应急预案内容优化方法和计算机设备技术

本发明专利技术涉及安全应急管理领域，特别涉及应急预案内容优化方法和计算机设备，利用大数据分析、数据挖掘等技术，在历史应急案例数据的基础上，对应急预案的内容进行优化，安全应急预案内容属性设置能够更加符合实际案例情况，实现智能化安全应急预案属性参数设置的目标。其方法包括：采集数据，建立历史安全应急预案数据库；对采集到的数据进行加工整理，形成适合数据分析的样式；数据挖掘分析，通过建立合适的算法模型，将训练集数据放入算法模型中进行训练，通过不断优化算法模型，最终得到与实际结果误差最小的计算结果值，实现应急预案内容的优化。

Content optimization method and computer equipment of emergency plan

【技术实现步骤摘要】
应急预案内容优化方法和计算机设备
本专利技术涉及安全应急管理领域，特别涉及基于历史案例大数据挖掘的应急预案内容优化方法和计算机设备。
技术介绍
安全应急预案是针对具体设备、设施、场所和环境，在安全评价的基础上，为降低事故造成的人身、财产与环境损失，就事故发生后的应急救援机构和人员，应急救援的设备、设施、条件和环境，行动的步骤和纲领，控制事故发展的方法和程序等，预先做出的科学而有效的计划和安排。安全应急预案包括用于综合处理的综合应急预案，用于专项处理的专项应急预案，用于现场处理的现场处置预案，用于某个部门处置的部门应急预案，用于各个单位应急处置的单位应急预案等。根据事件类型可分为以下四类：自然灾害、事故灾难、公共卫生事件、社会安全事件。随着安全应急预案历史数据的不断积累，将大数据分析技术应用于安全应急预案优化成为一个全新的方向，通过建立不同的算法模型优化安全应急预案从事前到事后整体流程，包括安全应急预案内容的制定、预案中某些参数的设置、事件处置时调度、疏散处置方式的优化等。基于大数据分析的安全应急预案内容优化为安全应急预案体系的建立提供了可靠的技术支持。
技术实现思路
为了解决现有技术所存在的问题，本专利技术提供应急预案内容优化方法，利用大数据分析、数据挖掘等技术，在历史应急案例数据的基础上，对应急预案的内容进行优化，使得安全应急预案内容属性设置能够更加符合实际案例情况，实现智能化安全应急预案属性参数设置的目标。本专利技术还提出一种计算机设备，其在执行可执行程序时，实现本专利技术优化方法的各步骤。本专利技术的优化方法采用如下技术方案来实现：应急预案内容优化方法，包括以下步骤：S1、采集数据，建立历史安全应急预案数据库；S2、对采集到的数据进行加工整理，形成适合数据分析的样式；S3、数据挖掘分析，通过建立合适的算法模型，将训练集数据放入算法模型中进行训练，通过不断优化算法模型，最终得到与实际结果误差最小的计算结果值，实现应急预案内容的优化。在优选的实施例中，步骤S3包括基于随机森林算法优化安全应急预案的属性参数：分析历史应急指挥案例数据，对历史应急指挥案例数据做预处理，提取安全应急预案的属性参数影响特征，将属性参数分为用于定性分析应急预案的类别属性参数和用于定量确定应急预案的处置方式的数值属性参数；选择随机森林算法建立回归模型和分类模型，预测属性参数值，根据属性参数值的预测结果与实际案例参数值之间的误差，不断优化回归模型和分类模型，最终使得根据回归模型和分类模型预测的类别属性参数值、数值属性参数值能够更加接近实际案例参数值，实现智能化安全应急预案属性参数的设置。在优选的实施例中，步骤S3利用随机森林算法，从原始训练样本集N中有放回地重复随机抽取k个样本生成新的训练样本集，然后根据新的训练样本集生成k个决策树组成随机森林，待测试样本的预测结果通过k个决策树预测值的平均值而定。