基于案例推理的重大环境污染事故应急响应策略筛选专家系统研究

Research on strategy screening for fatal-polluting environment accident emergency response: by case-based
reasoning method
MA anan, ZENG weihua, WANG yan
School of Environment, Beijing Normal University, Beijing, China
Abstract—Because of the frequency of China’s fatal-polluting environment accidents, together with the lack of timely and reasonable strategy for the accident emergency response, it has already brought serious environment loss to our society. In order to deal with the problem, a case base of fatal-polluting environment accidents was set up based on systemic summaries of the experience from former fatal-polluting environment accident emergency response. The methods of strategy screening for fatal-polluting environment accident emergency response was studied, as well as some further key issues such as case representation and case base building, weight distribution of case characteristic attribute, case similarity computation, case input and retrieval, modifications and self-learning. A CBR (case-based reasoning) based expert system for fatal-polluting environment accident emergency response was set up, and tested by one environmental pollution accident. Results showed that this system can be used to give timely and reasonable strategy to fatal-polluting environment accident emergency response.
Keywords—case-based reasoning, fatal-polluting environment accident, emergency response, expert system
基于案例推理的重大环境污染事故应急响应策略筛选
专家系统研究
马安安曾维华王妍
北京师范大学环境学院，北京，中国
摘要针对目前我国重大环境污染事故频发，同时由于缺乏及时、科学且合理的事故应急响应策略，导致重大环境损失的现实状况；在系统归纳总结以往重大环境污染事故应急响应案例的经验教训的基础上，建立了重大环境污染事故案例库；研究了基于案例的重大环境污染事故应急响应策略筛选方法，并对其中的核心问题——案例表示与案例库构建、案例特征属性权重分配、案例相似度计算、案例的输入与检索、案例的修改与自学习开展了系统研究，建立基于CBR案例的重大环境污染事故应急响应策略筛选专家系统；最后，通过一个环境污染事故案例，对所建专家系统进行测试，测试结果表明利用所建专家系统，可以为重大环境污染事故及时准确地筛选出科学合理的应急响应对策。

关键词基于案例推理（CBR），重大环境污染事故，应急响应，专家系统
1．引言
近年来我国重大环境污染事故频繁发生，2003年重庆开县发生特大天然气井喷事故，2004年沱江发生特大氨氮污染事故，2005年松花江发生重大水污染事故等等。

接连不断的环境污染事故已经成为危害人类健康、破坏生态环境的重要因素，严重威胁了环境、经济及社会的和谐发展。

之所以如此，缺乏及时、有效及科学合理的应急响应策略是其中重要原因之一。

通常，重大环境污染事故应急响应对策主要源于应急响应预案与现场专家。

由于重大环境污染事故的爆发具有很大不确定性，应急响应预案所确定策略很难考虑周全；而现场专家的知识毕竟有限，专业背景各不相同，考虑问题不一定全面，同时因是一临时决策过程，缺乏对以往事故应急策略的借鉴。

因此，现场专家所提出的应急响应策
2010 International Conference on Broadcast Technology and Multimedia Communication 978-1-4244-9648-8/10/$26.00 ©2010 IEEE
略未必是最佳策略。

由此可见，为确保应急响应决策的快速性、准确性和有效性，获取最佳响应策略；有必要通过对各领域应急响应专家知识与应急响应案例进行提取，建立应急响应对策专家系统，利用专家系统辅助应急响应策略筛选。

目前，主流专家系统包括两类：一是基于规则推理，二是基于案例推理的。

基于规则推理（Rule-Based Reasoning，RBR）是使用包含在知识库内的规则，对具体问题和数据（事实）进行处理，通过推理机推断出新的知识。

RBR有易于被人类专家理解、便于管理与便于设计的特点；但是，也存在着规则获取困难、规则库维护困难与不能实现自学习功能等不足。

基于案例推理（Case-Based Reasoning，CBR）是近年来人工智能（Artificial Intelligence，AI）领域中兴起的一项重要的推理技术，其基本原理是当遇到一个新的问题时，系统会根据问题的关键特征在原始的案例库中进行匹配，找出一个或几个与待求问题最相近的候选案例，重用此案例的解决方法；如果对候选案例的解决方法不满意，可以对它进行修改以适应待求问题，并把修改过的案例作为一个新的案例保存在案例库中，以便下次遇到类似的问题时作为参考[1][2]。

经过二十多年的发展，目前CBR已成为人工智能与专家系统的一种具有蓬勃生命力的推理技术。

在重大环境污染事故应急响应专家系统领域，国外有学者在上个世纪80年代提出了化学事故紧急响应与处置专家系统（FRES）的蓝图，该系统具有提供检出污染物的急性毒性或长期毒性的信息功能；在向系统输入事故现场环境、化学品的特性与处置期间的气象条件之后，系统可提供此刻危害性最大的化学品特性、防护措施、现场爆炸之可能性与居民疏散等应急响应策略[3]。

