[发明专利]一种不确定信息融合的应急物资分布需求预测方法

说明书

本发明公开了一种不确定信息融合的应急物资分布需求预测方法，首先分析历史灾情数据库中各范例的基本属性，提取范例的共同特征并运用粗糙集方法进行简约，根据各条件属性对物资预测结果的影响程度计算出属性权重值；然后将简约后的灾情数据运用反馈补偿的K‑means方法将案例分类，并根据当前案例与各类中心点之间的距离判断当前案例属于哪一类，根据范例相似度的计算方法，检索出相似度最高的历史目标范例；最后根据目标范例的物资消耗以及范例属性权重值来线性推测当前范例的物资需求量。此外，根据简约后的范例还可得出当前案例的救援优先级。通过该方法，解决了救援物资需求分布预测问题，为航空应急救援指挥系统的调度决策提供依据。

技术领域

本发明涉及一种应急物质需求预测技术，尤其涉及救援信息不确定性下应急事件的多源信息融合方式和信息规则挖掘方法，为准确的实施应急物质调度和救援提供依据。

背景技术

在抗灾救援及处置突发事件的各项措施中，获取准确的救援信息特别是救援物资需求信息，是应急协同调度决策的先决条件。目前，应急救援物资需求预测主要从以下几个方面开展研究：⑴应急物资需求的专家经验预测法，主要利用历史震灾分析的数据和相关理论，根据统计的震级、死亡人数、受伤人数、倒塌房屋等多种参数，提出了需求预测模型。⑵应急救援物资需求的事例推理法，首先描述和提取发生或即将发生的灾害特征，根据这些特征从历史灾害库中搜索相似案例，对比分析新旧灾害案例，对历史灾害需求进行调整，从而获取本次灾害的需求。⑶基于空间遥感和GIS技术的应急物资需求预测方法。一些学者对利用高清卫星遥感、航拍遥感影像结合GIS来快速评估地震等巨灾后损失情况，评估结果可用于应急物资需求预测的重要依据。⑷基于时间序列的应急物资需求预测方法。该方法适用于动态需求预测，目前基于该类理论的自回归移动平滑法、指数平滑法和独立同分步法已经广泛用于应急需求预测。⑸基于神经网络的应急物资需求预测方法。由于应急物资需求影响的多元随机性，传统的数学建模难以精确预测，而神经网络因为其广泛的适应能力和学习能力，在非线性系统的预测方面得到广泛的应用；⑹不确定信息条件下实时应急需求预测方法，其目标是预测给定时期内每个受灾地区的动态应急需求。

但应急救援资源的需求预测，受到诸多社会、环境等因素影响，具有很强的时效性和阶段性，同时灾情和物资需求信息具有模糊性和不确定性，灾情发生短时间内获取的信息极为有限，需要结合对灾区历史统计数据挖掘基础上进行的资源需求分布预测，以保证预测的准确性。以往的模型缺乏将历史物资需求数据挖掘规则结合到不确定信息融合应急物资需求预测中去，因而难以获得准确的应急救援物资需求。

发明内容

本发明的目的是提供一种不确定信息融合的应急物资分布需求预测方法，有效解决不确定性信息融合下的救援物资需求预测问题，可有效提高救援物资需求准确性，为航空救援调度和实施提供决策依据。

本发明公开的不确定信息融合的应急物资分布需求预测方法，包括如下步骤，

步骤1，分析历史灾情数据库中各范例的基本属性，提取范例的共同特征，将这些特征运用粗糙集方法进行简约；

步骤2，根据简约后的各条件属性对物资预测结果的影响程度计算出属性权重值；步骤3，对条件属性值和决策属性值相同的范例进行进一步简约；

步骤4，将进一步简约后的灾情数据运用K-means方法将案例分为K类，找出这些类的中心点，并根据当前案例与各类中心点之间的距离判断当前案例属于哪一类；

步骤5，根据范例相似度的计算方法，检索出相似度最高的历史目标范例；

步骤6，根据目标范例的物资消耗以及范例属性权重值来线性推测当前范例的物资需求量。

进一步的，步骤1包括：

步骤11，设S＝(C,B)为历史灾情范例数据库，C_n为第n个范例，B为范例属性所组成的集合，即B＝F∪D，