本发明涉及应急管理，具体为一种考虑需求预测和风险评估的应急物资分配与调拨方法。
背景技术：
1、近年来，学者们针对应急物资需求预测方法开展了许多研究，下面是几类主流的预测方法介绍：
2、1)人工智能预测方法
3、案例推理(case-based reasoning,cbr)是ai领域中的重要研究方法，最早起源于1982年美国耶鲁大学roger schank教授的著作《dynamic memory》。其核心思想是相似性原理。在新案例的求解过程中，首先根据案例特征检索出与其较为相似的历史案例，学习历史求解方法的经验，再结合新旧案例的差异对历史方案做出调整，得出新案例的解决方案，并将此新案例加入案例库。以此类推，通过不断学习更新，丰富系统经验。印度学者baisakhichakraborty在火灾事件应急处理系统中使用基于元数据项表示的案例推理技术，辅助消防管理人员对火灾救援所需应急资源作出决策。王兰英等引入直觉模糊集来描述案例的不精确属性，构建了源案例的特征因素矩阵，提出了基于模糊案例推理的应急物资需求预测模型。赵小柠等基于cbr理论，利用最近相邻法和粗糙集理论搜索相似度最高的主震历史范例，采用马尔科夫法搜索余震历史范例，预测震期应急物资需求量。张国军等针对地震应急救援决策问题，提出了基于cbr的地震应急救援决策方法，采用主客观综合权重获取方法优化权重分配，提高案例匹配性。张胜等针对cbr的相似案例检索策略，提出一种新的特征权重计算改进方法，对占有权重较大的属性赋予较合理的权重，提高了消防救援物资预测中的案例检索准确性和高效性。
4、机器学习是ai领域的一大研究热点，近年来应用于应急物资需求预测的案例很多。新西兰学者natt使用采用随机森林方法进行特征选择和参数优化，对空中救护飞机所需数量及相应时间进行预测。日本tsuyoshi教授考虑人口统计数据、区域社会经济和医院条件等相关因素，提出一个二部图卷积神经网络模型来预测医院-地区对之间的紧急医疗资源需求。两步法也是常用的解决此类问题的步骤，先通过机器学习算法预测突发事件造成的人员伤亡数，再根据人员与物资配比关系模型来间接估计应急物资需求。郭金芬等运用bp神经网络对地震灾后的伤亡人数进行了预测，结合库存管理知识估算应急救援物资的需求。赵一兵等利用支持向量机建立了地震人员伤亡预测模型，再结合库存管理模型对应急物资进行估算。刘芳等提出了一种改进蚁群优化bp神经网络智能算法，选取多种洪涝灾害指标，建立受灾转移人数预测模型，间接预测应急物资需求量。
5、2)灰色模型和回归方法
6、灰色模型是描述灰色系统内部事物连续变化过程的模型，通过少量、不完全的信息对事物发展规律做出模糊性的长期描述，其在应急物资需求预测领域也有一定应用。宋晓宇等根据gm(1,1)的指数特性，对原始数据序列进行变换，用改进模型对应急物资需求进行预测。曾波基于灰色模型找到异构数据序列中最大灰度值所对应的信息域，构建灰色异构数据预测模型。胡忠君等提出一种改进gm(1,1)动态预测模型，结合库存管理方法构建针对洪涝灾害的应急物资需求模型。
7、此外，回归分析是一种预测性的数学建模技术，刻画因变量和自变量之间的关系，在应急物资需求预测中应用广泛。郭子雪等提出利用历史数据训练获得各因素的影响系数，结合多元回归分析快速计算灾后电网系统的应急物资需求量。sheu j b提出了一种在不完全信息条件下的大规模自然灾害应急救援需求管理模型，通过多源数据融合进行一定时间内的动态救援需求预测。受免疫系统处理病原体的高效结构和处理外部激励的耐受机制的启发，sheu jb提出了一种基于容忍度模型的灾害应急需求预测方法。zhang和xu等建立了多元线性回归模型，以预测目标情况下各类应急资源的需求。
8、评估与预测预警是应急管理的关键技术，是实现调度指挥、辅助决策等其他功能的基础。电力应急管理中的预测预警主要是指预测停电区域、停电时间和停电影响人口等，及时提供与灾变等级相应的预警信息。
9、现有的风险评估分析方法可分为三类：概率风险指数法、敏感性分析法和可靠性跟踪法。在风险评估领域，国内外都展开了一定的研究。概率风险评估最基本的特征是对电力系统中随机因素的建模，包括系统元件的随机停电和负荷的不确定性变化。随机停运事件的可能性和后果的组合建立系统风险的指数。为了研究电力系统在不同因素影响下的发生大面积停电的特征和规律，学者们先后提出了opa模型、cascade模型、隐故障模型、manchester模型及基于交流最优潮流的停电模型等多种模型来模拟电力系统大面积停电事故。针对电力应急管理对电网风险预警的实质性要求，电网风险预警的方法研究也逐渐被重视起来，并逐步完善，更趋实用。这些日益增多的预警方法可归为指数类预警方法、统计类预警方法和模型类预警方法三种。
