当前位置:主页 > 科技论文 > 安全工程论文 >

铁路突发事件应急救援智能决策关键技术研究

发布时间:2021-10-22 05:49
  传统铁路突发事件应急救援工作采用基于应急预案的应急响应模式,而实际上突发事件很少能够和预先设计的情境相一致,因此研究更加有效的应急决策方法是保证铁路突发事件应急救援顺利开展的一项重要工作。本文采用实证调查分析、理论研究与系统建模、仿真计算、应用软件开发相结合的方法,以铁路突发事件应急救援智能决策为研究对象,探索构建铁路突发事件应急救援分布式群决策方法、体系及其决策支持系统,并对铁路突发事件应急救援智能决策关键问题进行了研究,提出了铁路突发事件应急救援的分布式多阶段动态群体决策模型以及基于案例推理的个体决策方法,对相关问题进行了研究,并通过科研项目的研发应用验证了方法的先进性与可用性。论文完成的主要工作有:(1)对铁路突发事件应急救援群体决策方法及支持系统构架进行了研究在分析基于应急预案决策模式的局限性的基础上,确定铁路突发事件的应急救援决策实际上是以经验为主的经验加规则的决策模式,在决策实现上是以铁路应急救援领导小组为决策群体的分布式多阶段动态群决策系统,决策模式具有分布式、多阶段、动态、多Agent、群决策等特点,对群体中的个体决策采取基于案例推理的决策方法,提出了我国铁路应急救援决... 

【文章来源】:兰州交通大学甘肃省

【文章页数】:136 页

【学位级别】:博士

【文章目录】:
摘要
Abstract
1 绪论
    1.1 选题背景及意义
        1.1.1 选题背景
        1.1.2 选题意义
    1.2 铁路突发事件应急救援智能决策研究现状
    1.3 国内外研究现状综述
    1.4 研究范围的界定、逻辑结构与主要工作
    1.5 本文研究的目标和方法
        1.5.1 本文研究的目标
        1.5.2 本文的研究方法
    1.6 论文的创新点
2 铁路突发事件应急救援智能决策
    2.1 智能决策
        2.1.1 决策及决策过程
        2.1.2 智能决策
        2.1.3 智能决策支持系统
    2.2 铁路突发事件应急救援智能决策
        2.2.1 铁路突发事件应急救援决策的目标
        2.2.2 铁路突发事件应急救援决策的特征
        2.2.3 铁路突发事件应急救援智能决策方法
        2.2.4 铁路突发事件应急救援群体决策过程
        2.2.5 铁路突发事件应急救援群体决策方案的综合评价
    2.3 铁路突发事件应急救援智能决策关键技术
        2.3.1 基于 CBR 推理的铁路突发事件应急救援智能决策技术
        2.3.2 铁路突发事件应急救援智能群决策技术
    2.4 铁路突发事件应急救援分布式群决策支持系统
        2.4.1 分布式群体决策支持系统
        2.4.2 铁路突发事件应急救援分布式群体决策支持系统构架
        2.4.3 分布式多阶段动态群决策支持系统的组织实施
        2.4.4 分布式多阶段动态群决策支持系统关键技术
    2.5 本章小结
3 基于 CBR 推理的铁路突发事件应急救援智能决策技术
    3.1 案例推理技术
    3.2 铁路突发事件应急救援智能决策的知识表示方法研究
        3.2.1 知识表示技术综述
        3.2.2 CBR 推理中知识表示的研究现状
        3.2.3 基于 Petri 网与 XML 相结合的案例表示方法研究
        3.2.4 基于 Petri 网与 XML 的铁路应急救援决策案例表示
    3.3 案例的检索方法研究
        3.3.1 案例库检索算法研究现状
        3.3.2 基于 BP 神经网络与粒子群算法的组合模型研究
        3.3.3 基于神经网络与粒子群算法组合模型的案例检索
    3.4 应急救援方案调整方法研究
        3.4.1 案例调整方法研究
        3.4.2 基于广义算子的案例调整模型
        3.4.3 基于 RBR 的案例调整模型
        3.4.4 基于广义算子的铁路救援案例调整过程
    3.5 基于神经网络与遗传算法的案例学习策略
        3.5.1 案例的学习方法研究现状
        3.5.2 基于遗传算法与 BP 神经网络方法相结合的 CBR 学习算法
        3.5.3 算例
    3.6 本章小结
4 铁路突发事件应急救援智能群决策技术
    4.1 群体决策方法研究现状
    4.2 网络环境下分布式群决策模型推演机理研究
    4.3 铁路突发事件应急救援决策群体协调策略研究
        4.3.1 群体协调策略研究现状
        4.3.2 铁路突发事件应急救援群体决策的特点
        4.3.3 多阶段群体协调策略
        4.3.4 算例
    4.4 应急救援过程中方案的动态评价方法研究
        4.4.1 救援过程中方案动态评价的必要性
        4.4.2 应急救援方案群决策评价方法
        4.4.3 群体灰色层次分析(GGAHP)算法研究
        4.4.4 基于 GGAHP 的铁路突发事件应急救援决策方案评估
    4.5 本章小结
5 救援决策信息获取与异构数据库的集成技术研究
    5.1 异构数据库集成方法
    5.2 基于中间件技术的异构数据库集成研究现状
    5.3 应急救援决策资源异构数据的集成结构
    5.4 异构数据库相似语义属性聚类过程
        5.4.1 预处理阶段
        5.4.2 聚类加工阶段
    5.5 实验与仿真
    5.6 本章小结
6 铁路突发事件应急救援智能决策支持系统应用研究
    6.1 系统设计
        6.1.1 系统总体设计
        6.1.2 系统功能模块设计
    6.2 数据管理与访问设计
        6.2.1 数据库管理系统平台设计
        6.2.2 异构数据库接口与访问设计
    6.3 基于 SSH 的应急救援指挥平台系统开发
        6.3.1 基于 SSH 技术的分布式应急救援群体决策平台实现
        6.3.2 基于案例推理(CBR)的个体决策推理过程实现
    6.4 基于 WebGIS 的应急救援物资管理
    6.5 救援案例库与救援规则库
        6.5.1 基于 CBR 技术的案例库实现
        6.5.2 救援规则库
    6.6 分布式群决策在“区域铁路物流服务平台研发与应用“项目中的应用
        6.6.1 需求分析
        6.6.2 利用分布式群决策模型构建区域铁路物流服务平台
        6.6.3 物流供应链计算机协同工作层(CSCW)设计
        6.6.4 区域铁路物流服务平台研发
    6.7 本章小结
结论
致谢
参考文献
攻读学位期间的研究成果


