一种基于情景元演化链路的应急方案动态调整方法及系统

1.本发明涉及应急方案调整领域，特别是涉及一种基于情景元演化链路的应急方案动态调整方法及系统。


背景技术：

2.重大灾害事故的发展具有明显的复杂性与不确定性，在灾害演化的过程中，各类信息的复杂性与变化性也极强，现有技术在应急处置的过程中，直接根据历史经验确定固定的应急方案，并不能保证应急方案的有效性及合理性。在实际情况下，需要针对灾害事故不断变化的动态特性，实时的对应急方案进行相应的调整。
3.基于上述问题，亟需一种新的应急方案调整方法以保证应急方案的有效性及合理性。


技术实现要素：

4.本发明的目的是提供一种基于情景元演化链路的应急方案动态调整方法及系统，可提高应急方案的有效性及合理性。
5.为实现上述目的，本发明提供了如下方案：
6.一种基于情景元演化链路的应急方案动态调整方法，包括：
7.获取t1时刻的多个当前情景元；各当前情景元包括承灾体及所述承灾体的当前灾情；
8.针对任一承灾体，获取所述承灾体的历史灾情，并确定多个历史情景元；
9.根据包含所述承灾体的当前情景元及历史情景元，确定所述承灾体在t1时刻后设定时段内的单一情景元链路；
10.根据各承灾体的单一情景元链路，确定复合情景元链路；所述复合情景元链路中包括多个情景元；
11.确定所述复合情景元链路中各情景元在t1时刻的灾害等级；
12.根据各情景元在t1时刻的灾害等级，确定各情景元在t2时刻的初始应急方案；t2时刻为t1时刻后的时刻；
13.以所述复合情景元链路中的各情景元为节点，情景元之间的相互关系为有向边，将所述复合情景元链路转化为贝叶斯网络，得到复合情景元网络；
14.采用贝叶斯公式预测所述复合情景元网络中各情景元在t2时刻的灾害等级；
15.针对任一情景元，根据所述情景元在t1时刻的灾害等级以及在t2时刻的灾害等级，调整所述情景元在t2时刻的初始应急方案，得到t2时刻的最终应急方案。
16.可选地，所述根据所述情景元在t1时刻的灾害等级以及在t2时刻的灾害等级，调整所述情景元在t2时刻的初始应急方案，得到t2时刻的最终应急方案，具体包括：
17.判断所述情景元在t1时刻的灾害等级与所述情景元在t2时刻的灾害等级的大小；
18.若所述情景元在t1时刻的灾害等级大于或等于所述情景元在t2时刻的灾害等级，
则将所述初始应急方案作为最终应急方案；
19.若所述情景元在t1时刻的灾害等级小于所述情景元在t2时刻的灾害等级，则根据所述情景元在t2时刻的灾害等级调整所述初始应急方案。
20.可选地，所述根据所述情景元在t2时刻的灾害等级调整所述初始应急方案，具体包括：
21.获取与所述情景元在t2时刻的灾害等级相同的历史情景元的应急方案，得到备选方案集合；所述备选方案集合中包括多个备选方案；
22.对各备选方案的多个评价指标进行评估，得到评价矩阵；
23.采用topsis法，根据所述评价矩阵，确定最优的备选方案；所述最优的备选方案为最终应急方案。
24.可选地，所述多个评价指标包括调整成本、调整难度及处置效果；
25.所述对各备选方案的多个评价指标进行评估，得到评价矩阵，具体包括：
26.对各备选方案的调整成本进行评估，得到调整成本矩阵；
27.对各备选方案的调整难度进行评估，得到调整难度矩阵；
28.对各备选方案的处置效果进行评估，得到处置效果矩阵；
29.根据所述调整成本矩阵、处置难度矩阵及处置效果矩阵，确定评价矩阵。
30.可选地，所述对各备选方案的调整成本进行评估，得到调整成本矩阵，具体包括：
31.针对任一备选方案，判断所述初始应急方案与所述备选方案是否存在共同资源；
32.若所述初始应急方案与所述备选方案存在共同资源，则所述备选方案的调整成本为所述备选方案的实施成本与所述初始应急方案的实施成本的差；
