一种基于CBR算法的电力应急物资应急需求的模型的制作方法

本发明属于CBR应急物资管理领域，涉及一种基于CBR算法的电力应急物资应急需求的模型和应用结构技术领域。

背景技术：

基于实例的推理机制CBR(Case-Based Reasoning)直接模拟人类思维模式，它是近年来人工智能领域内兴起的一项重要的推理技术，它不同于基于规则的推理模式，而是很好地模拟了人的联想、直觉、类比、归纳、学习和记忆等思维过程，在进行新问题求解时，借助以前求解类似问题的经验来进行推理，得出新问题的解决方案。当应急事件发生时对电力应急物资的需求，呈现出的要求是既要快，又要准。因此将CBR模型引入到应急事件的电力应急物资需求预测中，无论是对于处理水平不确定的决策信息，还是帮助处于复杂决策环境、面临巨大心理压力的应急事件管理决策者，其效果都是显著的。

技术实现要素：

为了提升应急事件发生时电力单位对电力应急物资的需求管理，提高应急事件发生时应急物资需求的准确定位和快速调配能力。

本发明通过如下技术方案实现：

一种基于CBR算法的电力应急物资应急需求模型，本发明特征在于，由应急事件信息采集模块、事件数据存储模块、应急事件CBR分析模块、应急事件需求展示模块依序连接组成，事件数据存储模块还连接有事件需求模型配置模块；其中：

应急事件信息采集模块是对各应急事件的基本信息和所使用的物资的信息进行采集，包括事件的基础信息、事件的电力应急物资信息；

应急事件数据存储模块包括服务器、ORECLE数据库，是对应急事件中的事件和对应的电力应急物资的事件库建立和对事件信息的存储。

事件需求模型配置模块是对应急事件的需求模型进行配置，是对解空间和信息空间的配置；

应急事件CBR分析模块是对CBR理念的实现，实现应急事件解空间和信息空间的基于CBR的算法，数据分析；

应急事件应急物资需求展示模块显示基于CBR算法计算和匹配后得出的给予新的应急事件所需要的电力应急物资信息，包括物资类别、物资名称、物资数量、规格要求。

本发明的有益效果是，由于采用上述技术方案，实现了智能、快速的电力应急物资需求预测，解决了人工决策的随机性和滞后性问题，为应急灾害救援节省了大量的时间成本。

附图说明

图1为本发明流程图。

图2本发明详细结构示意图。

具体实施方式

下面结合图1、图2对本发明做进一步详细的说明：

如图1：一种基于CBR算法的电力应急物资应急需求的模型和应用，首先通过应急事件信息采集模块将应急事件的基本信息和应急物资信息采集进行采集，数据传输到事件数据存储模块进行存储，同时存储的事件满足事件需求模型配置模块所配置的规则，然后应急事件CBR模块按照CBR的推理原理对数据进行分析，最后由应急事件需求展示模块对推理出来的数据进行展示。

如图2：一种基于CBR算法的电力应急物资应急需求的模型和应用，由应急事件信息采集模块、事件数据存储模块、应急事件CBR分析模块、应急事件应急需求展示模块、事件需求模型配置组成。

其中，应急事件信息采集模块，包括事件的基础信息、事件的物资信息。是将应急事件的信息基础信息和事件所使用的物资信息进行采集。

其中，应急事件数据存储模块，包括服务器、ORECLE数据库、事件库。存储模块包括服务器，部署在服务器上的Oracle数据库，以及数据库中遵循事件需求模型配置的规则所建立的事件库。

其中，事件需求模型配置模块，包括信息空间配置、解空间配置。将应急事件的信息进行提取、配置出解空间和信息空间的数据规则。

其中，应急事件CBR分析模块、主要包括信息空间算法、解空间算法、数据分析。将CBR思维转换为实际的算法，对应急事件的数据进行分析决策，实现CBR的电力应急物资需求预测。信息空间主要是分解事件的事件类型、事件等级等信息。解空间主要是完成计算公式的设置。

其中，应急事件应急物资需求展示模块，包括物资类别、物资名称、物资数量、规格要求。将经过CBR算法分析后的需求结果进行展示，为应急事件的电力物资需求提供决策依据。