- 相关推荐
老年公寓突发事件应急预案
在日常生活或是工作学习中，保不齐会遇到一些意料之外的事件或事故，为了将危害降到最低，常常要根据具体情况预先编制应急预案。应急预案应该怎么编制才好呢？以下是小编为大家收集的老年公寓突发事件应急预案，仅供参考，欢迎大家阅读。
1 铁路突发事件应急预案系统的设计目标
铁路突发事件应急处置辅助决策系统面临的主要问题是, 如何将行车、货运、自然灾害等突发事件所包含的数据、信息进行收集并提炼、处理加工, 并生成特定条件下的应急处置决策方案, 遇到突发事件的时候可以迅速的提供决策参考。因此重点在以下几个方面对应急处置辅助决策系统进行设计。
(1) 能够随时调用突发事件现场的视频资料, 迅速获取决策的信息;
(2) 除了各部门制定的应预案, 更需要对结合部的应急预案进行优化调整;
(3) 具备利用已有的突发事件的基础信息和决策的过程内容, 通过辅助决策系统的不断学习, 优化改善决策内容的功能。
2 铁路突发事件应急预案系统原则
针对铁路运输的特点设计应急辅助决策系统时需要特别注意数据的安全可靠性, 特别是具体救援方法的可实时性, 贴近现场实际;充分结合地理信息系统和网络技术的优势全景式的展现突发事件现场的实际情况和救援力量的配备情况;决策系统严格执行铁道部的规章制度和标准以及特殊地点的作业办法;功能模块化的设计便于日常的维护和操纵。
3 基于神经网络优化的CBR应急预案修正系统设计
由于处理的问题多是些不良结构, 有时甚至很难用公理化的方法进行表示。受人类认知过程的启示, 人们在处理问题时如果有经验而无理论同样能提供解决问题的启示, 于是专家们提出了基于范例推理 (CBR) 的方法。CBR的基本思想是:人类在解决问题时, 常常回忆过去积累下来的类似情况的处理, 通过对过去类似情况处理的适当修改来解决新的问题。CBR技术反映了人类认知科学研究的新成果, 强调了人类对过去经验和前人智慧的重现, 并依据它们指导解决实际工作中遇到的新问题。CBR特别适用于领域定理难以表示成规则形式, 而易于表示成范例形式并且积累了丰富范例的领域。
在基于事例推理循环中, 经过事例检索得到的事例并不一定能够满足用户的需要, 这就需要对事例进行修改, 通过修改在解决新问题时获得认可的事例, 如果认为有价值, 可以将其加入事例库中, 以备将来使用。当范例库中没有旧的范例与当前情况完全匹配时, 范例的检索只能得到与当前输入情况最类似的过去范例。对待求问题来说, 这个旧范例的解表示相近的解决方案, 只有通过一定的修正, 适应新的情况, 才能得到新问题的解。范例修正则是将范例检索到的与当前情况大部分匹配的范例改写成完全匹配的范例。
范例修正可以被简单的理解为把问题的解决方案的一部分用其它的内容替换, 或者修改整个解决方案。范例的修正是CBR中关键的一步, 由于与具体领域知识关系密切, 确定一种普遍可用的修正方法是困难的, 往往一类问题 (如建筑设计) 的修正与另一类问题 (如应急处置) 的修正是不同的。
现有CBR系统所使用的修正方法大多数是将修正知识代码化成修正规则集或领域模型。修正规则可使检索到的范例转化为一个满足所有输入的新范例。许多成功的CBR系统是利用存储的己有范例来完成修正的。当然, 即使范例不能被计算机成功的修正, 也为人工修正提供了一个有意义的起点。目前, 己有的修正方法主要有神经网络技术或领域模型等。
基于CBR方法有一假定:当两个问题相似的时候, 它们的解也应该是相似的。因此, 在输入了新发生突发事件的有关情况后, 需要在预案库中查找突发事件地点情况、损伤情况等与之最相似的预案, 这些预案称之为该目标突发事件应急处置方法的源预案。由于这些条件千变万化, 可能没有完全相同的预案, 为比较相似程度, 需要采取一定的计算方法。为实现该子系统, 应用神经网络系统对CBR方法进行修正。
4 应用于工务应急预案的修正系统的测试
4.1 样本的建立
为了验证CBR系统对应急预案修正的效果, 选取铁路工务胀轨跑道应急预案的内容进行简单的分类, 并利用神经网络对预案的内容进行学习并修正。首先设计6个基本突发事件发生的特征向量。
VAR1:起拨道器不足6台, 撬棍20根数量不足, 取值范围1, 0
VAR2:胀轨跑道是否发生在封闭点内, 取值范围1, 0
VAR3:附近是否有水源, 能否对钢轨进行降温处理, 取值范围1, 0
VAR4:能够满足跑道故障两端拨200m的反向曲线, 取值范围1, 0
VAR5:是否配备钢轨快速减温器, 取值范围1, 0
测试样本中VAR1至VAR5指工务施工中发生突发事件特征值, VAR6为专家综合评价得出的评价值, VAR7代表最终对该项应急预案修正的最终结果。譬如VAR1变量取值为0时代表, 应急设备不足, 设计好的应急预案应无法很好执行评级分为57分, 即当该条件不足时预案无法实施 (见表1) 。
4.2 修正系统学习的分析
通过设置3层BP神经网络对工务胀轨跑道样本信息进行学习, 可以看到系统可以很快的收敛达到很好的效果。预期的学习可以很好的再现专家对预案评价效果, 同时具备修正结果的能力 (见图1) 。
根据排序的结果可以看出工务胀轨跑道事件发生时, VAR1变量取值为0时对整体预案有抑制作用, 最终应急预案将无法顺利执行, 当VAR5变量取值为0时并不一定对预案进行修订, 因为如果未配备钢轨快速减温器, 如就近有水源, 可组织人力覆盖钢轨浇水降温。通过对简单应急预案样本的分析, 可以看出这种基于神经网络的CBR预案修正系统具备一定的可行性。当预案的内容分类及内容非常庞大时, 利用这种方法可以迅速制定合理的应急方案, 并且排查有冲突的预案内容。但对于怎样设置合理的应急预案的逻辑结构模型才可以更好的优化预案查询系统, 以及如何建立稳定有效的神经网络范例修正系统还需要更多的验证。
5 结束语
本论述在对铁路突发事件应急预案系统做理论探讨的基础上, 利用神经网络的CBR应急预案修正系统进行测试, 取得一定的效果, 但由于较难收集到铁路各类事故的具体情况和救援方法的多样性、复杂性等原因, 没有进行更详细的测试, 仅在理论上进行了初步的探讨。如何把该子系统付诸实施乃至将整个辅助决策系统完整实现的工作将成为笔者和同行们在今后进行深入研究的课题。
【老年公寓突发事件应急预案】相关文章：
老年公寓消防应急预案11-22
突发事件应急预案（经典）11-25
突发事件的应急预案10-07
突发事件应急预案09-14
(精选)突发事件应急预案07-11
突发事件的应急预案03-22
突发事件应急预案（精品）07-10
突发事件应急预案范文06-07
物业突发事件应急预案02-09
处置突发事件应急预案06-12