33.若所述初始应急方案与所述备选方案不存在共同资源，则所述备选方案的调整成本为所述备选方案的实施成本；
34.根据各备选方案的调整成本，确定调整成本矩阵。
35.可选地，所述采用topsis法，根据所述评价矩阵，确定最优的备选方案，具体包括：
36.确定各评价指标的权重；
37.对所述评价矩阵进行去量纲处理，得到规范化决策矩阵；
38.根据各评价指标的权重及所述规范化决策矩阵，确定加权规范化矩阵；
39.根据所述加权规范化矩阵，确定模糊理想解及负理想解；
40.根据所述模糊理想解及所述负理想解，确定各备选方案与所述模糊理想解的贴近度；
41.根据各备选方案与所述模糊理想解的贴近度，对各备选方案进行排序，以得到最优的备选方案。
42.可选地，采用以下公式，确定模糊理想解：
[0043][0044]
采用以下公式，确定负理想解：
[0045]
[0046]
其中，s

为模糊理想解，s-为负理想解，u为备选方案的数量，v为评价指标的数量，r
uv
为第u个备选方案的第v个评价指标，r
uv
∈r，r为加权规范化矩阵。
[0047]
可选地，采用以下公式，确定第i个备选方案与模糊理想解的贴近度：
[0048][0049]
其中，di为第i个备选方案与模糊理想解的贴近度，r
ij
为第i个备选方案的第j个评价指标，为负理想解中的第j个元素，为模糊理想解中的第j个元素。
[0050]
为实现上述目的，本发明还提供了如下方案：
[0051]
一种基于情景元演化链路的应急方案动态调整系统，包括：
[0052]
当前情景元确定单元，用于获取t1时刻的多个当前情景元；各当前情景元包括承灾体及所述承灾体的当前灾情；
[0053]
历史灾情获取单元，用于针对任一承灾体，获取各承灾体的历史灾情信息，并确定所述承灾体的多个历史情景元；
[0054]
单一链路确定单元，分别与所述当前情景元确定单元及所述历史灾情获取单元连接，用于根据包含所述承灾体的当前情景元及所述历史情景元，确定所述承灾体在t1时刻后设定时段内的单一情景元链路；
[0055]
复合链路确定单元，与所述单一链路确定单元连接，用于根据各承灾体的单一情景元链路，确定复合情景元链路；所述复合情景元链路中包括多个情景元；
[0056]
灾害等级确定单元，与所述复合链路确定单元连接，用于确定所述复合情景元链路中各情景元在t1时刻的灾害等级；
[0057]
初始方案确定单元，与所述灾害等级确定单元连接，用于根据各情景元在t1时刻的灾害等级，确定各情景元在t2时刻的初始应急方案；
[0058]
网络转换单元，与所述复合链路确定单元连接，用于以所述复合情景元链路中的各情景元为节点，情景元之间的相互关系为有向边，将所述复合情景元链路转化为贝叶斯网络，得到复合情景元网络；
[0059]
灾害等级预测单元，与所述网络转换单元连接，用于采用贝叶斯公式预测所述复合情景元网络中各情景元在t2时刻的灾害等级；
[0060]
方案调整单元，与所述灾害等级确定单元、所述灾害等级预测单元及所述初始方案确定单元连接，用于针对任一情景元，根据所述情景元在t1时刻的灾害等级以及在t2时刻的灾害等级，调整所述情景元在t2时刻的初始应急方案，得到t2时刻的最终应急方案。
[0061]
可选地，所述方案调整单元包括：
[0062]
判断模块，与所述灾害等级确定单元及所述灾害等级预测单元连接，用于判断所述情景元在t1时刻的灾害等级与所述情景元在t2时刻的灾害等级的大小；
[0063]
最终应急方案确定模块，与所述判断模块及所述初始方案确定单元连接，用于若
所述情景元在t1时刻的灾害等级大于或等于所述情景元在t2时刻的灾害等级，则将所述初始应急方案作为最终应急方案；
[0064]