I M Dokas等[4]结合事故树分析和模糊专家系统技术建立的专家系统可以有效帮助固体废物填埋场可能事故的早期预警和事故后的应急响应。

但这些研究大多是基于规则而不是基于案例推理的。

在国内，尽管有学者提出了基于案例推理的突发性环境污染事件应急预案系统框架[5]，但只是支持预案编制且仅停留在框架上，并没有真正实现基于案例的重大环境污染事故应急响应策略筛选。

马安安等提出了基于案例的重大环境污染事故应急响应策略筛选专家系统的框架[6]。

基于案例的重大环境事故应急响应策略筛选专家系统在一定程度上依赖于先前的经验和知识，在进行策略筛选时，将已有的重大环境事故应急响应策略应用于待解决的环境事故中，这种思路符合环境专家解决环境事故的思维方式，另一方面在策略筛选时可充分地继承与重用以往的应急响应的经验教训，避免了一部分重复性工作，在很大程度上提高现场应急响应专家系统的效率和质量。

本文将进一步通过系统归纳总结以往重大环境污染事故应急响应案例的经验教训，建立重大环境污染事故案例库；在此基础上，研究基于案例的重大环境污染事故应急响应策略筛选方法，建立基于案例的重大环境污染事故应急响应策略筛选专家系统。

利用所建专家系统，可以增强重大环境污染事故应急响应的快速性、准确性和有效性。

国家高技术研究发展计划（863计划）重点项目（2007AA06A404)；国家科技重大专项（2008ZX07633‐05‐06）
2．基于案例的重大环境污染事故应急响应策略筛选方法
按照CBR的R5工作模式（即Repartition、Retrieve、Reuse、Revise和Retain，分别对应着案例的表示、检索、重用、修正和自学习）[7]，设计基于CBR的重大环境污染事故应急响应策略筛选流程（见图1）。

图1 基于案例的重大环境污染事故应急响应策略筛选流程
2.1 案例表示
对案例知识进行表征的过程就是把案例编码成某种数据结构的过程。

从环境污染事故整个过程来看，一个历史环境污染事故案例应包括两部分：对该事件整体情况的描述与对应急策略的描述：
<整体情况描述，应急策略描述>
本文在表征案例时，将重大环境污染事故分成三类：气体泄漏事故、液体泄漏事故、固体泄漏事故，不同的事故类型选取不同的特征属性。

其中整体描述包括污染物质、
事故原因、泄漏时间、泄漏量、周围有无水体等特征属性，而不同的污染物质又可能包含：类别、密度是否大于空气、易燃性、易爆性、毒性、反应性、腐蚀性、挥发性、水溶性、水反应性、密度是否大于水等特征属性。

应急策略主要包括呼吸系统防护、眼睛防护、身体防护、手防护、建议隔离距离、建议疏散距离、泄漏处置、消防方法等措施。

2.2 案例特征属性权重分配
不同的特征属性对于事件的重要程度不同，在案例搜索时就要根据其不同的重要程度给予不同的权重。

本文采用专家打分法来确定各特征属性的权重，由环境领域的十位专家对三类泄漏事故各属性特征进行打分，得到判断矩阵，进一步计算得到特征属性权重。

以液体泄漏事故为例，计算确定的各特征属性权重，见表1。

可以看出，在液体泄漏事故中，污染物质在相似度计算中所占的比例也最大，占到63.4%（其中类别25.5%，易燃性11.1%，易爆性10.4%，毒性5.6%，反应性5.2%，挥发性5.6%），其他依次为周围有无水体（19.1%）、事故原因（17.4%）。

表1 液体泄漏事故特征属性权重 权重
权重
综合权重
事故原因
0.174 0.174
类别 0.403 0.255 易燃性 0.176 0.111 易爆性 0.164 0.104
毒性 0.088 0.056 反应性 0.082 0.052 污染物质
0.634 挥发性 0.088 0.056
周围有无水体 0.191 0.191
2.3 案例检索中的相似度计算
案例的检索主要是按照每个特征属性预定义的相似度计算公式，采用最近相邻法在案例库中计算筛选最相似案例。

不同的特征属性，可能的相似度计算方法有以下三种：
（1）精确匹配类型
在特征属性相似度计算的时候，字符串类型(精确匹配类型)匹配公式可以表示为：
1()
(,)0()=⎧=⎨
≠⎩i i i i i
i x y sim x y x y （1）
其中sim (x i ,y i )为两个案例某特征属性的相似性，x i 、y i
分别为这两个特征属性的值。

