复杂相互依存场景下关键基础设施的风险响应决策:一种数据智能驱动的集成模型

《RELIABILITY ENGINEERING & SYSTEM SAFETY》:Risk response decisions for critical infrastructures in complex interdependent scenarios: A data-intelligence-driven integrated model

【字体: 大 中 小 】 时间:2026年10月22日 来源:RELIABILITY ENGINEERING & SYSTEM SAFETY 13.7

编辑推荐:

   - 提出一种数据智能驱动的复杂相互依存场景下关键基础设施(CIs)风险响应决策(RRD)模型。- 构建涵盖风险发生前、发生中和发生后三阶段的RRD框架,以满足各阶段的决策需求。- 综合利用文本数据、现场数据和专家判断数据等多源数据。- 融合本体建模、半监督学习、规则推理和基于

  

- 提出一种数据智能驱动的复杂相互依存场景下关键基础设施(CIs)风险响应决策(RRD)模型。- 构建涵盖风险发生前、发生中和发生后三阶段的RRD框架,以满足各阶段的决策需求。- 综合利用文本数据、现场数据和专家判断数据等多源数据。- 融合本体建模、半监督学习、规则推理和基于案例的推理(CBR)模型。- 以"7·21北京特大暴雨"事件为例,通过案例研究验证模型的有效性。

**引言**

关键基础设施(CIs),包括电力、燃气等系统,对于民生和社会经济发展至关重要[1,2]。在动态运行环境中,这些CIs经常面临多种风险[3,4],如自然灾害[5]和恶意攻击[6]。由于地理空间邻近性或CIs之间的物质和信息传递,CIs之间存在相互依存关系[2,7],可能导致连锁失效,从而增加CIs的脆弱性[8,9]。此外,由时空或因果传播引发的多种风险的并发或顺序发生,将使CIs面临更严重的损失[10,11]。多个CIs、多种风险以及CI相互依存与风险相互依存的叠加,构成了利益相关者难以直观应对的复杂相互依存场景[12,13]。

风险响应是一个针对动态演化风险做出适应性决策的过程,涵盖风险的整个生命周期,包括发生前、发生中和发生后阶段[14,15,16]。在CI风险发生前阶段,风险响应决策(RRDs)需要做好准备工作以构建RRD本体[17,18,19]。在CI风险发生中阶段,RRDs需要进行检测/诊断决策以量化场景[20,21,22]。在CI风险发生后阶段,RRDs需要进行处置决策以生成响应方案[23,24]。最终目的是最大限度地减少CI风险损失、防止CI故障传播,并恢复受损CI的正常运行[25,26]。然而,在复杂相互依存场景下,做出CIs的RRDs仍面临重大挑战。一方面,由于CI风险的随机突发性和动态演化特性,在短时间内获取准确信息十分困难,可能导致RRDs信息不足甚至完全缺乏[26,27]。另一方面,复杂相互依存场景也使相关的RRD问题更加难以解决[28,29]。多个CI遭遇多种风险、涉及CI相互依存和风险相互依存、多利益相关方参与(包括CI监管部门和运营企业)以及这些因素的共同存在,集体增加了RRD建模的难度。

为支持CIs的RRDs,已有若干研究指出了准备工作决策的政策启示,如多利益相关方协同准备的重要性[13,30]和多利益相关方风险分担的必要性[28,31]。另一些研究探索了检测/诊断决策的数据技术,如实时信息传输的系统软件[26]和不完整信息的插补技术[27]。还有一些研究开发了多种定量RRD模型用于处置决策,根据其具体关注点可分为三类:

- 对于单个CI遭遇单一风险的情况,所用模型包括基于案例的推理(CBR)模型[23]、三级混合二元线性规划模型[32]、攻防博弈模型[33]、混合整数非线性规划模型[34]和离散同步博弈模型[35]。这些模型中的RRD场景以博弈场景[33,35]或自定义线性函数[23,32,34]表示,相关的概率和变量信息从实验、测试、年鉴和互联网收集。

- 对于多个相互依存的CI遭遇单一风险的情况,所用模型包括两阶段规划模型[24]、随机优化模型[36,37]、多目标优化模型[38]、鲁棒模型[39]和整数规划模型[40]。RRD场景以线性目标函数[36]和带有中断节点/边的网络模型[24,37,38,39,40]表示,其中CI相互依存表示为CI之间的服务流。相关的概率和网络流信息从IEEE数据集、研究文献和仿真中收集。

- 对于多个相互依存的CI遭遇多种相互依存风险的情况,所用模型包括融合CBR、遗传结构和本体的集成模型[29]。在该模型中,RRD场景表示为一组CIs、风险和自定义连锁模式,其中CI相互依存和风险相互依存表示为从风险发生到CI故障的连锁关系。相关的风险属性和相互依存模式信息从历史案例中收集,并通过线性量化进行汇总。

这些研究为CIs的RRDs提供了有价值的参考;然而,它们中很少有能够针对涉及多个CI和多种风险的复杂相互依存场景应对全过程响应需求(涵盖CI风险发生前、发生中和发生后阶段)的。现有场景表示忽视了CI相互依存和风险相互依存对CI风险损失的影响。线性量化不利于准确评估RRD场景,并可能导致响应方案的偏差。总之,充分的信息支撑决策分析、准确的场景量化和适用的方案生成应纳入复杂相互依存场景下CIs的RRD建模中。

