CN116663897B - 一种基于贝叶斯网络的城市老旧社区安全风险评价方法 - Google Patents

一种基于贝叶斯网络的城市老旧社区安全风险评价方法 Download PDF

Info

Publication number
CN116663897B
CN116663897B CN202310593905.3A CN202310593905A CN116663897B CN 116663897 B CN116663897 B CN 116663897B CN 202310593905 A CN202310593905 A CN 202310593905A CN 116663897 B CN116663897 B CN 116663897B
Authority
CN
China
Prior art keywords
community
security risk
urban
risk evaluation
old community
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
Application number
CN202310593905.3A
Other languages
English (en)
Other versions
CN116663897A (zh
Inventor
谷甜甜
马岚
王文顺
刘旭
朱敏
郝恩扬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Mining and Technology CUMT
Original Assignee
China University of Mining and Technology CUMT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN202310593905.3A priority Critical patent/CN116663897B/zh
Publication of CN116663897A publication Critical patent/CN116663897A/zh
Application granted granted Critical
Publication of CN116663897B publication Critical patent/CN116663897B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Mathematical Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于贝叶斯网络的城市老旧社区安全风险评价方法，包括构建城市老旧社区安全风险评价指标体系，从人、物、环境三个维度构建指标体系，再下设二级指标；城市老旧社区安全风险评价指标数据的收集与预处理；贝叶斯网络结构学习；贝叶斯网络参数学习；贝叶斯网络模型检验；基于上述基本操作提出城市老旧社区安全风险评价技术流程。本方法能够科学地对城市老旧社区安全风险进行客观评价，并通过评价结果厘清城市老旧社区关键安全风险，为城市老旧社区安全风险防范提供有效指导，从而推动城市老旧社区健康安全发展。