两个案例的特征属性完全匹
配相似度为1，不匹配为0。

如两个案例都为交通事故泄漏，则这两个案例在事故类型这个特征属性上完全匹配，相似度为1。

（2）欧式距离匹配公式
在特征属性相似度计算的时候，连续数据类型(欧氏距离匹配类型)匹配公式可以表示为：
(,)1max min i i
i i i i x y sim x y −=−
− （2）
其中sim (x i ,y i )为两个案例某特征属性的相似性，x i 、y i
分别为这两个特征属性的值，max i 为该属性的最大取值，min i 为该属性的最小取值。

（3）预定义的表达匹配
对于预定义的表达匹配，解决方法是：对每种特征属
性建立一张二维矩阵，矩阵的横坐标和纵坐标是特征向量
集合中元素，矩阵的元素为横坐标和纵坐标对应的匹配值。

如下表所示：
表2 矩阵向量匹配表 X 1 X 2 X 3 … X n X 11a b c d X 2a 1 e f g X 3
b
e 1 h i
…
c f h 1j X n
d g i j 1
其中X 1…X n 是某特征属性的所有可能取值，a …j 是预定义的相似度，是0到1之间的实数，我们把这样的矩阵称为特征向量匹配表。

通过这个表我们就很容易找到两个案例中同一个特征属性下两个特征向量的相似度了。

本文根据不同的特征属性选取不同的匹配公式，在案例的每一个特征属性都计算完毕后，结合权重，案例相似性的计算公式可以表示为：
1
(,)(,)n
i i i i sim A B sim x y ω==⋅∑ （3）
其中sim (A ,B )为两个案例的相似性，其中sim (x i ,y i )为两个案例某特征属性的相似性，
i ω为该特征属性的权重，
n
为案例特征属性的数目。

对于重大环境污染事故来说，经过数据预处理操作后，属性的类型一般有数值类型、二元变量、枚举类型、字符串类型等，不同属性类型采用不同的相似度计算方式。

按照所述相似度计算的三种方法，对案例的特征属性确定相似度计算方法。

本文除“类别”特征属性（字符串类型）采用预定义的表达匹配外，其他特征属性（二元变量、枚
举类型）均采用公式（1）使用精确匹配。

这里需要说明的是“泄漏量”本来为连续属性的数据，应该按照连续属性的数据匹配公式2计算。

如泄漏量范围为0~2000L ，案例A 和案例B 分别泄漏100L 和700L ，则两案例该特征属性的得分为1-600/2000=0.7。

但考虑实际事故中泄漏量对应急响应策略的影响时，首先人们往往只是关心泄漏事故是少量泄漏还是大量泄漏，例如ERG2008也只是给出了少量泄漏和大量泄漏时不同的隔离距离和疏散距离；同时在这种连续属性相似度计算时，由于属性上限值往往较大，所以造成此种方法计算的相似度偏大，不利于案例搜索筛选。

也就是说，用公式2计算“泄漏量”的相似度，会造成系统与实际的脱节，所以在本专家系统中，泄漏量不适合用采用公式2来计算，仍然采用公式1来计算泄漏量等特征属性。

3．基于案例的重大环境污染事故应急响应策略筛选专家系统及其应用
按照图1所示流程，我们运用C#语言作为前台开发工具，运用Microsoft Office Access 2007作为数据库服务器，选取实际发生的几十个案例，提取特征属性，建立了基于CBR 的重大环境污染事故应急响应案例库与基于案例推理的策略筛选专家系统。

3.1 重大环境污染事故案例库
图2为案例库管理系统，通过案例库管理系统可以实现查看案例、添加案例、修改案例、删除案例等操作。

图2 重大环境事故案例库管理界面
3.2 基于案例的重大环境污染事故应急响应策略筛选专家系统及其应用
案例1：某日早晨，广深高速广州收费站往深圳方向3.4公里处，一辆满载乙酸的槽罐车与一辆大货车追尾，车上运载的乙酸发生泄漏，距现场1公里处便可闻到浓浓的酸味，事故周围无水体。

实际救援中采取的措施有，消防员不断向槽罐车喷洒泡沫，以稀释乙酸在空气中的浓度；同时，一辆空槽罐车与事故槽罐车对接后，进行乙酸转存作业。

事故A 为乙酸泄漏事故，属于液体泄漏事故，同时液体泄漏事故案例库中没有“乙酸”这种物质的案例，用户需要额外输入类别、易燃性、易爆性、毒性、反应性和挥发性6种特征属性，这6种特征属性替代污染物质特征属性，和事故原因、周围有无水体一起用于相似度计算。