步骤S3基于随机森林算法预测属性参数值的过程包括：S31、获取历史安全应急预案数据库中的突发事件案例数据，构建初始样本数据集；S32、对安全应急预案的数据进行处理；S33、对突发事件数据的特征进行处理，筛选相关性大于设定阈值的特征，合并相关性强的特征；S34、提取突发事件数据的特征，为每一个训练集对应从i个特征中随机选择j个特征，其中j<<i，用这随机选取的j个特征构建单棵决策树；S35、遍历每个训练集中的每个特征及其对应的特征值，选择最优特征对训练集进行切分，将每个训练集切分为数据空间R1和数据空间R2；S36、对所切分的两个数据空间R1和R2递归调用步骤S35，直到没有最优特征可以用于切分训练集或者到达树的最深深度则停止，从而生成单棵决策树；S37、分别用n个训练集重复步骤S35和步骤S36构建单棵决策树，最终构建由n棵决策树构成的随机森林；S38、利用随机森林进行属性参数值的预测。在优选的实施例中，步骤S3包括基于关联算法优化安全应急预案的属性结构：分析安全应急预案属性结构，建立安全应急预案内容与属性的关联项集表，从中发现安全应急预案内容与属性的频繁项集，根据设置的支持度与置信度，发现应急预案内容与属性的强关联规则；结合发现的强关联规则，将对应的属性添加到安全应急预案模型中，不断优化安全应急预案模型的属性结构，使得安全应急预案内容属性设置能够更加符合实际案例情况。优选地，步骤S3基于关联算法优化安全应急预案的属性结构的过程包括：S31'、获取数据集，分析安全应急预案中应急资源调度类与其对应属性的关联模型，发现应急资源调度类的属性；或者选择将安全应急预案作为类，发现其对应的属性。S32'、建立频繁项集，首先设置支持度和置信度阈值，支持度表示应急资源调度类与某个属性同时出现在一个安全应急预案中的次数，置信度表示应急资源调度类与某个属性同时出现在一个安全应急预案中的次数/历史应急预案的数量；S33'、根据置信度提取步骤S32'所建立的频繁项集中所有的强关联规则，以发现类和属性的强关联关系，从而优化安全应急预案某个类的属性结构。其中，步骤S32'建立频繁项集的过程如下：建立初始预案项集表，遍历初始预案项集表中的所有案例，对每个属性进行计数，得到候选属性项集表；删除候选属性项集表中支持度小于预设支持度阈值的项集，保留支持度大于等于预设支持度阈值的项集，得到第一频繁项集，利用第一频繁项集的自连接得到第二候选属性项集表；将第二候选属性项集表中支持度小于预设支持度阈值的项集全部删除，得到第二频繁项集表；遍历第二频繁项集表，同时自连接第二频繁项集表，得到第三候选属性项集表；删除第三候选属性项集表中支持度小于预设支持度阈值的项集，得到第三频繁项集表；循环往复，采用遍历上一频繁项集表，同时自连接上一频繁项集表的方式，获得新的候选属性项集表，删除新的候选属性项集表中支持度小于预设支持度阈值的项集以得到新的频繁项集表，直至候选属性项集为空，从而得出所有的频繁项集。根据本专利技术的计算机设备，包括存储器和处理器，存储器上有可执行程序，所述处理器执行所述可执行程序时，实现本专利技术优化方法的步骤。与现有技术相比，本专利技术取得的有益效果包括：本专利技术从现有应急预案案例中抽取了应急预案所具有的一般信息，包括突发事件应急预案类别、突发事件应急预案级别、突发事件应急预案组织机构、突发事件应急预案资源分配方案、应急预案处置过程等基础信息，从而建立历史安全应急预案数据库；结合大量的历史安全应急预案数据，提出基于大数据分析的应急预案内容优化方法，包括基于随机森林算法的安全应急预案属性参数优化和基于关联算法的安全应急预案属性结构优化，使得安全应急预案内容属性设置能够更加符合实际案例情况，实现智能化安全应急预案属性参数设置的目标。附图说明图1是本专利技术应急预案内容优化方法的流程图；图2是历史安全应急预案数据库的用例图；图3是基于随机森林的影响范围预测示本文档来自技高网...