调整模块，与所述判断模块及所述初始方案确定单元连接，用于若所述情景元在t1时刻的灾害等级小于所述情景元在t2时刻的灾害等级，则根据所述情景元在t2时刻的灾害等级调整所述初始应急方案。
[0065]
根据本发明提供的具体实施例，本发明公开了以下技术效果：根据各承灾体及各承灾体的灾情确定多个情景元，并构建相应情景元的演化链路，将复合情景元链路转化为贝叶斯网络，采用贝叶斯公式预测复合情景元网络中各情景元在t2时刻的灾害等级，并根据情景元在t1时刻的灾害等级以及在t2时刻的灾害等级，调整情景元在t2时刻的初始应急方案，得到t2时刻的最终应急方案，结合不断完善的信息对情景元的灾情演化进行预测，提高了应急方案的有效性及合理性，以提高对重大灾害事故进行应急处理的效果。
附图说明
[0066]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0067]
图1为本发明基于情景元演化链路的应急方案动态调整方法的流程图；
[0068]
图2为应急方案动态调整思路示意图；
[0069]
图3为情景元链路推导示意图；
[0070]
图4为本发明基于情景元演化链路的应急方案动态调整系统的模块结构示意图。
[0071]
符号说明：
[0072]
当前情景元确定单元-1，历史灾情获取单元-2，单一链路确定单元-3，复合链路确定单元-4，灾害等级确定单元-5，初始方案确定单元-6，网络转换单元-7，灾害等级预测单元-8，方案调整单元-9。
具体实施方式
[0073]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0074]
本发明的目的是提供一种基于情景元演化链路的应急方案动态调整方法及系统，通过构建情景元链路，采用贝叶斯公式预测复合情景元网络中各情景元在t2时刻的灾害等级，并结合t1时刻的灾害等级，调整t2时刻的初始应急方案，保证应急方案的有效性及合理性，以提高对重大灾害事故进行应急处理的效果。
[0075]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0076]
如图1和图2所示，本发明基于情景元演化链路的应急方案动态调整方法包括：
[0077]
s1：获取t1时刻的多个当前情景元。各当前情景元包括承灾体及所述承灾体的当
前灾情。在本实施例中，首先通过现场勘察，明确所有承灾体与各承灾体的当前灾情信息。收集t1时刻现场灾害信息，将承灾体记为b1，将承灾体的当前灾情记为d1，承灾体与当前灾情信息结合记为情景元e1。
[0078]
s2：针对任一承灾体，获取所述承灾体的历史灾情，并确定多个历史情景元。具体地，在历史数据库中查找相似案例，在此基础上构建起承灾体所承受灾情的变化情况，记为dn(n＝2,...,n)，承灾体与不同灾情的结合为情景元en(n＝2,...,n)，n为灾害事故中承载体所承受的灾情数量。
[0079]
s3：根据包含所述承灾体的当前情景元及历史情景元，确定所述承灾体在t1时刻后设定时段内的单一情景元链路。通过分析在历史上不同灾害事故案例中承灾体所承受的灾情，构建起承灾体所承受灾情的变化情况，将所有情景元连接形成各承灾体的单一情景元链路x1，即承灾体在t1时刻后设定时段内的单一情景元链路表征承载体在t1时刻后的灾情变化情况。如图3所示为承载体b1的单一情景元链路的推导示意图。
[0080]
对所有承灾体及其所受灾情进行收集，分别对承灾体进行编号，记为bf(f＝2,...,f)，f为承载体的数量，从而完成所有的单一情景元链路构建，记为xf(f＝2,...,f)。
[0081]
s4：根据各承灾体的单一情景元链路，确定复合情景元链路；所述复合情景元链路中包括多个情景元。
[0082]
具体地，将所有单一情景链路xf(f＝2,...,f)整合，形成从t1时刻开始，设定时段内灾害演化的复合情景元链路xf。
