害应急决策生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114707002A CN114707002A CN202210414698.6A CN202210414698A CN114707002A CN 114707002 A CN114707002 A CN 114707002A CN 202210414698 A CN202210414698 A CN 202210414698A CN 114707002 A CN114707002 A CN 114707002A
- Authority
- CN
- China
- Prior art keywords
- case
- disaster
- entity data
- data
- emergency decision
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012216 screening Methods 0.000 claims description 9
- 230000002093 peripheral effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Animal Behavior & Ethology (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种灾害应急决策生成方法、装置、设备及存储介质,属于灾害应急处理技术领域。其通过显示灾害应急决策生成的主界面,主界面包括数据配置区域;通过数据配置区域接收灾害场景实体数据;将灾害场景实体数据在案例知识图谱库中进行匹配,得到预设数量的相似案例;获取所述相似案例对应的灾害应急决策。可以解决仅仅通过关键字检索,无法从文字描述复杂的案例中快速检索到合适的相似案例作为参考,导致无法及时作出灾害应急决策的问题。提高灾害应急决策的生成效率。
Description
技术领域
本申请属于灾害应急处理技术领域,具体涉及一种灾害应急决策生成方法、装置、设备及存储介质。
背景技术
近年来,随着洪灾、地震、火灾等重大事故灾害的爆发,经济、社会、环境等都受到了严重的影响,载体脆弱性提高、多灾种耦合度增大,导致灾害情景更加复杂,应急处置难度进一步增大。为了避免或减轻灾害事件导致的经济损失和人员伤亡,需要根据不同的灾害情景迅速作出科学的灾害应急决策。因此,高效的灾害应急决策生成方法至关重要。
传统的灾害应急决策生成方法,包括:构建不同的灾害事件的案例库,通过灾害事件的关键词在案例库中检索得到灾害事件对应案例和灾害应急决策。
然而,由于灾害事件的复杂性、灾害起因的多样性和灾害态势呈现的特异性等原因,仅仅通过关键字检索,无法从文字描述复杂的案例中快速检索到合适的相似案例作为参考,进而无法及时发挥案例在“全灾种、大应急”灾害应急决策中的辅助支撑作用,导致灾害应急决策难度增大问题。
发明内容
本申请提供了灾害应急决策生成方法、系统、设备及存储介质,可以解决仅仅通过关键字检索,无法从文字描述复杂的案例中快速检索到合适的相似案例作为参考,导致决策者难以及时充分借鉴案例经验,降低了案例在灾害应急决策的效能问题。本申请提供如下技术方案:
第一方面,提供了一种灾害应急决策生成方法,包括:显示灾害应急决策生成的主界面,所述主界面包括数据配置区域;通过所述数据配置区域接收灾害场景实体数据;所述灾害场景实体数据包括第一实体数据和第二实体数据;将所述灾害场景实体数据在案例知识图谱库中进行匹配,得到预设数量的相似案例;获取所述相似案例对应的灾害应急决策。
可选地,所述将所述灾害场景实体数据在案例知识图谱库中进行匹配,得到预设数量的相似案例,包括:基于所述第一实体数据,在所述案例知识图谱库中筛选得到关键案例;将所述第二实体数据和对应的所述关键案例的案例实体数据进行匹配,得到所述第二实体数据与对应的所述关键案例的案例实体数据的匹配度;基于所述匹配度和预设匹配度阈值,在所述关键案例中确定出预设数量的相似案例。
可选地,所述预设匹配度阈值包括多个不同的第二实体数据的匹配度阈值。
可选地,所述将所述灾害场景实体数据在案例知识图谱库中进行匹配,得到预设数量的相似案例之前,还包括:获取预先建立的案例规则;所述案例规则中包括多个不同灾害的案例规则;获取历史灾害数据;基于所述案例规则和预设语义分析算法,对所述历史灾害数据进行语义分析处理,得到所述历史灾害数据中不同灾害的历史实体数据;将所述历史实体数据和所述案例规则融合,得到灾害案例;通过规则推理算法,对所述灾害案例进行规则推理,得到所述案例知识图谱库。
可选地,所述将所述场景数据和所述案例规则融合之前,还包括:对所述场景数据进行实体对齐和实体消歧。