为支持复杂CI风险发生前、发生中和发生后阶段的RRDs,本研究开发了一种数据智能驱动的模型,通过共享的RRD表示将准备、检测/诊断和处置决策连接起来。在准备阶段,多源文本数据和专家知识被组织成包含可复用的场景、标准、策略和规则知识的RRD本体。在检测/诊断阶段,本体中预定义的场景信息与现场观测以及CI和风险相互依存效应信息相结合,同时根据特征标准是否受相互依存效应影响以及其后果是否累积来配置特定标准的聚合方式。在处置阶段,诊断出的场景为本体驱动的案例检索提供依据,随后根据预期效果、实际可行性和特定标准覆盖度对提取的策略进行筛选、修订和协调。最终确定的方案将保留在本体中供未来复用。这三个阶段共同使多个CIs、多种风险、CI和风险相互依存以及多个响应主体和动作能够在单一的本体支持的决策过程中得到表示和处理。

本研究的主要贡献总结如下:

- 首先,为复杂相互依存的CI场景开发了一种阶段耦合的RRD架构。该架构在准备、检测/诊断和处置决策中保持共享表示。准备阶段构建的本体组织了可复用的场景、标准、策略和规则知识;诊断出的实际场景为后续相似场景检索和策略提取提供依据;最终确定的响应方案被保留作为未来决策的参考。这些功能关联在连贯的决策结构中连接了知识构建、场景诊断和响应生成,使多个CIs、多种风险、CI和风险相互依存以及多个响应主体和动作能够被联合表示和处理。

- 其次,为涉及多个CI和多种风险的复杂场景开发了一种双重相互依存和标准自适应的场景量化机制。特征标准根据是否受相互依存效应影响以及其后果是否累积进行分类,相应的聚合模式采用求和、最大值和两个可加Choquet积分算子来确定。这一标准依赖的逻辑依次应用于CI层级和风险层级,使承受主体之间的CI相互依存和风险类别之间的风险相互依存能够根据每个标准的后果特征被纳入量化场景中。该机制同时纳入了加剧和缓释效应,同时保留了异质风险后果的各自累积特性。

- 第三,为响应方案生成开发了一种本体关联和规则引导的案例适应机制。诊断出的实际场景用于从RRD本体中检索相关的场景-策略知识,随后提取的策略进入结构化的检索后适应过程。预期效果和实践可行性作为互补决策维度进行评估;阈值规则确定策略的保留、修订或删除;检查特定标准的覆盖度以识别不足后果;并将兼容策略整合为涉及多个响应主体和动作的协调策略包。该机制将案例检索与明确的效果、可行性、覆盖度和协调性要求联系起来,使检索到的响应经验能够适应实际场景的特征和运行条件。

本文其余部分组织如下:第2节从多个视角进行场景分析;第3节据此构建三阶段框架;第4节提出数据智能驱动的集成模型来解决RRD问题;第5节以"7·21北京特大暴雨"事件为例进行案例研究,展示模型实施、描述响应方案的变化和局部敏感性,并进行描述性比较;最后,第6节突出本研究的贡献、局限性和未来工作。

**章节摘要**

**场景分析**

本节从场景要素、相互依存效应和信息表征等多个视角对RRD场景进行分析。

**框架构建**

以下简要描述每个阶段。基于先前的场景分析,构建了一个三阶段框架来支持CIs的RRDs(见图1)。三个阶段通过RRD本体和场景表示在功能上相互关联。阶段1为后续决策提供结构化的预定义场景、标准、策略和规则知识。阶段2将此预定义信息与实际情况和相互依存效应信息相结合,以诊断

**方法论**

基于所构建的框架,提出了一种数据智能驱动的集成模型,详细描述如下。

**案例研究**

本节以"7·21北京特大暴雨"事件作为案例研究,以展示和评估所提出的模型。在案例背景描述和验证设计之后,呈现RRD过程和模型结果。随后进行敏感性和鲁棒性分析、消融实验、简化模型比较以及与已记录历史响应的回顾性比较,最后讨论管理启示。

**结论**

本研究提出了一种数据智能驱动的集成模型,用于支持复杂相互依存场景下CIs的RRDs。该模型在共享表示中连接了本体构建、场景量化和响应方案生成,产生涉及多个响应主体和动作的协同响应方案。以"7·21北京特大暴雨"为案例进行了模型实施的演示。主要方法论贡献可以

**CRediT作者贡献声明**

索伟兰:撰写–原始草稿、数据整理、方法论、概念化、正式分析、资金获取。王林:撰写–审阅与编辑、方法论、正式分析。徐文杰:撰写–原始草稿、可视化。孙晓雷:验证、调查。李建平:验证、方法论、正式分析、监督、资金获取。

**利益冲突声明**

作者声明他们没有已知的竞争性经济利益或个人关系,这些利益或关系可能会影响本论文中报告的工作。

**CRediT作者贡献声明**

索伟兰:撰写–原始草稿、方法论、资金获取、正式分析、数据整理、概念化。王林:撰写–审阅与编辑、方法论、正式分析。徐文杰:撰写–原始草稿、可视化。孙晓雷:验证、调查。李建平:验证、监督、方法论、资金获取、正式分析。

索伟兰 | 王林 | 徐文杰 | 孙晓雷 | 李建平
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号