[0083]
s5：确定所述复合情景元链路中各情景元在t1时刻的灾害等级。
[0084]
s6：根据各情景元在t1时刻的灾害等级，确定各情景元在t2时刻的初始应急方案，t2》t1。t2时刻为t1时刻的后一时刻。
[0085]
s7：以所述复合情景元链路xf中的各情景元为节点，情景元之间的相互关系为有向边，将所述复合情景元链路xf转化为贝叶斯网络，得到复合情景元网络。
[0086]
s8：采用贝叶斯公式预测所述复合情景元网络中各情景元在t2时刻的灾害等级。具体地，在t1 δt时刻，决策者根据灾害现场情景元要素信息，结合情景元演化链路，对t2时刻情景元演化态势进行分析。采用贝叶斯公式对复合情景元网络中各情景元的概率进行计算，预测情景元的演化方向，确定情景元可能演变状态(灾害等级)的概率，并以此为根据判断是否需要对在t1时刻所生成的t2时刻的初始应急方案进行调整。
[0087]
在本实施例中，采用贝叶斯公式对发展概率进行计算，贝叶斯基本公式如下：
[0088][0089]
其中，a、bi分别表示事件，在本实施例中，a和bi表示任意两个不同的情景元，p(bi)表示事件bi发生的概率，称为先验概率，一般由领域内专家依据经验给出，p(bi)≥0，且g为复合情景元网络中情景元的数量；p(a|bi)表示条件概率，一般由历史案例分析及现场信息结合经计算机大量运算或专家研讨给出；p(bi|a)为后验概率，即a情况下bi发生的概率。
[0090]
采用贝叶斯公式得到情景元的演化路径。例如：情景元e1在历史案例的实际发展中，发展为了e3、e6、e7等多个情景元，因此需要结合当前灾害的实际情况，确定e1在当前情况下发展为哪个情景元的概率最大，概率最大的发展方向即为情景元的演化路径。
[0091]
利用贝叶斯公式对复合情景元网络可能的发展状态进行计算，得到相应的概率。以现场专家意见为先验概率，以历史案例及现场研讨为条件概率，计算复合情景元网络在t2时刻可能达到的状态。
[0092]
s9：针对任一情景元，根据所述情景元在t1时刻的灾害等级以及在t2时刻的灾害等级，调整所述情景元在t2时刻的初始应急方案，得到t2时刻的最终应急方案。具体地，应急方案一般指应急救援队伍到场后根据灾害实际情况采取的组织方法、救援方案及灭火战术等。
[0093]
假设决策者在t1时刻分析情景元i的灾害等级为经情景元推理后选取为2时刻的初始应急方案并实施。在t1 δt时刻，决策者结合不断丰富的灾情信息预测情景元的灾害等级在t2时刻会演变为发生概率为py，py≥0。
[0094]
在本实施例中，t1时刻是指灾害级别形成的时刻；t1 δt时间表示决策者所在时刻；t2时刻表示决策者在t1 δt时刻根据t1时刻的条件所推理出下一阶段灾害状态的时刻。
[0095]
进一步地，步骤s9具体包括：
[0096]
s91：判断所述情景元在t1时刻的灾害等级与所述情景元在t2时刻的灾害等级的大小。
[0097]
s92：若所述情景元在t1时刻的灾害等级大于或等于所述情景元在t2时刻的灾害等级，则将所述初始应急方案作为最终应急方案。
[0098]
s93：若所述情景元在t1时刻的灾害等级小于所述情景元在t2时刻的灾害等级，则根据所述情景元在t2时刻的灾害等级调整所述初始应急方案。
[0099]
在本实施例中，对比灾情级别，当时，初始应急方案可有效控制当前事态的发展，因此可继续执行原方案，或对原方案进行简化；当时，初始应急方案无法满足控制事态发展的要求，需要对原方案进行调整。
[0100]
具体地，在初始应急方案不足以控制现场灾害事态发展的情况下，需要根据预测的t2时刻的灾害等级对初始应急方案进行调整，步骤s93包括：
[0101]