Description

一种基于贝叶斯网络的城市老旧社区安全风险评价方法
技术领域
本发明涉及城市老旧社区安全风险评价领域，具体涉及一种基于贝叶斯网络的城市老旧社区安全风险评价方法。
背景技术
安全风险评价对城市老旧社区安全风险防范具有重要的现实意义。
当前涉及城市老旧社区安全风险评价的研究相对较少，多数技术方案集中在社区安全建设、社区安全治理等软硬件建设方面，少数学者基于AHP法、数值模拟、图神经网络等对社区火灾、社区内涝灾害和社区户内燃气系统等进行评价，对城市老旧社区安全风险的研究仅停留在单一灾种的城市老旧社区风险评价。
然而，现有技术方案未对城市老旧社区安全风险进行综合评价研究，缺少针对城市老旧社区整体安全风险的定量评价方法，不能对城市老旧社区安全风险做出合理评价，使得城市老旧社区安全风险防范缺乏科学的参考依据。
发明内容
针对上述存在的技术不足，本发明的目的是提供一种基于贝叶斯网络的城市老旧社区安全风险评价方法，其能够以系统、科学、全面地评价城市老旧社区安全风险。
为解决上述技术问题，本发明采用如下技术方案：
本发明提供一种基于贝叶斯网络的城市老旧社区安全风险评价方法，包括以下步骤：
步骤S1：构建城市老旧社区安全风险评价指标体系，从人、物、环境三个维度构建指标体系，再下设二级指标；
步骤S2：城市老旧社区安全风险评价指标数据的收集与预处理；
步骤S3：贝叶斯网络结构学习；
步骤S4：贝叶斯网络参数学习；
步骤S5：贝叶斯网络模型检验；
步骤S6：基于上述基本操作提出城市老旧社区安全风险评价技术流程。
优选地，步骤S1中城市老旧社区安全风险评价指标依据期刊文献、老旧社区事故报告确定，城市老旧社区安全风险评价指标包括人为风险、建筑物及设备设施风险和社区环境风险三个一级指标；
人为风险包括个人风险认知、个人不安全行为、社区日常管理能力、社区应急管理能力四个二级指标；
建筑物及设备设施风险包括社区建筑承灾能力、社区安全设施完备性、社区基础设施脆弱性三个二级指标；
社区环境风险包括社区交通便利性、社区周边设施危险性、社区政策敏感性、社区安全建设资金投入、社区安全文化建设水平五个二级指标。
优选地，步骤S2中城市老旧社区安全风险评价指标数据来源于专家调查问卷数据，数据预处理包括确定每位专家对指标的风险状态评价。
优选地，步骤S3中贝叶斯网络结构学习是采用贪婪厚薄化算法构建城市老旧社区安全风险评价指标网络结构，包括如下步骤：
步骤S3.1、输入步骤S2数据处理结果；
步骤S3.2、选择贪婪厚薄化算法作为结构学习的算法；
步骤S3.3、根据专家对评价指标间影响关系的判断构造初始结构；
步骤S3.4、设置算法中离散阈值和最大父节点数等参数；
步骤S3.5、构建城市老旧社区安全风险评价指标网络结构。
优选地，步骤S3.2中的贪婪厚薄化算法是通过在空白网络上不断添加节点间的有向线段，直到增加的有向线段不会导致边际似然函数增加，再不断删减有向线段，直到删减的有向线段不会导致边际似然函数减少，从而近似且快速的得到最优的结构模型。
优选地，步骤S4中贝叶斯网络参数学习是采用期望极大算法训练城市老旧社区安全风险评价指标网络的条件概率分布，包括如下步骤：
步骤S4.1、输入步骤S2数据处理结果；
步骤S4.2、选择期望极大算法作为参数学习的算法；
步骤S4.3、确定目标节点；
步骤S4.4、设置参数初始化，选择算法的起点；
步骤S4.5、输出各评价指标节点的条件概率分布。
优选地，步骤S4.2中期望极大算法包括如下步骤：
1)输入观测变量数据Y，隐变量数据Z，联合分布P(Y,Z|θ)，条件分布P(Z|Y,θ)；
2)选择参数的初值θ(0)，开始迭代；
3)E步：求期望，记θ(i)为第i次迭代参数的估计值，在第i+1次迭代的E步中，计算P(Z|Y,θ(i))在给定观测数据Y和当前参数估计θ(i)下隐变量数据Z的条件概率分布：
4)M步：求极大；使Q(θ,θ(i))极大化的第i+1次迭代的参数估计值θ(i+1)：
5)重复上述步骤3)、4)，直到收敛；
6)输出模型参数θ。
优选地，步骤S5中贝叶斯网络模型检验是采用k-折叠交叉验证法检验城市老旧社区安全风险评价模型的准确性，包括如下步骤：
步骤S5.1、输入步骤S2数据处理结果；
步骤S5.2、选择k-折叠交叉验证作为模型检验的方法；
步骤S5.3、设置折叠次数和折叠种子等参数；
步骤S5.4、输出验证结果。
优选地，步骤S5.4中验证结果通过接受者操作特征曲线显示出来，ROC曲线是一个坐标模式分析工具，用来显示模型可能的精度范围，当ROC曲线与坐标轴围成的面积大于等于0.5，表明上述构建的城市老旧社区安全风险评价模型具有一定的预测价值。
优选地，步骤S6中基于上述基本操作提出城市老旧社区安全风险评价技术流程包括如下步骤：
步骤S6.1、城市老旧社区安全风险评价指标数据收集与预处理；