可选地,所述获取预先建立的案例规则,包括:获取权威案例;基于所述预设语义分析算法对所述权威案例进行分析,得到所述权威案例的案例特征;基于所述案例特征,构建案例规则。
第二方面,一种灾害应急决策生成装置,所述装置包括:
界面显示模块,用于显示灾害应急决策生成的主界面,所述主界面包括数据配置区域;
数据接收模块,用于通过所述数据配置区域接收灾害场景实体数据;所述灾害场景实体数据包括第一实体数据和第二实体数据;
案例匹配模块,用于将所述灾害场景实体数据在案例知识图谱库中进行匹配,得到预设数量的相似案例;
决策获取模块,用于获取所述相似案例对应的灾害应急决策。
第三方面,提供一种电子设备,包括存储器、控制器以及存储在存储器上并可在控制器上运行的计算机程序,所述控制器执行所述计算机程序时实现上述灾害应急决策生成方法的步骤。
第四方面,提供一种计算机可读存储介质,所述存储介质中存储有程序,所述程序被处理器执行时用于实现第一方面提供的灾害应急决策生成方法。
本申请的有益效果至少包括:通过主界面中的数据配置区域接收用户输入的灾害场景实体数据,其中,灾害场景实体数据包括第一实体数据和第二实体数据,通过第一实体数据在案例知识图谱库中进行筛选,得到案例知识图谱库中的关键案例;通过第二实体数据与关键案例中的对应的案例实体数据进行匹配,得到不同实体数据与对应的案例实体数据的匹配度,通过预设匹配度阈值,在关键案例中确定出预设数量的相似案例。可以解决仅仅通过关键字检索,无法从文字描述复杂的案例中快速检索到合适的相似案例作为参考,导致决策者难以及时充分借鉴案例经验,无法依托案例关键数据集进行精准决策问题;构建案例知识图谱库,通过第一实体数据进程筛选,得到关键案例,再通过多个不同的第二实体数据,与关键案例中对应的案例实体数据进行匹配,因此,可以在案例知识图谱库中快速匹配到合适的相似案例,进而提高灾害应急决策的生成效率。
另外,通过获取预设数量的相似案例,得到预设数量的灾害应急决策,将相似案例中匹配度最高的案例对应的灾害应急决策确定为当前灾害应急决策,在剩余的灾害应急决策中,确定出辅助灾害应急决策,在当前灾害应急决策因故无法实施的情况下,使用辅助灾害应急决策作为灾害场景的应急决策,可以提高灾害救援的成功率。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本申请的一些实施方式,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是本申请一个实施例提供的灾害应急决策生成方法的流程图;
图2是本申请一个实施例提供的灾害应急决策生成装置的框图;
图3是本申请一个实施例提供的电子设备的框图。
具体实施方式
下面将结合附图对本申请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申请一部分实施例,而不是全部的实施例。下文中将参考附图并结合实施例来详细说明本申请。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组合。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
在本申请中,在未作相反说明的情况下,使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的,或者是针对部件本身在竖直、垂直或重力方向上而言的;同样地,为便于理解和描述,“内、外”是指相对于各部件本身的轮廓的内、外,但上述方位词并不用于限制本申请。
下面对本申请提供的灾害应急决策生成方法进行详细介绍。
如图1所示,本申请的实施例提供一种灾害应急决策生成方法,该方法的实现可依赖于计算机程序,该计算机程序可运行于智能手机、平板电脑、个人电脑等计算机设备或者运行于服务器,本实施例不对该方法的运行主体作限定。该方法至少包括以下几个步骤:
步骤301,显示灾害应急决策生成的主界面。
其中,主界面包括数据配置区域,用于接收用户输入的灾害场景实体数据。
可选地,灾害场景实体数据包括但不限于灾害类型、灾害名称、受灾区域、发生时间、灾害损失、潜在风险、灾害等级和受灾人数等。
步骤302,通过数据配置区域接收灾害场景实体数据。
其中,灾害场景实体数据包括第一实体数据和第二实体数据。第一实体数据是指能够指示灾害主体的数据,例如灾害类型、灾害名称等;第二实体数据是指用于描述具体灾害内容的数据,例如受灾区域、发生时间、灾害损失、潜在风险和受灾人数等
步骤303,将灾害场景实体数据在案例知识图谱库中进行匹配,得到预设数量的相似案例。
其中,案例知识图谱库是预先建立的包括多个案例知识图谱的数据库。案例知识图谱中包括案例灾害场景实体数据和对应的灾害应急决策。其中,数据库可以为Mysql数据库、Oracle数据库等,本实施例不对数据库的实现方式作限定。
可选地,灾害应急决策包括但不限于应急响应级别、组织机构与职责、处置要点、处置任务、应急物资、应急装备和救援力量等。