利用本文所建立的系统对案例库中所有案例进行相似度计算后，给出相似度最高的三个案例供决策者选择（见图3）。

表3为提取的事故A 的特征属性与案例库中案例X 进行相似度计算结果。

图3 筛选出的三个相似度最高案例
表3 相似度计算结果表
属性名称 事故A 案例X 属性相似度权重案例相似度
污染物质 乙酸 硫酸 - -
事故类型 交通事故泄漏交通事故泄漏 1 0.174
周围有无水体 无 有 1 0.191
类别 有机酸 无机酸 0.5*0.255
易燃性 不燃 不燃 1 0.111
0.816
易爆性 不爆 不爆 1 0.104
毒性 无毒 有毒 0 0.056
反应性 易反应 易反应 1 0.052
挥发性 易挥发 易挥发 1 0.056
*预定义有机酸和无机酸的相似度为0.5。

表4和图4分别为案例与事故A的匹配程度图表，由
特征属性符合的最多，案例二和案例三次之。

此可以看出，案例一相似度最高，这是因为它与事故A的
表4 案例与事故A的匹配程度
事故类型 周围有无水体类别易燃性易爆性毒性反应性 挥发性 案例一 ★ ★ ★ ★ ★ ☆ ★ ★
案例二 ★ ★ ☆ ★ ★ ☆ ★ ★
案例三 ★ ★ ☆ ☆ ★ ☆ ★ ★
★ 完全匹配或部分匹配，☆ 不匹配
图4 案例与事故A的匹配比较
在策略选取时，决策者需要根据事故A与最高相似度案例（案例一）的差异，结合案例二和案例三的应急响应策略，对案例一的应急响应策略进行适当修正，即可得到待求案例的最佳应急响应策略，进行辅助决策。

最终可以得到事故A的应急响应策略应为：撤离危险区域，切断泄漏源；构筑围堤或挖坑收容，用泵转移至槽车内，残余物回收运至废物处理场所安全处置；可用雾状水扑灭火灾，保持火场旁容器的冷却，驱散蒸气及溢出的液体。

本文所建立的专家系统具有自学习功能，如果待求案例与案例库中任一案例的相似度都小于0.6，系统认为待求案例与案例库中的案例不相似，需要将待求案例加入到案例库中。

在图3中点击“编辑选中案例”可对筛选出的案例进行修改，点击“显示当前查询”可以显示出当前案例的查询条件，点击“学习当前案例”可以将当前案例的查询条件和经过修改的筛选出的案例作为一个新案例添加到案例库中，从而实现系统的自学习。

4．结论
本文对基于案例推理的重大环境污染事故应急响应策略筛选过程中的案例表示与案例库构建、案例特征属性权重分配、案例相似度计算、案例的输入与检索、案例的修改与自学习等方法核心部分开展了系统的研究；在此基础上，建立了基于案例的重大环境污染事故应急响应策略筛选专家系统。

在此系统中，新案例的表征选取事故原因、污染物种类、泄漏量、泄漏时间与周围有无水体等特征属性，按照每个特征属性预定义的相似度计算公式，系统对案例库中所有案例进行相似度计算后，给出相似度最高的三个案例，以辅助重大环境污染事故现场应急专家进行选择；在策略选取时，应急响应专家需要根据新案例与最高相似度案例的差异，结合其他两个案例的应急响应策略，对最高相似度案例的应急响应策略进行适当修正，即可得到待求案例的最佳应急响应策略；由此，辅助重大环境污染事故现场应急响应专家进行决策。

参考文献
[1] Ian Watson, Farhi Marir. Case-Based Reasoning: A Review[J].
The Knowledge Engineering Review, 1994,9(4):327~354.
[2] A. Amodt, E. Plaza. Case-based reasoning: foundational issues,
methodological variations, and system approaches[C]. Artificial Intelligence Communications 7 ,1994:39~59.
[3] J M Hushon. Response to chemical emergencies[J].
Environment Science. Technology, 1986,20(2):118~ 121.
[4] I.M. Dokasa, D.A. Karrasb, D.C. Panagiotakopoulosc. Fault tree
analysis and fuzzy expert systems: Early warning and emergency response of landfill operations[J]. Environmental Modelling & Software, 2009,24(1):8~25.
[5] Liao zhenliang, Liu yanhui, Xu zuxin. Emergency plan system
for emergency pollution incident emergency response on the base of case-based reasoning[J]. Environmental Pollution and Control, 2009, 31(1):86~89.
廖振良，刘宴辉，徐祖信. 基于案例推理的突发性环境污染
事件应急预案系统[J]. 环境污染与防治，2009，31(1)：86~89.
[6] Ma anan, Zeng weihua. CBR based fatal-polluting environment
accident emergency response expert system: A Review[J].
Journal of Safety and Environment.
马安安，曾维华. 基于CBR的重大环境事故应急响应专家系
统研究进展与展望[J]. 安全与环境学报.
[7] Gavin Finnie, Zhaohao Sun. A R5 model for case-based
reasoning. Knowledge-Based Systems[J], 2003,16(1):59~65.。