步骤S6.2、输入城市老旧社区安全风险评价指标数据；
步骤S6.3、基于步骤S5确定的城市老旧社区安全风险评价模型输出城市老旧社区安全风险状态。
本发明的有益效果在于：
1、本发明考虑到城市老旧社区安全风险具有复杂性和动态性等特点，从人、物、环境三个维度系统识别城市老旧社区安全风险评价指标，并选择贝叶斯网络作为城市老旧社区安全风险评价的方法，将样本数据与人类经验和知识充分结合，避免主观偏见，从而客观评价城市老旧社区安全风险，确保了评价的前瞻性、便捷性和科学性，有效地弥补了城市老旧社区安全风险评价的空白，丰富了该领域研究内容及方法。
2、通过将该方案应用到具体社区安全风险评价，表明其能够科学地对城市老旧社区安全风险进行客观评价，并通过评价结果厘清城市老旧社区关键安全风险，为城市老旧社区安全风险防范提供有效指导，从而推动城市老旧社区健康安全发展。
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，下面描述中的附图仅仅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为本发明实施例提供的一种基于贝叶斯网络的城市老旧社区安全风险评价方法的流程示意图；
图2为城市老旧社区安全风险评价BN模型。
具体实施方式
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，所描述的实施例仅仅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。
如图1至图2所示，一种基于贝叶斯网络的城市老旧社区安全风险评价方法，充分考虑到城市老旧社区安全风险具有复杂性和动态性等特点，从人、物、环境三个维度系统识别城市老旧社区安全风险评价指标，并选择贝叶斯网络作为城市老旧社区安全风险评价的方法，将样本数据与人类经验和知识充分结合，避免主观偏见，从而客观评价城市老旧社区安全风险等级的过程，包括如下步骤：
步骤S1：构建城市老旧社区安全风险评价指标体系，从人、物、环境三个维度建立指标体系，再下设二级指标进行量化；
具体地，依据期刊文献和城市老旧社区事故报告，确定城市老旧社区安全风险评价指标及分项指标，如表1所示。
表1城市老旧社区安全风险评价指标体系
步骤S2：城市老旧社区安全风险评价指标数据的收集与预处理；
在步骤S2中，本实例邀请多位城市老旧社区、社区安全管理、社区治理等领域的专家对评价的二级指标的对社区安全的影响程度和发生的概率进行1-5打分。其中，影响程度1-5分别表示：1.几乎没有影响；2.轻度影响；3.中度影响；4.严重影响；5.致命影响；概率1-5分别表示：1.几乎不发生；2.很少发生；3.偶尔发生；4.经常发生；5.频繁发生。经过专家访谈打分后，对数据进行标准化处理，形成原始数据。
步骤S3：贝叶斯网络结构学习；
在步骤S3中输入步骤S2数据处理结果，并选择贪婪厚薄化(Greedy ThickThinning，GTT)算法，根据专家对评价指标间影响关系的判断构造初始结构并设置算法中离散阈值为20，最大父节点数为8，最终构建出城市老旧社区安全风险评价指标网络结构如图2所示。
步骤S4：贝叶斯网络参数学习；
在步骤S4中选择期望极大(Expectation Maximization，EM)算法作为参数学习的算法，确定目标节点为“威胁社区安全的重大隐患”，通过随机化设置参数起点，最终输出各评价指标节点的条件概率分布如表2所示。
表2城市老旧社区安全风险评价指标条件概率表
步骤S5：贝叶斯网络模型检验；
在步骤S5中选择k-折叠交叉验证作为模型检验的方法，设置折叠次数为35，折叠种子为0，最终输出验证结果：ROC曲线在预测结果为H、M、S三种状态下的AUC值分别为0.665、0.655、0.738，均大于等于0.5，表明所构建的城市老旧社区安全风险评价模型具有预测价值。
步骤S6：基于上述基本操作提出城市老旧社区安全风险评价技术流程。
在步骤S6中，本实例选择Y社区的安全风险评价指标数据作为输入数据，输入到上述构建的城市老旧社区安全风险评价模型中，最终输出Y社区安全风险低风险(S)可能性为39％，中风险(M)可能性为31％，高风险(H)可能性为30％。因此，Y老旧社区安全风险总体等级为S等级，与Y社区实际情况较为符合。
利用贝叶斯网络对城市老旧社区安全风险进行评价研究，构建了城市老旧社区安全风险评价方案和技术流程，给出了Y社区的安全风险评价结构，旨在为该社区安全风险预警、风险防范和风险规避提供科学依据和决策支持。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明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 (1)