s931：获取与所述情景元在t2时刻的灾害等级相同的历史情景元的应急方案，得到备选方案集合。所述备选方案集合中包括多个备选方案。具体地，针对t2时刻情景元最可能处于的状态进行情景元推理，获取备选调整方案集合。
[0102]
根据推演结果，检索t2时刻预测的情景元的灾害等级的相似历史情景元各相似历史情景元对应的等级为各相似历史情景元对应的等级为设置阈值，提取相似历史情景元的应急方案集合阈值，提取相似历史情景元的应急方案集合作为备选方案集合，其中，为相似历史情景元m的应急方案，m为相似历史情景元的数量。
[0103]
s932：对各备选方案的多个评价指标进行评估，得到评价矩阵。在本实施例中，所述多个评价指标包括调整成本、调整难度及处置效果。
[0104]
具体地，对各备选方案的调整成本进行评估，得到调整成本矩阵。对各备选方案的调整难度进行评估，得到调整难度矩阵。对各备选方案的处置效果进行评估，得到处置效果
矩阵。根据所述调整成本矩阵、处置难度矩阵及处置效果矩阵，确定评价矩阵。
[0105]
对各备选方案的调整成本进行评估的过程具体包括：
[0106]
针对任一备选方案，判断所述初始应急方案与所述备选方案是否存在共同资源。
[0107]
若所述初始应急方案与所述备选方案存在共同资源，则所述备选方案的调整成本为所述备选方案的实施成本与所述初始应急方案的实施成本的差。
[0108]
若所述初始应急方案与所述备选方案不存在共同资源，则所述备选方案的调整成本为所述备选方案的实施成本。
[0109]
根据各备选方案的调整成本，确定调整成本矩阵。
[0110]
在本实施例中，设初始应急方案集合为初始应急方案集中各承载体的初始应急方案。初始应急方案集合中，每一个初始应急方案所对应的实施成本为所对应的实施成本为构成了初始应急方案的实施成本集合。
[0111]
表示由方案调整为方案的调整成本，存在以下几种情况：
[0112]
若初始应急方案与备选方案无关联，即两套方案无共同涉及的资源，那么这次方案调整过程即为停止方案启动备选方案此时成本为备选方案的实时成本
[0113]
若应急方案与备选方案有关联，即两套方案有共同涉及的资源，那么方案调整的过程就是在方案的基础上增加或减少包括人力和物力在内的相应资源以符合方案的需求，此时，应急方案的调整成本
[0114]
调整成本相应矩阵的具体形式如表1所示。
[0115]
表1调整成本矩阵
[0116][0117]
对各备选方案的调整难度进行评估的过程具体包括：设为初始应急方案调整为备选方案的难度，的难度，值越大，表示调整难度越大，值越小，方案调整越容易。调整难度矩阵的具体形式如表2所示。
[0118]
表2调整难度矩阵
[0119][0120]
对各备选方案的处置效果进行评估的过程具体包括：选用的调整方案在历史相似情景元中若具有较好的实施效果，那么运用该方案来应对当前问题的就具有相对较高的客观效用。设表示初始应急方案调整为备选方案后，对于灾害事故情景元处于时的处置效果，≤1。处置效果矩阵的具体形式如表3所示。
[0121]
表3处置效果矩阵
[0122][0123]
在本实施例中，调整成本、调整难度及处置效果均可采用专家打分来进行确定。成本要素也可结合受灾区域经济情况，对于超出部分划定评估分数阈值。
[0124]
s933：采用topsis法，根据所述评价矩阵，确定最优的备选方案。所述最优的备选方案为最终应急方案。
[0125]
具体地，将备选方案集合列出，设共有u个备选方案，根据实际情况确定评价指标共v个。评价指标根据现场实际情况确定，一般评价指标包括调整成本、调整难度及处置效果，此处v＝3。步骤s933包括：
[0126]
确定各评价指标的权重。在本实施例中，评价指标的权重向量为w＝(ω1,ω2,ω3)，ω1、ω2、ω3分别为调整成本、调整难度与处置效果所对应的权重，0《ω1，ω2、ω3《1且ω1 ω2 ω3＝1。
