基于CBR的油氣長輸管道應急資源需求預測

范愛迪 陳美寶 辛萍 劉曉

摘要：油氣長輸管道突發(fā)事件后應急資源的準確、快速到位是減小事故后果的要素，基于長輸管道應急資源需求預測問題的特點，結合案例推理（CBR）建立了應急資源預測需求模型。通過分析案例篩選出22個長輸管道事故的特征屬性，使事故能完整的表達以便被準確的檢索，運用模糊層次分析法計算各個屬性的屬性權重，最鄰近法計算全局相似度。通過對5個源案例與目標案例間的相似度計算，驗證了該模型的可行性。

Abstract： The accurate and rapid response of emergency resources after the sudden occurrence of oil and gas long-distance pipelines is the key to reduce the consequences of accidents. Based on the characteristics of long-distance pipeline emergency resource demand forecasting problems， combined with case-based reasoning （CBR）， an emergency resource forecasting demand model is established. Through the analysis of the case， the characteristic attributes of 22 long-distance pipeline accidents are screened out， so that the accident can be completely expressed in order to be accurately retrieved. The fuzzy analytic hierarchy process is used to calculate the attribute weight of each attribute， and the nearest neighbor method is used to calculate the global similarity. The feasibility of the model is verified by the similarity calculation between the five source cases and the target case.

關鍵詞：油氣長輸管道;資源需求預測;案例分析

Key words： long-distance oil and gas pipelines;resource demand forecast;case-based reasoning

中圖分類號：TE973 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2019）30-0275-04

0 ?引言

目前長輸管道突發(fā)事件后的應急資源需求預測并沒有被系統(tǒng)的研究，僅有的研究也只考慮了長輸管道沿線的站場、儲罐發(fā)生事故后對應急資源的需求預測方面的問題，沒有將長達數千公里的管道考慮到，也沒有將管道本身的條件和環(huán)境的因素與事故聯(lián)系起來，導致案例的特征因素不夠全面，對根據目標案例檢索相似源案例的準確性造成影響，所以當長輸管道發(fā)生突發(fā)事件后需要多少有關資源還是以決策者的主觀判斷為主，缺乏科學的預測方法。

一個事故的特征屬性種類繁多，這些屬性構成了整個案例，若干個屬性不同的案例的集合就組成了案例庫。一個案例的屬性通常應該包含3個部分：事故發(fā)生時的環(huán)境;事故的后果;事故的解決方案[1]-[3]。案例屬性的表述方式與案例的管理或檢索等環(huán)節(jié)有著重要聯(lián)系，合理的表述有助于準確的記錄案例并快速的檢索案例，這也會對之后預測的結果產生重要影響。

1 ?CBR相關工作原理

案例推理（Case-Based Reasoning，CBR）的基本思想是模擬人的認知過程，遇到新的問題會根據以往的經驗用類似的方法處理新問題。根據存儲的案例庫中的源案例，找出與目標案例最為相似的案例，讓其作為參考依據來提出應對方案。具體的推理過程“4R”循環(huán)詳見圖1[4]。

2 ?油氣長輸管道突發(fā)事件的特征屬性

CBR的研究要點之一就是通過對案例進行分析篩選出案例的特征屬性，通過新案例和歷史案例的特征屬性的相似度計算來進行匹配進而預測。

油氣長輸管道事故的種類、原因、后果等都不盡相同，相關的屬性包括管道的輸送介質、事故種類、事故原因、事故地點、事故地點是否是高后果區(qū)、人員傷亡情況、采取的救援方案、救援過程、救援結果等。經過對油氣長輸管道的事故案例進行分析后，提取了22個案例主要特征屬性，讓案例能被完整的表達并且能迅速準確的被檢索。

3 ?油氣長輸管道突發(fā)事件案例的相似度計算

3.1 特征屬性相似度計算

案例的特征屬性具有不同的數值類型，可以分為確定值、模糊概念、確定符號和區(qū)間數四類，各屬性的取值范圍可根據油氣長輸管道歷史案例的數據來確定。

3.1.1 確定值

包含管道使用時間1種特征屬性，相似度計算方法見式（1）：

（1）

式中：Tf為目標案例屬性f的值;Cif為第i個源案例中屬性f的值。

3.1.2 模糊概念

其中應急響應級別采用基于隸屬函數的相對面積法來求得模糊屬性的相似度[41]，計算方法見式（2）：

（2）

式中：A為隸屬函數面積;Tf∩Cif為兩個模糊集的交運算;Tf∪Cif為兩個模糊集的并運算。

應急響應級別通常分為Ⅰ、Ⅱ、Ⅲ、Ⅳ四個等級，其隸屬函數如圖2所示，其中x表示四個等級的評分值，u表示模糊屬性的隸屬度。

3.1.3 確定符號

包含輸送介質、事故類型、事故地點是否是高后果區(qū)、管道故障程度、事故原因5中特征屬性，當目標案例的屬性值相同時其與源案例的相似度為1，不同時為0：

（3）

3.1.4 區(qū)間數

事故才發(fā)生時很多的現場數據并不能準確的得到，通過人員觀察得到的數據也只會是一個范圍，例如事故的前期很難得到具體的死亡人數、受傷人數和需疏散人數的數量，通常是一個大概的范圍，所以數與區(qū)間和區(qū)間與區(qū)間之間的相似度計算方法需要被定義。數與區(qū)間的相似度計算見式（4），區(qū)間與區(qū)間的相似度計算見式（5）：

