[发明专利]一种基于历史案例和经验知识学习的应急事故处置方法

说明书

本发明公开了一种基于历史案例和经验知识学习的应急事故处置方法，通过机器学习方式挖掘历史应急处置方案中的作业经验，构建包含事故类型、事故位置、处置方法、处置力量、处置设备等多维特征的应急处置决策知识模型。同时，将处置方案生成过程及背后业务逻辑以思维导图形式可解释表征，且所学决策知识用户可即时修改、即时生效。该方法主要解决传统固定规则式的突发事故应急处置方案生成方法无学习更新能力的问题，利用本方法，机器可以按照事故类型及位置情况，在秒级推理得到应急处置方案，且伴随用户使用，应急处置方案生成精准度可不断提升。

技术领域

本发明所属技术领域为应急处置技术领域，尤其涉及一种基于历史案例和经验知识学习的应急事故处置方法。

背景技术

面对火灾、泥石流等突发事故，应该采用何种处置方法，选择哪几种处置力量、运用哪几种处置设备，完成应急处置任务，能够保证处置效果最佳、成本最低、时效性最好等等，这其中蕴含着丰富的专家经验，对于新手而言具有较大的挑战。传统基于人工规则硬编码的方案生成方式，如“基于专家系统的煤矿事故现场处置方案自动生成系统研究”（《煤炭工程》，2019年11期）等不具备学习更新能力，且依据的规则用户不可见、不可改，推荐准确度难以提升；深度学习等主流AI技术因为缺少足够的样本数据而难以落地。需要提供一种可学习、可解释的应急事故处置经验知识学习方法，利用历史应急处置案例中蕴含的专家经验，快速准确推理形成应急处置方案。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于历史案例和经验知识学习的应急事故处置方法。为了解决上述技术问题，本发明公开了一种基于历史案例和经验知识学习的应急事故处置方法，包括如下步骤。

步骤1、采集处置经验数据，构建应急事故处置经验学习的训练数据集；所述处置经验数据包括场景特征和对应的处置选择结果信息。

步骤2、根据用户在不同场景特征下的处置选择结果，学习挖掘出应急处置决策经验，学习构建应急处置决策知识模型。

步骤3、根据当前应急处置任务的场景特征，通过应急处置决策知识模型推理生成适合当前情况的应急处置方案，并执行该应急处置方案。

进一步地，步骤1包括：

步骤1-1、收集所有可靠的历史应急处置方案，形成历史应急处置方案库。

步骤1-2、抽取历史应急处置方案库中各个应急处置方案的场景特征以及与场景特征对应的处置选择结果信息，形成应急事故处置经验学习的训练数据集；所述场景特征包括事故类型、事故位置、处置时限和气象条件，所述处置选择结果信息包括处置方法、处置力量及数量、处置设备及数量结果。对于每一条训练数据，事故类型、事故位置、处置时限、气象条件等场景特征相当于模型的输入，处置选择结果的组合相当于数据的标签，通过对比模型之间输出和标签的差异，可以指导后续应急处置决策知识模型训练。

进一步地，步骤2中采用梯度提升决策树（Gradient Boosting Decision Tree，GBDT）模型学习挖掘出应急处置决策经验。GBDT是一种以决策树算法为基分类器的集成学习模型，能够通过不断减小训练过程产生的损失函数来达到将数据分类。

进一步地，步骤2中所述梯度提升决策树采用CART（Classification AndRegression Tree）决策树作为基分类器。CART决策树既可以用于分类也可以用于回归，且相比ID3、C4.5等决策树算法，具有训练效率高、泛化性能好等特点，能够很好的解决本方法涉及的应急处置决策问题。

进一步地，步骤2包括：

步骤2-1、读取应急事故处置经验学习的训练数据集，提取用户在不同应急处置情况下的处置选择结果信息。