[0127]
对所述评价矩阵y＝(y
ij
)u×v进行去量纲处理，得到规范化决策矩阵l＝(l
ij
)u×v。其中，i＝1,2,...,u，j＝1,2,...,v，评价矩阵中的y
ij
为调整成本矩阵、调整难度矩阵及处置效果矩阵中的任一元素。l
ij
为规范化的评价指标。
[0128]
根据各评价指标的权重及所述规范化决策矩阵，确定加权规范化矩阵r＝(r
ij
)u×v＝(ωjl
ij
)u×v，其中，r
ij
为加权后的评价指标。
[0129]
根据所述加权规范化矩阵，确定模糊理想解及负理想解。在本实施例中，采用以下公式，确定模糊理想解：
[0130][0130][0131]
采用以下公式，确定负理想解：
[0132][0133]
其中，s

为模糊理想解，s-为负理想解，u为备选方案的数量，v为评价指标的数量，r
uv
为第u个备选方案的第v个评价指标，r
uv
∈r，r为加权规范化矩阵。
[0134]
根据所述模糊理想解及所述负理想解，确定各备选方案与所述模糊理想解的贴近度。在本实施例中，采用以下公式，确定第i个备选方案与模糊理想解的贴近度：
[0135][0136]
其中，di为第i个备选方案与模糊理想解的贴近度，r
ij
为第i个备选方案的第j个评价指标，为负理想解中的第j个元素，为模糊理想解中的第j个元素。是备选方案距离模糊理想解的欧氏距离，是备选方案距离负理想解的欧氏距离。一般来说认为距离模糊理想解越近、距离负理想解越远的方案更加优秀。di越小表示备选方案与理想状态越接近，di越大表示备选方案越不理想。
[0137]
根据各备选方案与所述模糊理想解的贴近度，对各备选方案进行排序、组合，以得到最优的备选方案。
[0138]
本发明在重大灾害事故发生时，针对事故实际的变化，通过构建相应情景元的演化链路，结合不断完善的决策信息，对情景元的灾情演化进行预测，在此基础上遴选不同的应急方案，通过历史案例与专家经验相结合的方法，在现场实际情况的基础上动态调整得到的应急方案，相对于单纯依靠历史经验更加准确、有效。
[0139]
为了更好地理解本发明的方案，下面结合具体实施例对应急方案的确定过程进一步进行说明。
[0140]
假设所获取备选方案集合共包括3个备选方案：假设所获取备选方案集合共包括3个备选方案：为实现应急方案的调整，需要对这3个应急方案展开测评。首先，确定测评指标中调整成本、调整难度和处置效果的评价权重分别为ω1＝0.175，ω2＝0.125，ω3＝0.7。在当前情况下，通过对备选的3个应急方案进行评估，最终对初始应急方案进行调整。三个指标当中处置效果为效应型指标(得分越高越好)，调整难度和调整成本为成本型指标(得分越小越好)，为实现指标同化，要求专家对于方案调整难度和处置效果打分时实施逆向评估，调整难度越低、调整成本越少则评分越高，每项指标满分为10.0分。以任一备选方案为例，5位
专家对于其打分情况见表1，其中每位专家的权值相同，w＝0.2。
[0141]
表4备选方案各评估指标的打分结果
[0142][0143]
结合专家打分结果可得：
[0144][0145][0146][0147]
可得到规范化评估矩阵：
[0148][0149]
结合调整成本、调整难度和处置效果相对应的指标权重，得到加权规范化矩阵r＝(r
ij
)u×v＝(ωjl
ij
)u×v，其中，ω1＝0.175，ω2＝0.125，ω3＝0.7：
[0150][0151]
可得模糊理想解和负理想解分别为：
[0152]s
＝(1.090,0.766,5.544)；
[0153]
s-＝(0.700,0.553,4.011)；
[0154]
以备选调整方案为例进行计算：
[0155][0156]