【技术保护点】
1.应急预案内容优化方法，其特征在于，包括以下步骤：/nS1、采集数据，建立历史安全应急预案数据库；/nS2、对采集到的数据进行加工整理，形成适合数据分析的样式；/nS3、数据挖掘分析，通过建立合适的算法模型，将训练集数据放入算法模型中进行训练，通过不断优化算法模型，最终得到与实际结果误差最小的计算结果值，实现应急预案内容的优化。/n

【技术特征摘要】
1.应急预案内容优化方法，其特征在于，包括以下步骤：
S1、采集数据，建立历史安全应急预案数据库；
S2、对采集到的数据进行加工整理，形成适合数据分析的样式；
S3、数据挖掘分析，通过建立合适的算法模型，将训练集数据放入算法模型中进行训练，通过不断优化算法模型，最终得到与实际结果误差最小的计算结果值，实现应急预案内容的优化。


2.根据权利要求1所述的应急预案内容优化方法，其特征在于，步骤S1通过分析文本形式应急预案，提取文本形式应急预案的内容结构与属性参数，形成历史安全应急预案数据库；当实际突发事件类型与安全应急预案类型相同时，则根据安全应急预案模型设计的应急预案进行自动化应急智能指挥，同时将突发事件内容添加入历史安全应急预案数据库；如果实际突发事件类型与安全应急预案类型不同，则将实际突发事件的各部分内容添加入历史安全应急预案数据库。


3.根据权利要求1所述的应急预案内容优化方法，其特征在于，步骤S3包括基于随机森林算法优化安全应急预案的属性参数：
分析历史应急指挥案例数据，对历史应急指挥案例数据做预处理，提取安全应急预案的属性参数影响特征，将属性参数分为用于定性分析应急预案的类别属性参数和用于定量确定应急预案的处置方式的数值属性参数；
选择随机森林算法建立回归模型和分类模型，预测属性参数值，根据属性参数值的预测结果与实际案例参数值之间的误差，不断优化回归模型和分类模型，最终使得根据回归模型和分类模型预测的类别属性参数值、数值属性参数值能够更加接近实际案例参数值，实现智能化安全应急预案属性参数的设置。


4.根据权利要求3所述的应急预案内容优化方法，其特征在于，步骤S3利用随机森林算法，从原始训练样本集N中有放回地重复随机抽取k个样本生成新的训练样本集，然后根据新的训练样本集生成k个决策树组成随机森林，待测试样本的预测结果通过k个决策树预测值的平均值而定。


5.根据权利要求3所述的应急预案内容优化方法，其特征在于，步骤S3基于随机森林算法预测属性参数值的过程包括：
S31、获取历史安全应急预案数据库中的突发事件案例数据，构建初始样本数据集；
S32、对安全应急预案的数据进行处理；
S33、对突发事件数据的特征进行处理，筛选相关性大于设定阈值的特征，合并相关性强的特征；
S34、提取突发事件数据的特征，为每一个训练集对应从i个特征中随机选择j个特征，其中j<<i，用这随机选取的j个特征构建单棵决策树；
S35、遍历每个训练集中的每个特征及其对应的特征值，选择最优特征对训练集进行切分，将每个训练集切分为数据空间R1和数据空间R2；
S36、对所切分的两个数据空间R1和R2递归调用步骤S35，直到没有最优特征可以用于切分训练集或者到达树的最深深度则停止，从而生成单棵决策树；
S37、分别用n个训练集重复步骤S35和步骤S36构建单棵决策树，最终构建由n棵决策树构成的随机森林；
S38、利用随机森林进行属性参数值的预测。


6.根据权利要求5所述的应急预案内容优化方法，其特征在于，步骤S38中利用随机森林进行数值属性参数值预测的过程为：
随机抽取测试集中的一个突发事件案例作为待预测案例，首先将其放入一棵决策树中，根据第一个最优特征对其切分数据集，如果切分后，该样本归入叶子节点...

【专利技术属性】
技术研发人员：陈顺清，彭进双，包世泰，林时君，邓明亮，江千腾，曹兵，魏琴，龙杰，柴理想，
申请(专利权)人：广州奥格智能科技有限公司，
类型：发明
国别省市：广东;44