10、1)指数类预警方法。主要应用于宏观经济领域，通过制定综合指数来判断被监测对象所处的状态，不仅能预测到经济周期的转折点，也可以用来分析经济的波动幅度等，如景气指数法。
11、2)统计类预警方法。主要应用于企业财务风险预警中，通过统计方法来发现被监测对象的波动规律，具有使用变量少、数据收集容易、操作较简便等优点。例如logistic回归分析法、多元判别分析法等。
12、3)模型类预警方法。主要通过建立数学模型来评价被监测对象所处的状态，适用于监测点多且复杂的风险预警环境中。例如概率分类的模型识别、案例推理等。
13、近年来，各行各业都着手于对传统技术的改进，将人工智能算法融入行业应用中，使得ai技术一跃成为最热门话题，其中神经网络因其自身的特性优势受到学者的追捧。通过在原有机器学习基础上的延伸，增加原有学习算法所不具备的优势。其逐渐被应用于各个领域，涵盖了各种智能算法模型，如bp神经网络模型在智能电网电力预测领域和电力系统的风险评估与预防控制方面的广泛应用。利用神经网络集成方法的快速并行处理能力、良好的分类能力与函数逼近能力提高了风险指标的计算速度和计算精度。
14、最初对风险评估与预测预警方法的研究方向较侧重于传统机器学习算法或者单一的预测模型，随着传统电力进入智能电网时代，这些方法不足以完全再适用于主动配电网智能化的研究与工程实际需求。在此情况下，促使状态评估与风险预警预测技术朝着融合智能算法模型的发展已成必然。
15、物资分配与调拨采用的优化模型根据现实应用的需要通常有单目标优化模型和多目标优化模型，现在随着不确定情形越来越多，模糊优化、随机优化、人工智能方法也被应用来解决此类问题。杨旭昕等根据事故后电力物资需求的特点,利用对称三角模糊数模拟应急活动中的不确定性因素,引入物资供给时间的保障率指标，确定有物资调配时限的最优路径。肖智文选取电网应急资源作为研究对象，利用匹配关系结合电网实际，确定多目标应急资源优化决策模型设计原则，从而分别以资源满足度、时效性、经济型为目标，构建优化决策模型。然后设计了基于需求匹配改进的ε-constaint算法对模型进行求解。陈勤等遵循总用时最少、安全性指数最大、总配送费用最小，对军事应急物流调度建立了多目标优化模型。杜苗苗在配送时间和成本的基础上，考虑配送物资的种类、道路拥挤和驾驶员个人因素等情况，建立了物资分批运输模型。王晶等基于车辆路线安排的总路程和风险两个目标建立了调度模型，并且在风险值中加入了运输量要素。
16、孟军等研宄了故障抢修驻点(多仓库)与多故障任务的匹配关系。高兆丽等构建了考虑应急物资分配、抢修队伍协作、受损设备维修先后次序的多点故障抢修优化模型。杨二丽按照物资需求度和故障点重要程度排序将物资配送方案分为本地和外地配送中心物资支援两方面研宄了配电网多故障物资配送问题。shanyao yan等在考虑紧急巷道抢修和救援分配所需的最小化时间长度的基础上建立一个在有限的时间内规划紧急抢修以及救援分配的路线和配送的模型，并建立一个用于紧急抢修的时空网络和一个用于救灾物资分发的时空网络。khayal d等提出一种用于非静态的选择临时选择电力设备和分配应急资源的网络流量模型。
17、但现有方法在应对突发灾害时存在的以下不足：一是不能及时响应灾区的需求变化，二是不能有效应对供应链的不确定性和风险，三是不能平衡多个分配目标和约束条件。
技术实现思路
1、本发明的目的在于提供一种考虑需求预测和风险评估的应急物资分配与调拨方法，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：一种考虑需求预测和风险评估的应急物资分配与调拨方法，包括以下步骤：
3、基于人工智能预测方法、灰色模型和回归方法，建立应急物资需求预测模型，根据灾情信息和历史数据，预测各灾区的应急物资需求量和需求紧迫程度；
4、基于融合智能算法，建立应急物资供应风险评估和预测模型，根据物资库存、运输条件和环境因素，评估各物资供应点的供应量和供应风险；
5、收集影响电力系统设施应急物资需求的影响因素，基于历史数据，采用mlp神经网络算法建立气象灾害下电力系统设施应急物资需求预测的模型，构建需求的影响因素和结果之间的关系模式；
6、收集影响电力系统设施安全风险的影响因素，基于历史数据，采用决策树、基于集成学习方法的随机森林算法建立设施安全风险评估的模型，构建风险的影响因素和结果之间的关系模式，对比不同模型的优劣，构建有效的决策支持模型；
7、基于多目标规划算法，建立应急物资分配与调拨优化模型，以最小化系统总成本、最大化需求满足度、最小化风险损失为目标，以物资供需平衡、物资配送时间和物资安全性为约束，求解应急物资的最优分配与调拨方案。