1.一种基于贝叶斯网络的城市老旧社区安全风险评价方法，其特征在于：包括以下步骤：
步骤S1：依据期刊文献、老旧社区事故报告确定城市老旧社区安全风险评价指标，城市老旧社区安全风险评价指标包括人为风险、建筑物及设备设施风险和社区环境风险三个一级指标；
人为风险包括个人风险认知、个人不安全行为、社区日常管理能力、社区应急管理能力四个二级指标；
建筑物及设备设施风险包括社区建筑承灾能力、社区安全设施完备性、社区基础设施脆弱性三个二级指标；
社区环境风险包括社区交通便利性、社区周边设施危险性、社区政策敏感性、社区安全建设资金投入、社区安全文化建设水平五个二级指标；
步骤S2：从专家调查问卷数据收集城市老旧社区安全风险评价指标数据然后进行数据预处理，数据预处理包括确定每位专家对各个二级指标的风险状态评价；
步骤S3：采用贪婪厚薄化算法构建城市老旧社区安全风险评价指标网络结构进行贝叶斯网络结构学习，包括如下步骤：
步骤S3.1、输入步骤S2数据处理结果；
步骤S3.2、选择贪婪厚薄化算法作为结构学习的算法；
贪婪厚薄化算法是通过在空白网络上不断添加节点间的有向线段，直到增加的有向线段不会导致边际似然函数增加，再不断删减有向线段，直到删减的有向线段不会导致边际似然函数减少，从而得到最优的结构模型；
步骤S3.3、根据专家对评价指标间影响关系的判断构造初始结构；
步骤S3.4、设置算法中离散阈值和最大父节点数参数；
步骤S3.5、构建城市老旧社区安全风险评价指标网络结构；
步骤S4：采用期望极大算法训练城市老旧社区安全风险评价指标网络的条件概率分布，进行贝叶斯网络参数学习，包括如下步骤：
步骤S4.1、输入步骤S2数据处理结果；
步骤S4.2、选择期望极大算法作为参数学习的算法；
期望极大算法包括如下步骤：
1)输入观测变量数据Y，隐变量数据Z，联合分布P(Y,Z|θ)，条件分布P(Z|Y,θ)；
2)选择参数的初值θ(0)，开始迭代；
3)E步：求期望，记θ(i)为第i次迭代参数的估计值，在第i+1次迭代的E步中，计算P(Z|Y,θ(i))在给定观测数据Y和当前参数估计θ(i)下隐变量数据Z的条件概率分布：
4)M步：求极大；使Q(θ,θ(i))极大化的第i+1次迭代的参数估计值θ(i+1)：
5)重复上述步骤3)、4)，直到收敛；
6)输出模型参数θ；
步骤S4.3、确定目标节点；
步骤S4.4、设置参数初始化，选择算法的起点；
步骤S4.5、输出各评价指标节点的条件概率分布；
步骤S5：采用k-折叠交叉验证法检验城市老旧社区安全风险评价模型的准确性，进行贝叶斯网络模型检验，包括如下步骤：
步骤S5.1、输入步骤S2数据处理结果；
步骤S5.2、选择k-折叠交叉验证作为模型检验的方法；
步骤S5.3、设置折叠次数和折叠种子参数；
步骤S5.4、输出验证结果；
验证结果通过接受者操作特征曲线显示出来，ROC曲线是一个坐标模式分析工具，用来显示模型的精度范围，当ROC曲线与坐标轴围成的面积大于等于0.5，表明上述构建的城市老旧社区安全风险评价模型具有预测价值；
步骤S6：基于上述基本操作提出城市老旧社区安全风险评价技术流程，包括如下步骤：
步骤S6.1、城市老旧社区安全风险评价指标数据收集与预处理；
步骤S6.2、输入城市老旧社区安全风险评价指标数据；
步骤S6.3、基于步骤S5确定的城市老旧社区安全风险评价模型输出城市老旧社区安全风险状态。
CN202310593905.3A 2023-05-24 2023-05-24 一种基于贝叶斯网络的城市老旧社区安全风险评价方法 Active CN116663897B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310593905.3A CN116663897B (zh) 2023-05-24 2023-05-24 一种基于贝叶斯网络的城市老旧社区安全风险评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310593905.3A CN116663897B (zh) 2023-05-24 2023-05-24 一种基于贝叶斯网络的城市老旧社区安全风险评价方法