在本实施例中,在接收到用户输入的第一实体数据之后,通过第一实体数据在案例知识图谱库中进行筛选,以得到相同类型的案例知识图谱,作为关键案例。
比如:用户输入的第一实体数据为自然灾害的第一实体数据,例如台风或者地震等,则在案例知识图谱库中进行筛选,得到台风或者地震的案例知识图谱;或者用户输入的第一实体数据为人为灾害的第一实体数据,例如火灾等,则在案例知识图谱库中进行筛选,得到火灾的案例知识图谱。
在得到相同类型的案例知识图谱之后,为了保证得到的案例知识图谱中的灾害应急决策,能适用于用户输入的灾害场景实体数据描述的灾害场景,还需要将灾害场景实体数据中的第二实体数据与筛选得到的关键案例进行匹配,得到相似案例。
具体地,将灾害场景实体数据在案例知识图谱库中进行匹配,得到预设数量的相似案例,包括:基于第一实体数据,在案例知识图谱库中筛选得到关键案例;将第二实体数据和对应的关键案例的案例实体数据进行匹配,得到第二实体数据与对应的关键案例的案例实体数据的匹配度;基于匹配度和预设匹配度阈值,在关键案例中确定出预设数量的相似案例。
其中,预设匹配度阈值包括多个不同第二实体数据的匹配度阈值。
比如:如果匹配的第二实体数据为受灾区域,那么匹配度与受灾区域之间的距离成正相关,可以将受灾区域边界衔接时的匹配度设置为受灾区域的匹配度阈值;或者,匹配的第二实体数据为受灾人数,可以将受灾人数相差预设人数(例如2人或者3人等)时,对应的匹配度设置为受灾人数的匹配度阈值。
可选地,将第二实体数据的匹配度均大于对应的预设匹配度阈值的关键案例作为相似案例。
在本实施例中,将灾害场景实体数据在案例知识图谱库中进行匹配,得到预设数量的相似案例之前,还需要获取历史灾害数据,通过案例规则和预设语义分析算法,获取历史灾害数据中的历史实体数据,将得到的历史实体数据与案例规则融合,构建案例知识图谱库。
其中,案例规则用于指示需要得到的实体数据,预设语义分析算法用于基于案例规则指示的实体数据,对历史灾害数据进行语义分析,得到历史实体数据。
比如:案例规则中可以包括地震案例规则,地震案例规则用于指示需要从历史地震灾害数据中获得的历史实体数据,例如震源、震级、灾害损失、应急处置措施、应急资源等核心决策要素,通过预设语义分析算法在历史地震灾害数据中提取以上实体数据。将获得的震源、震级等历史实体数据与地震案例规则融合,即将地震案例规则视为一个模板,将震源、震级等历史实体数据填入地震案例中规则中对应的部分。
可选地,预设语义分析算法可以为条件随机场算法(Conditional RandomFields,CRF)、文本分类模型(Text Convolutional Neural Networks,TextCNN)等,本实施例不对预设语义分析算法的选取作限定。
具体包括:获取预先建立的案例规则;案例规则中包括多个不同灾害的案例规则;获取历史灾害数据;基于案例规则和预设语义分析算法,对历史灾害数据进行语义分析处理,得到历史灾害数据中不同灾害的历史实体数据;将历史实体数据和案例规则融合,得到灾害案例;通过规则推理算法,对灾害案例进行规则推理,得到案例知识图谱库。
可选地,规则推理算法包括但不限于路径推理算法(Path Ranking Algorithm,PRA)、公共邻居算法(Adamic Adar algorithm,AA)等,本实施例不对规则推理算法的选取作限定。
在实际实施时,历史灾害数据可以是通过网络爬虫在网络中收集到的,因此,对历史灾害数据进行结构化处理得到的场景数据,存在一词多多义,或者多个不同的场景数据指示相同事件或者事务的可能,因此,在得到历史灾害数据中不同灾害的场景数据之后,还需要对场景数据进行数据处理。
可选地,将场景数据和案例规则融合之前,还包括:对场景数据进行实体对齐和实体消歧。
可选地,获取预先建立的案例规则,包括:获取权威案例;基于预设语义分析算法对权威案例进行分析,得到权威案例的案例特征;基于案例特征,构建案例规则。
其中,权威案例是指由应急管理政府部门分布的应急案例,权威案例包括多个不同灾害对应的权威案例。
步骤304,获取相似案例对应的灾害应急决策。
在实际实施时,在获取预设数量的相似案例后,获取相似案例的案例知识图谱中的灾害应急决策,将匹配度最高的相似度案例对应的灾害应急决策确定为当前灾害应急决策,同时,由于存在当前灾害应急决策无法实施的可能,还需要在获取到的灾害应急决策中,确定出辅助灾害应急决策。
比如:预设数量为2,在将两个相似案例中将匹配度之和较高的相似案例对应的灾害应急决策作为当前灾害应急决策,将匹配度之和较低的相似案例对应的灾害应急决策作为辅助灾害应急决策;或者,预设数量为5,在确定出当前灾害应急决策后,在剩余四个灾害应急决策中以人工选择的形式确定辅助灾害应急决策。
具体地,获取预设数量的相似案例的灾害应急决策之后,还包括:在决策方案中确定出当前灾害应急决策和辅助灾害应急决策。