同理计算可得，备选方案和与理想方案贴进度分别为d2＝0.514，d3＝0.224，可得备选方案与理想解贴进度最近，因此，可选方案为最终的应急方案。
[0157]
如图4所示，本发明基于情景元演化链路的应急方案动态调整系统包括：当前情景元确定单元1、历史灾情获取单元2、单一链路确定单元3、复合链路确定单元4、灾害等级确
定单元5、初始方案确定单元6、网络转换单元7、灾害等级预测单元8及方案调整单元9。
[0158]
其中，所述当前情景元确定单元1用于获取t1时刻的多个当前情景元；各当前情景元包括承灾体及所述承灾体的当前灾情。
[0159]
所述历史灾情获取单元2用于针对任一承灾体，获取各承灾体的历史灾情信息，并确定所述承灾体的多个历史情景元。
[0160]
所述单一链路确定单元3分别与所述当前情景元确定单元1及所述历史灾情获取单元2连接，所述单一链路确定单元3用于根据包含所述承灾体的当前情景元及所述历史情景元，确定所述承灾体在t1时刻后设定时段内的单一情景元链路。
[0161]
所述复合链路确定单元4与所述单一链路确定单元3连接，所述复合链路确定单元4用于根据各承灾体的单一情景元链路，确定复合情景元链路；所述复合情景元链路中包括多个情景元。
[0162]
所述灾害等级确定单元5与所述复合链路确定单元4连接，所述灾害等级确定单元5用于确定所述复合情景元链路中各情景元在t1时刻的灾害等级。
[0163]
所述初始方案确定单元6与所述灾害等级确定单元5连接，所述初始方案确定单元6用于根据各情景元在t1时刻的灾害等级，确定各情景元在t2时刻的初始应急方案。
[0164]
所述网络转换单元7与所述复合链路确定单元4连接，所述网络转换单元7用于以所述复合情景元链路中的各情景元为节点，情景元之间的相互关系为有向边，将所述复合情景元链路转化为贝叶斯网络，得到复合情景元网络。
[0165]
所述灾害等级预测单元8与所述网络转换单元7连接，所述灾害等级预测单元8用于采用贝叶斯公式预测所述复合情景元网络中各情景元在t2时刻的灾害等级。
[0166]
所述方案调整单元9与所述灾害等级确定单元5、所述灾害等级预测单元8及所述初始方案确定单元6连接，所述方案调整单元9用于针对任一情景元，根据所述情景元在t1时刻的灾害等级以及在t2时刻的灾害等级，调整所述情景元在t2时刻的初始应急方案，得到t2时刻的最终应急方案。
[0167]
进一步地，所述方案调整单元9包括：判断模块、最终应急方案确定模块及调整模块。
[0168]
其中，所述判断模块与所述灾害等级确定单元5及所述灾害等级预测单元8连接，所述判断模块用于判断所述情景元在t1时刻的灾害等级与所述情景元在t2时刻的灾害等级的大小。
[0169]
所述最终应急方案确定模块与所述判断模块及所述初始方案确定单元6连接，所述最终应急方案确定模块用于若所述情景元在t1时刻的灾害等级大于或等于所述情景元在t2时刻的灾害等级，则将所述初始应急方案作为最终应急方案。
[0170]
所述调整模块与所述判断模块及所述初始方案确定单元6连接，所述调整模块用于若所述情景元在t1时刻的灾害等级小于所述情景元在t2时刻的灾害等级，则根据所述情景元在t2时刻的灾害等级调整所述初始应急方案。
[0171]
相对于现有技术，本发明基于情景元演化链路的应急方案动态调整系统与上述基于情景元演化链路的应急方案动态调整方法的有益效果相同，在此不再赘述。
[0172]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统
而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0173]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。