Publications (2)

Publication Number Publication Date
CN116663897A CN116663897A (zh) 2023-08-29
CN116663897B true CN116663897B (zh) 2023-11-14

Family

ID=87719991

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310593905.3A Active CN116663897B (zh) 2023-05-24 2023-05-24 一种基于贝叶斯网络的城市老旧社区安全风险评价方法

Country Status (1)

Country Link
CN (1) CN116663897B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118052440B (zh) * 2024-04-13 2024-06-28 深圳建安润星安全技术有限公司 一种信息科技风险管理平台

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111798112A (zh) * 2020-06-28 2020-10-20 中国矿业大学(北京) 一种城市社区社会公共安全综合风险评估方法
WO2021189729A1 (zh) * 2020-03-27 2021-09-30 深圳壹账通智能科技有限公司 复杂关系网络的信息分析方法、装置、设备及存储介质
CN113505978A (zh) * 2021-06-30 2021-10-15 煤炭科学研究总院 一种不同形式城市社区的防灾功能评估方法和装置
CN114881511A (zh) * 2022-05-25 2022-08-09 江苏科技大学 面向洪涝灾害的社区防灾韧性评估方法
CN114936697A (zh) * 2022-05-25 2022-08-23 四川大学 一种城市社区应急疏散空间智能规划方法
KR20220165876A (ko) * 2021-06-08 2022-12-16 (주) 하나텍시스템 지역사회재난 안전도 진단방법
CN115600789A (zh) * 2022-08-25 2023-01-13 哈尔滨工业大学建筑设计研究院有限公司（Cn） 一种城市老旧住区街道的健康性能评价方法
CN115983703A (zh) * 2023-01-06 2023-04-18 深圳防灾减灾技术研究院 多层级城市社区韧性评估指标体系和评价方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021189729A1 (zh) * 2020-03-27 2021-09-30 深圳壹账通智能科技有限公司 复杂关系网络的信息分析方法、装置、设备及存储介质
CN111798112A (zh) * 2020-06-28 2020-10-20 中国矿业大学(北京) 一种城市社区社会公共安全综合风险评估方法
KR20220165876A (ko) * 2021-06-08 2022-12-16 (주) 하나텍시스템 지역사회재난 안전도 진단방법
CN113505978A (zh) * 2021-06-30 2021-10-15 煤炭科学研究总院 一种不同形式城市社区的防灾功能评估方法和装置
CN114881511A (zh) * 2022-05-25 2022-08-09 江苏科技大学 面向洪涝灾害的社区防灾韧性评估方法
CN114936697A (zh) * 2022-05-25 2022-08-23 四川大学 一种城市社区应急疏散空间智能规划方法
CN115600789A (zh) * 2022-08-25 2023-01-13 哈尔滨工业大学建筑设计研究院有限公司（Cn） 一种城市老旧住区街道的健康性能评价方法
CN115983703A (zh) * 2023-01-06 2023-04-18 深圳防灾减灾技术研究院 多层级城市社区韧性评估指标体系和评价方法及系统

Also Published As

Publication number Publication date
CN116663897A (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
CN104112181A (zh) 一种基于层次分析法的信息安全贝叶斯网络评估方法
AU2021104851A4 (en) An integrated fuzzy approach for risk assessment in tunneling construction projects
CN113159482A (zh) 一种用于评估信息安全风险的方法及系统
CN116663897B (zh) 一种基于贝叶斯网络的城市老旧社区安全风险评价方法
Bingzhen et al. An approach to evaluation of emergency plans for unconventional emergency events based on soft fuzzy rough set
CN113379267A (zh) 一种基于风险分级预测的城市火灾事件处理方法、系统及存储介质
CN110751355A (zh) 一种科技成果评估方法和装置
Ahmed et al. A novel Neutrosophic-based machine learning approach for maintenance prioritization in healthcare facilities
CN111861238A (zh) 高速公路桥梁工程风险评估方法、装置及计算机设备
Inyang et al. Fuzzy clustering of students' data repository for at-risks students identification and monitoring
Kim et al. An integrated picture fuzzy set with TOPSIS-AHP approach to group decision-making in policymaking under uncertainty
Tian et al. Decision models to find a promising start-up firm with QUALIFLEX under probabilistic linguistic circumstance
Meskauskas et al. XAI-based fuzzy SWOT maps for analysis of complex systems
Ramos et al. Method for Treatment and its Incidence in the Change of Social Rehabilitation Regime using Neutrosophic Compensatory Logic
CN107622354B (zh) 一种基于区间二元语义的突发事件应急能力评估方法
Latumakulita et al. Indonesia scholarship selection framework using fuzzy inferences system approach: Case study:“Bidik Misi” scholarship selection
CN115034648B (zh) 少样本条件下基于bp神经网络的桥梁工程风险评估方法
CN111694952A (zh) 一种基于微博的大数据分析模型系统及其实现方法
CN115187019A (zh) 一种人工智能全生命周期安全风险评估方法及装置
Szafranko Evaluation of data obtained from expert opinions in multi-criteria analyses of construction investment variants
CN115293636A (zh) 基于综合pis与权重的fmea的复杂装备评估方法
Sethi et al. Multi-attribute group decision-making problem of medical consumption products based on extended TODIM–VIKOR approach with Fermatean fuzzy information measure
CN114202240A (zh) 一种可穿戴外骨骼机器人人机协作安全性评价系统及方法
Liu et al. A Bayesian multilevel analysis of belief alignment effect predicting human moral intuitions of artificial intelligence judgements
Chang et al. A deep belief network and case reasoning based decision model for emergency rescue

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