综上所述,本实施例提供的灾害应急决策生成方法,通过主界面中的数据配置区域接收用户输入的灾害场景实体数据,其中,灾害场景实体数据包括第一实体数据和第二实体数据,通过第一实体数据在案例知识图谱库中进行筛选,得到案例知识图谱库中的关键案例;通过第二实体数据与关键案例中的对应的案例实体数据进行匹配,得到不同实体数据与对应的案例实体数据的匹配度,通过预设匹配度阈值,在关键案例中确定出预设数量的相似案例。可以解决仅仅通过关键字检索,无法从文字描述复杂的案例中快速检索到合适的相似案例作为参考,导致决策者难以及时充分借鉴案例经验,无法依托案例关键数据集进行精准决策问题;构建案例知识图谱库,通过第一实体数据进程筛选,得到关键案例,再通过多个不同的第二实体数据,与关键案例中对应的案例实体数据进行匹配,因此,可以在案例知识图谱库中快速匹配到合适的相似案例,进而提高灾害应急决策的生成效率。
另外,通过获取预设数量的相似案例,得到预设数量的灾害应急决策,将相似案例中匹配度最高的案例对应的灾害应急决策确定为当前灾害应急决策,在剩余的灾害应急决策中,确定出辅助灾害应急决策,在当前灾害应急决策因故无法实施的情况下,使用辅助灾害应急决策作为灾害场景的应急决策,可以提高灾害救援的成功率。
本实施例提供一种灾害应急决策生成装置,如图2所示。该装置包括至少以下几个模块:界面显示模块210、数据接收模块220、案例匹配模块230以及决策获取模块240。
界面显示模块210,用于显示灾害应急决策生成的主界面,主界面包括数据配置区域;
数据接收模块220,用于通过数据配置区域接收灾害场景实体数据;灾害场景实体数据包括第一实体数据和第二实体数据;
案例匹配模块230,用于将灾害场景实体数据在案例知识图谱库中进行匹配,得到预设数量的相似案例;
决策获取模块240,用于获取相似案例对应的灾害应急决策。
相关细节参考上述方法和系统实施例。
需要说明的是:上述实施例中提供的灾害应急决策生成装置在进行灾害应急决策生成时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将灾害应急决策生成装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的灾害应急决策生成装置与灾害应急决策生成方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本实施例提供一种电子设备,如图3所示。该电子设备至少包括处理器301和存储器302。
处理器301可以包括一个或多个处理核心,比如:4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器301可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器301还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器302可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器301所执行以实现本申请中方法实施例提供的灾害应急决策生成方法。
在一些实施例中,电子设备还可选包括有:外围设备接口和至少一个外围设备。处理器301、存储器302和外围设备接口之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口相连。示意性地,外围设备包括但不限于:射频电路、触摸显示屏、音频电路、和电源等。
当然,电子设备还可以包括更少或更多的组件,本实施例对此不作限定。
可选地,本申请还提供有一种计算机可读存储介质,计算机可读存储介质中存储有程序,程序由处理器加载并执行以实现上述方法实施例的灾害应急决策生成方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
显然,上述所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下,可以做出其它不同形式的变化或变动,都应当属于本申请保护的范围。
Claims (10)
1.一种灾害应急决策生成方法,其特征在于,所述方法包括:
显示灾害应急决策生成的主界面,所述主界面包括数据配置区域;
通过所述数据配置区域接收灾害场景实体数据;所述灾害场景实体数据包括第一实体数据和第二实体数据;
将所述灾害场景实体数据在案例知识图谱库中进行匹配,得到预设数量的相似案例;
获取所述相似案例对应的灾害应急决策。
2.根据权利要求1所述的方法,其特征在于,所述将所述灾害场景实体数据在案例知识图谱库中进行匹配,得到预设数量的相似案例,包括:
基于所述第一实体数据,在所述案例知识图谱库中筛选得到关键案例;
