摘要 | 第3-5页 |
abstract | 第5-6页 |
1 绪论 | 第11-25页 |
1.1 选题背景及研究意义 | 第11-13页 |
1.1.1 选题背景 | 第11-12页 |
1.1.2 研究意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-21页 |
1.2.1 “情景-应对”理论的研究现状 | 第13-17页 |
1.2.2 突发事件情景识别的研究现状 | 第17-20页 |
1.2.3 文献述评与本文的出发点 | 第20-21页 |
1.3 研究内容 | 第21-22页 |
1.4 研究方法和技术路线 | 第22-25页 |
1.4.1 研究方法 | 第22-23页 |
1.4.2 技术路线 | 第23-25页 |
2 “情景-应对”型应急决策的相关理论基础 | 第25-43页 |
2.1 突发事件相关概念 | 第25-27页 |
2.1.1 突发事件内涵 | 第25-26页 |
2.1.2 突发事件分类 | 第26-27页 |
2.1.3 突发事件的特征 | 第27页 |
2.2 应急决策相关理论 | 第27-32页 |
2.2.1 应急决策的概念 | 第27-28页 |
2.2.2 应急决策的特征与一般流程 | 第28-30页 |
2.2.3 应急决策的主要方法与模型 | 第30-32页 |
2.3 扎根理论 | 第32-36页 |
2.4 我国应急决策模式的发展与演变 | 第36-38页 |
2.4.1 我国传统的应急决策模式 | 第36-37页 |
2.4.2 我国应急决策模式的发展趋势 | 第37-38页 |
2.5 “情景-应对”型应急决策的提出与主要流程 | 第38-42页 |
2.5.1 “情景-应对”型应急决策模式的提出 | 第38-39页 |
2.5.2 “情景-应对”型应急决策的主要流程 | 第39-41页 |
2.5.3 情景识别是“情景-应对”型应急决策的关键 | 第41-42页 |
2.6 本章小结 | 第42-43页 |
3 突发事件情景信息需求的动态生成 | 第43-76页 |
3.1 基于扎根理论的突发事件情景信息构成要素分析 | 第43-51页 |
3.1.1 突发事件情景信息构成研究文献回顾 | 第43-45页 |
3.1.2 深度访谈资料分析 | 第45页 |
3.1.3 典型案例资料分析 | 第45-47页 |
3.1.4 构成要素确定与概念模型 | 第47-50页 |
3.1.5 突发事件情景信息的主要特征 | 第50-51页 |
3.2 基于解释结构模型的情景信息构成要素逻辑关系分析 | 第51-57页 |
3.2.1 解释结构模型 | 第51-52页 |
3.2.2 ISM要素确定 | 第52-53页 |
3.2.3 构成要素的邻接矩阵建立 | 第53-54页 |
3.2.4 构成要素的可达矩阵与层次化处理 | 第54-56页 |
3.2.5 解释结构模型的构建与分析 | 第56-57页 |
3.3 基于事信映射原理的情景信息需求动态生成 | 第57-70页 |
3.3.1 突发事件应急决策信息需求的特征 | 第58-59页 |
3.3.2 事信映射原理 | 第59-60页 |
3.3.3 基于语义相似度计算的信息需求模板匹配方法 | 第60-66页 |
3.3.4 基于事信映射的信息需求动态生成方法 | 第66-70页 |
3.4 突发事件情景信息动态搜集流程 | 第70-74页 |
3.4.1 “情景-应对”应急决策模式下的信息处理流程 | 第70-71页 |
3.4.2 情景信息动态搜集流程构建 | 第71-73页 |
3.4.3 任务自动分配算法 | 第73-74页 |
3.5 本章小结 | 第74-76页 |
4 情景要素中的对象提取与表达研究 | 第76-103页 |
4.1 情景要素中的对象提取与表达模型 | 第76-77页 |
4.2 情景对象属性数据的预处理 | 第77-86页 |
4.2.1 基于区间数的多维不确定性数据的聚类分析 | 第77-81页 |
4.2.2 基于先验知识的多源异构数据冲突解决 | 第81-86页 |
4.3 情景要素中部分对象的识别与提取 | 第86-94页 |
4.3.1 基于目视解译方法的对象识别与提取 | 第87-88页 |
4.3.2 基于图像信息提取方法的对象识别与提取 | 第88-94页 |
4.4 基于熵权法的情景对象关键性属性确定 | 第94-97页 |
4.4.1 基于熵权法的关键属性评价模型 | 第94-96页 |
4.4.2 在油气管道爆炸事件中的应用 | 第96-97页 |
4.5 基于知识元理论的情景要素表达 | 第97-101页 |
4.5.1 知识元理论 | 第97-98页 |
4.5.2 情景要素之间的关系 | 第98-99页 |
4.5.3 基于知识元的情景表达模型构建 | 第99-101页 |
4.6 本章小结 | 第101-103页 |
5 基于动态贝叶斯网络的突发事件情景推演模型 | 第103-126页 |
5.1 突发事件情景演化机理分析 | 第103-107页 |
5.1.1 突发事件发生机理 | 第103-104页 |
5.1.2 突发事件发展演变机理 | 第104-107页 |
5.2 突发事件演化规律与路径分析 | 第107-111页 |
5.2.1 突发事件情景演化规律 | 第107-109页 |
5.2.2 突发事件情景演化路径 | 第109-111页 |
5.3 基于动态贝叶斯网络的突发事件情景网络构建 | 第111-115页 |
5.3.1 动态贝叶斯网络 | 第111-113页 |
5.3.2 突发事件情景网络构建 | 第113-115页 |
5.4 基于动态贝叶斯网络的情景推演模型 | 第115-119页 |
5.4.1 情景推演模型构建 | 第115-116页 |
5.4.2 网络节点变量的概率确定与计算方法 | 第116-119页 |
5.5 “7.16”大连输油管道爆炸事件应用 | 第119-124页 |
5.5.1 事件发生与演化机理 | 第119-121页 |
5.5.2 事件情景演化路径分析 | 第121-122页 |
5.5.3 事件情景概率分配与计算 | 第122-124页 |
5.5.4 实证结果分析 | 第124页 |
5.6 本章小结 | 第124-126页 |
6 结论与展望 | 第126-129页 |
6.1 结论 | 第126-127页 |
6.2 创新点 | 第127页 |
6.3 展望 | 第127-129页 |
致谢 | 第129-130页 |
参考文献 | 第130-142页 |
攻读博士期间取得的主要成果 | 第142页 |