【参考文献】:
期刊论文
[1]基于交叉熵与TOPSIS的多属性群决策方法[J]. 李宝萍.  武汉理工大学学报(信息与管理工程版). 2013(02)
[2]基于分层Agent的铁路应急救援决策方法研究[J]. 张振海,王晓明,张雁鹏,王海涌.  交通运输系统工程与信息. 2013(02)
[3]铁路货车交通事故的应急救援及对策研究[J]. 余青原.  防灾科技学院学报. 2013(01)
[4]基于案例信息的多准则群决策分类方法[J]. 蔡付龄,廖貅武,杨娜.  管理科学学报. 2013(02)
[5]基于混合型评价矩阵的多属性群决策方法[J]. 戚筱雯,梁昌勇,黄永青,丁勇.  系统工程理论与实践. 2013(02)
[6]基于整体相似度的铁路应急救援预案推理决策方法研究[J]. 张振海,王晓明,党建武,闵永智.  铁道学报. 2012(11)
[7]基于决策偏好距离的多阶段群决策快速集结方法[J]. 卢志平,陆成裕.  合肥工业大学学报(自然科学版). 2012(03)
[8]基于改进证据理论的群决策专家意见集结方法[J]. 史超,程咏梅.  空军工程大学学报(自然科学版). 2011(05)
[9]应急决策方案的动态调整方法研究[J]. 姜艳萍,樊治平,苏明明.  中国管理科学. 2011(05)
[10]基于案例推理的ISP知识重用方法[J]. 刘冀琼,李兴国,顾东晓,冯帅.  计算机工程. 2010(23)

博士论文
[1]铁路运输应急救援体系研究[D]. 唐士晟.西南交通大学 2011
[2]铁路应急管理中的预案管理与资源配置优化[D]. 周慧娟.北京交通大学 2011
[3]基于一维SOM神经网络的聚类及数据分析方法研究[D]. 于鷃.天津大学 2009
[4]基于聚类算法的多属性复杂大群体决策方法研究[D]. 刘蓉.中南大学 2006
[5]异构数据库语义集成技术研究[D]. 强保华.重庆大学 2005
[6]集成供应链中的一体化物流、信息平台、群决策和系统集成的理论研究[D]. 胡浩.武汉理工大学 2004

硕士论文
[1]突发危机事件应急群决策支持系统的设计与实现[D]. 刘翔.复旦大学 2012
[2]电力应急体系的脆弱性研究[D]. 程正刚.上海交通大学 2010
[3]SVM文本分类中基于法向量的特征选择算法研究[D]. 姜鹤.上海交通大学 2010
[4]基于改进TF-IDF的文本信息热点话题发现[D]. 薛征.武汉邮电科学研究院 2009
[5]改进空间向量模型及其在文档自动分类系统中的应用[D]. 宁浪.西南交通大学 2009
[6]基于着色Petri网模型的案例推理研究[D]. 高方方.合肥工业大学 2008
[7]基于SOM的两阶段中文文本聚类算法的研究[D]. 朱红灿.湘潭大学 2005
[8]基于灰色关联的案例推理在智能诊断系统中的应用研究[D]. 贺晓.华中科技大学 2005
[9]供应链中的群决策方法与模型研究[D]. 吴心茹.中南大学 2002



本文编号:3450504

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/anquangongcheng/3450504.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户f89c9***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com