将所述第二实体数据和对应的所述关键案例中的案例实体数据进行匹配,得到所述第二实体数据与对应的所述关键案例的案例实体数据的匹配度;
基于所述匹配度和预设匹配度阈值,在所述关键案例中确定出预设数量的相似案例。
3.根据权利要求2所述的方法,其特征在于,所述预设匹配度阈值包括多个不同的第二实体数据的匹配度阈值。
4.根据权利要求1所述的方法,其特征在于,所述将所述灾害场景实体数据在案例知识图谱库中进行匹配,得到预设数量的相似案例之前,还包括:
获取预先建立的案例规则;所述案例规则中包括多个不同灾害的案例规则;
获取历史灾害数据;
基于所述案例规则和预设语义分析算法,对所述历史灾害数据进行语义分析处理,得到所述历史灾害数据中不同灾害的历史实体数据;
将所述历史实体数据和所述案例规则融合,得到灾害案例;
通过规则推理算法,对所述灾害案例进行规则推理,得到所述案例知识图谱库。
5.根据权利要求4所述的方法,其特征在于,所述将所述场景数据和所述案例规则融合之前,还包括:
对所述场景数据进行实体对齐和实体消歧。
6.根据权利要求4所述的方法,其特征在于,所述获取预先建立的案例规则,包括:
获取权威案例;
基于所述预设语义分析算法对所述权威案例进行分析,得到所述权威案例的案例特征;
基于所述案例特征,构建案例规则。
7.根据权利要求1所述的方法,其特征在于,所述获取所述预设数量的相似案例的灾害应急决策之后,还包括:
在所述决策方案中确定出当前灾害应急决策和辅助灾害应急决策。
8.一种灾害应急决策生成装置,其特征在于,所述装置包括:
界面显示模块,用于显示灾害应急决策生成的主界面,所述主界面包括数据配置区域;
数据接收模块,用于通过所述数据配置区域接收灾害场景实体数据;所述灾害场景实体数据包括第一实体数据和第二实体数据;
案例匹配模块,用于将所述灾害场景实体数据在案例知识图谱库中进行匹配,得到预设数量的相似案例;
决策获取模块,用于获取所述相似案例对应的灾害应急决策。
9.一种电子设备,其特征在于,所述设备包括管理器和存储器;所述存储器中存储有程序,所述程序由所述管理器加载并执行以实现如权利要求1至7任一所述的灾害应急决策生成方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有程序,所述程序被管理器执行时用于实现如权利要求1至7任一所述的灾害应急决策生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210414698.6A CN114707002A (zh) | 2022-04-20 | 2022-04-20 | 灾害应急决策生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210414698.6A CN114707002A (zh) | 2022-04-20 | 2022-04-20 | 灾害应急决策生成方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114707002A true CN114707002A (zh) | 2022-07-05 |
Family
ID=82174264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210414698.6A Pending CN114707002A (zh) | 2022-04-20 | 2022-04-20 | 灾害应急决策生成方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114707002A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330268A (zh) * | 2022-10-12 | 2022-11-11 | 华北科技学院(中国煤矿安全技术培训中心) | 一种应对矿山灾难的综合性应急指挥方法及系统 |
CN116227763A (zh) * | 2022-11-26 | 2023-06-06 | 中国消防救援学院 | 一种基于可视化模型的消防应急指挥方法及系统 |
-
2022
- 2022-04-20 CN CN202210414698.6A patent/CN114707002A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330268A (zh) * | 2022-10-12 | 2022-11-11 | 华北科技学院(中国煤矿安全技术培训中心) | 一种应对矿山灾难的综合性应急指挥方法及系统 |
CN115330268B (zh) * | 2022-10-12 | 2023-12-29 | 华北科技学院(中国煤矿安全技术培训中心) | 一种应对矿山灾难的综合性应急指挥方法及系统 |