（4）

（5）

式中：a為確定數屬性的數值;[a1，a2]、[b1，b2]為區(qū)間數，a，a1，a2，b1，b2∈[α，β]。

3.2 計算特征屬性的權重值

在檢索源案例時，往往不會存在與待解決案例具有完全相同的特征屬性的源案例，為了檢索出與案例相似度最高的源案例，提出了給特征屬性賦予權值的計算方法，其意義是在所有特征屬性中權重越大的屬性值就說明其對結果的影響程度越大，也就是權重越大其重要度越大[5]。

根據層次分析法將本文的油氣長輸管道事故案例分為如圖3的層次。

3.2.1 構建模糊判斷矩陣

運用模糊層次分析法中的0.1-0.9標度法對兩個因素進行兩兩比對，得到相應的模糊判斷矩陣。收集n個專家填寫的各層案例特征因素相對權重評分表，以第一層次為例評分表如表1所示。

表1中，a12n表示第n個專家對第1個案例特征因素相比第j個案例特征因素的重要程度打分。則得到模糊判斷矩陣d={d1，d2，d3，d4，d5，d6}如下：

3.2.2 得到權重矩陣

模糊判斷矩陣計算公式見公式（6）：

（6）

權重矩陣■，wij=wi-wj+0.5，i=1，2，…，n

3.2.3 一致性檢驗

CI（R，W）為R的一致性指數，通常當CI（R，W）？燮0.1則稱模糊判斷矩陣具有一致性。

3.2.4 獲得特征因素權重值

根據公式（7）能得到特征因素權重值：

（7）

將特征因素權重進行標準化：

（8）

將n個專家給出的模糊判斷矩陣經過標準化后得出的權重值，求其數學期望則可作為最終的案例特征因素權重值。

4 ?全局相似度計算

在得出每個特征屬性的相似度以及其權重后，可以用最鄰近算法（K-nearest neighbor，KNN）求出案例庫中所有案例與目標案例的相似度，將達到一定分值的案例篩選出來并進行排序，找出與目標案例相似度最高的案例，或根據專家經驗給定一個閾值，檢索出所有超出閾值的案例。計算全局相似度見式（9）：

（9）

5 ?資源需求量的預測

在得到案例集中所有案例與目標案例的全局相似度后，根據專家經驗給定一個閾值，找出超過這個閾值的所有案例，根據滿足條件的源案例的應急資源的使用情況對目標案例的應急資源需求量進行預測。假設受傷人口的數量為Q1，需疏散人數為Q2，應急響應級別為Q3，藥品的需求量為R1，日用品的需求量為R2，食品的需求量為R3，消耗資金為R4，則目標案例的應急資源需求預測模型為：

（10）

6 ?實例分析

假設有油氣長輸管道事故案例集S={S1，S2，S3，S4，S5}和目標案例T，表2為油氣長輸管道事故案例集以及目標案例的數據。按照3.2節(jié)中的權重計算方法計算出案例屬性權重值，具體值見表2。

再根據式（1）-（9）計算案例屬性的相似度，計算結果見表3。

根據式（9），可以得出目標案例與案例集中所有案例的全局相似度，結果見表4。

通過對比目標案例與案例集中所有案例的全局相似度可以得出，案例3與目標案例最為接近，其次是案例4。目標案例是沒有造成人員死亡的天然氣小孔泄漏事故，雖然案例4同樣是沒有造成死亡的天然氣小孔泄漏事故，但是由于目標案例中的可能受傷人數和需疏散人數與案例3中的數量更為接近，受傷人數和需疏散人數這兩個特征屬性的權重較大，管道的使用時間也相近，應急響應的級別也與目標案例相同，所以最終的全局相似度較案例4更大。

7 ?應急資源預測

查閱資料可得案例4的藥品使用數量為：8（個），日用品使用數量為：56（t），食品使用數量為：30（t），應急救援所耗資金分別為：560（萬）。根據式（10）可以得到目標案例的藥品需求量、食品需求量、日用品需求量、所需資金的預測結果。預測結果見表5。

由表5可以看出，由于在進行預測時，目標案例的受傷人數和需疏散人數還無法確定，這就導致藥品和日用品的取值區(qū)間較大，需要決策者根據實際情況進行調整。

8 ?結論

介紹了案例推理（CBR）的原理和工作流程，運用模糊層次分析法計算了各個特征屬性的權重值，最終采用最鄰近算法計算出全局相似度從而檢索到與目標案例相似度較高的源案例，根據此源案例對所需的各類應急資源進行預測。用實例驗證了基于案例推理的油氣長輸管道突發(fā)事件應急資源需求預測的可行性和合理性，結果表明使用此方法能為決策者在進行應急決策時給出參考依據，讓應急救援活動能高效進行。

參考文獻：

[1]郭繼東，楊月巧.地震應急物資需求預測的模糊案例推理技術[J].中國安全生產科學技術，2017，13（02）：176-180.

[2]段在鵬，錢新明，夏登友，多英全.基于FCM和CBR-GRA雙重檢索的應急救援物質需求預測[J].東北大學學報（自然科學版），2016，37（05）：756-760.

[3]王蘭英，郭子雪，張玉芬，尚永勝，張露.基于直覺模糊案例推理的應急物資需求預測模型[J].中國礦業(yè)大學學報，2015，44（04）：775-780.

[4]丁浩，石昊棟.基于案例推理的我國石油企業(yè)海外突發(fā)事件應急物資需求預測[J].中國安全生產科學技術，2013，9（09）：177-182.

[5]張雙獅，蘭月新，劉冰月，夏一雪，張鵬.基于案例推理的群體性事件智能決策支持WEB系統(tǒng)研究[J].情報雜志，2017，36（04）：106-111，145.

[6]王彥.試析長輸油氣管道安全運行管理要點[J].價值工程，2018，37（28）：108-109.