8、优选的，还包括对应急仓库选址和资源分配进行决策，确定最佳的位置来储备必要的应急资源，并确保这些资源能够快速调度到受灾区域，以便尽快修复电力基础设施，减少停电时间。
9、优选的，所述应急仓库选址决策基于基础设施网络和用户需求，确保应急仓库位置能够最大限度地覆盖潜在的受灾区域，资源分配决策确保所需的设备、工具和人力资源能够在需要时及时供应，以加快电力系统的修复和恢复过程。
10、优选的，所述应急仓库选址与资源分配决策，还基于应急服务满意度，即基于时间性、经济性和容量约束多重约束与限制，在单个储备库物资储量有限的情况下，风险等级较高的受灾点需要多个应急仓库来协同服务，即通过多源汇聚的方式满足受灾点所需。
11、优选的，所述应急物资分配与调拨优化模型中，假设有受灾点和应急仓库点，其中：
12、应急仓库和受灾点均为离散点，且令集合i代表备选应急仓库的集合，集合j代表受灾点的集合；
13、任意应急仓库和受灾点的距离为欧氏距离；
14、每个备选应急仓库可以为多个受灾点供应物资，且每个应急仓库的容量有限制且各不相同；
15、考虑经费问题，最终建设应急仓库的数量有限，为p个；
16、根据风险等级，各风险源点所需的物资数量不同，且可由多个应急仓库提供多级覆盖服务；
17、应急仓库对受灾点的覆盖满意度随其到受灾点距离的增加而衰减。
18、在此假设的基础上计算仓库的位置选择、物资的储备和调拨，而整体的优化模型公式如下：
19、
20、
21、
22、
23、
24、
25、
26、
27、其中，i代表备选应急仓库的集合，i∈i；j代表受灾点的集合，j∈j；根据多级覆盖原则，从备选应急仓库集i中选择p个应急仓库为各个受灾点提供ij级服务，其中ij取决于受灾点的风险程度，且ij<＝1。定义如下决策变量:xi＝1代表应急仓库i被选中，否则为0；yijk代表应急仓库i为受灾点j提供第k级覆盖；nj为受灾点j的物资受灾量；为受灾点j需要的覆盖级数；考虑到舍弃启用成本，设置应急仓库最大启用数为p；ωjk表示应急仓库为受灾点j提供k级覆盖时占总物资供应的权重，且权重之和为1；fi为应急仓库i被启用所需的建设成本；gi为各应急仓库的储备容量；v为受灾点与应急仓库间连线的单位运送费用。
28、与现有技术相比，本发明的有益效果如下：
29、本发明通过建立组成的多个子模型，多个子模型相互联系，相互影响，共同构成了一个完整的应急物资分配与调拨模型，基于子模型对应急物资分配与调拨优化模型进行求解计算，能够根据灾情信息、物资信息等信息，动态地调整物资分配与调拨的决策方案，实现应急物资的高效利用和分配，解决了现有技术不能及时响应灾区的需求变化、不能有效应对供应链的不确定性和风险以及不能平衡多个分配目标和约束条件的问题。
1.一种考虑需求预测和风险评估的应急物资分配与调拨方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种考虑需求预测和风险评估的应急物资分配与调拨方法，其特征在于：还包括对应急仓库选址和资源分配进行决策，确定最佳的位置来储备必要的应急资源，并确保这些资源能够快速调度到受灾区域，以便尽快修复电力基础设施，减少停电时间。
3.根据权利要求2所述的一种考虑需求预测和风险评估的应急物资分配与调拨方法，其特征在于：所述应急仓库选址决策基于基础设施网络和用户需求，确保应急仓库位置能够最大限度地覆盖潜在的受灾区域，资源分配决策确保所需的设备、工具和人力资源能够在需要时及时供应，以加快电力系统的修复和恢复过程。
4.根据权利要求3所述的一种考虑需求预测和风险评估的应急物资分配与调拨方法，其特征在于：所述应急仓库选址与资源分配决策，还基于应急服务满意度，即基于时间性、经济性和容量约束多重约束与限制，在单个储备库物资储量有限的情况下，风险等级较高的受灾点需要多个应急仓库来协同服务，即通过多源汇聚的方式满足受灾点所需。
5.根据权利要求4所述的一种考虑需求预测和风险评估的应急物资分配与调拨方法，其特征在于：所述应急物资分配与调拨优化模型中，假设有受灾点和应急仓库点，其中：
6.根据权利要求1所述的一种考虑需求预测和风险评估的应急物资分配与调拨方法，其特征在于：所述气象灾害电力设备应急物资需求的影响因素包括地理因素、灾害程度、设备状态和设备类型，其中地理因素包括地形和地表粗糙度，灾害程度包括风力大小、降水程度和雷击灾害，设备状态包括运行状态和设计质量，其中设计质量包括施工工艺、工程质量和材料质量。
7.根据权利要求1所述的一种考虑需求预测和风险评估的应急物资分配与调拨方法，其特征在于：建立设施安全风险评估的模型的建立方法为：