CN116227763A (zh) * | 2022-11-26 | 2023-06-06 | 中国消防救援学院 | 一种基于可视化模型的消防应急指挥方法及系统 |
CN116227763B (zh) * | 2022-11-26 | 2024-04-26 | 中国消防救援学院 | 一种基于可视化模型的消防应急指挥方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111914569B (zh) | 基于融合图谱的预测方法、装置、电子设备及存储介质 | |
Hao et al. | A dynamic weight determination approach based on the intuitionistic fuzzy Bayesian network and its application to emergency decision making | |
US10667083B1 (en) | Method and apparatus for determining index grids of geo-fence | |
CN110363449B (zh) | 一种风险识别方法、装置及系统 | |
CN114707002A (zh) | 灾害应急决策生成方法、装置、设备及存储介质 | |
Grace et al. | Modeling expectation for evaluating surprise in design creativity | |
Kankanamge et al. | Public perceptions on artificial intelligence driven disaster management: Evidence from Sydney, Melbourne and Brisbane | |
CN112560985B (zh) | 神经网络的搜索方法、装置及电子设备 | |
CN109669837A (zh) | 设备状态预警方法、系统、计算机装置及可读存储介质 | |
CN114265979A (zh) | 确定融合参数的方法、信息推荐方法和模型训练方法 | |
CN110275962B (zh) | 用于输出信息的方法和装置 | |
CN113360580A (zh) | 基于知识图谱的异常事件检测方法、装置、设备及介质 | |
CN107679035A (zh) | 一种信息意图检测方法、装置、设备和存储介质 | |
Lv et al. | Computational intelligence in security of digital twins big graphic data in cyber-physical systems of smart cities | |
CN116167440B (zh) | 基于网格时空知识图谱的时空知识规则判定方法及相关设备 | |
Qiu et al. | Knowledge graph for identifying geological disasters by integrating computer vision with ontology | |
CN115328621B (zh) | 基于区块链的事务处理方法、装置、设备及存储介质 | |
Ayele et al. | Social media analytics and internet of things: survey | |
Vert et al. | Introduction to Contextual Processing: Theory and Applications | |
CN115470798A (zh) | 意图识别模型的训练方法、意图识别方法、装置及设备 | |
CN115048536A (zh) | 知识图谱生成方法、装置、计算机设备和存储介质 | |
Das et al. | Diversity matters: Robustness of bias measurements in Wikidata | |
Schempp et al. | An integrated crowdsourced framework for disaster relief distribution | |
Gôlo et al. | Triple-vae: A triple variational autoencoder to represent events in one-class event detection | |
CN115510858A (zh) | 一种面向涉毒案件的犯罪行为序列可视化方法及系统 |
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 |