《基于时间影响网络的传染病应急方案评价与调整方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
分类号TP391学号12050012ＵＤＣ密级公开工学硕士学位论文基于时间影响网络的传染病应急方案评价与调整方法硕士生姓名何华学科专业控制科学与工程研究方向系统论证与仿真评估指导教师朱一凡教授国防科学技术大学研究生院二〇一四年十一月 TimedInfluenceNetsBasedonEvaluationandAdjustmentofInfectiousDiseaseEmergencyScenarioCandidate：HeHuaSupervisor：Prof.ZhuYi-FanAdissertationSubmittedinpartialfulfillmentoftherequirementsforthedegreeofMasterofEngineeringinControlScienceandEngineeringChangsha，Hunan，P.R.ChinaNovember，2014 国防科学技术大学研究生院硕士学位论文第I页 国防科学技术大学研究生院硕士学位论文目录摘要.................................................................................................................iAbstract..............................................................................................................iii第一章绪论......................................................................................................11.1研究背景及意义.............................................................................................11.1.1研究背景..............................................................................................11.1.2研究意义..............................................................................................21.2相关领域研究现状.........................................................................................31.2.1传染病防控..........................................................................................31.2.2突发事件的应急决策..........................................................................41.2.3时间影响网络的演化历程及应用现状..............................................61.3论文的主要内容和组织结构.........................................................................8第二章传染病防控的时间影响网络模型.........................................................102.1决策方案定量化评价步骤...........................................................................102.2传染病防控的分层行动方案分析...............................................................112.2.1政府层行动方案分析........................................................................122.2.2部门层行动方案分析........................................................................142.2.3实际操作层行动方案分析................................................................162.3时间影响网络的建模方法...........................................................................162.4政府层的传染病防控时间影响网络模型...................................................182.5本章小结.......................................................................................................21第三章传染病防控应急行动规则与应急效果评价...........................................223.1行动规则与效果评价的重要性...................................................................223.2传染病应急方案制定的基本规则描述.......................................................223.3面向时间影响网络模型的传染病应急效果评价方法...............................263.3.1效果评价指标体系构建的基本原则与方法....................................263.3.2时间影响网络效果的评价准则与复合评价方法............................273.4本章小结.......................................................................................................28第四章行动方案概率变化的传染病防控信息融合...........................................304.1信息融合的基础：动态贝叶斯网络及其推理...........................................304.1.1动态贝叶斯网络的定义....................................................................30第II页 国防科学技术大学研究生院硕士学位论文4.1.2动态贝叶斯网络的推理....................................................................314.2概率描述的时间影响网络推理方法...........................................................344.2.1概率推理的基本求解思路................................................................344.2.2基本时间影响网络的概率计算方法................................................344.2.3概率传播的过程描述........................................................................354.3输入方案概率变化的时间影响网络转换算法...........................................374.4简单传染病防控信息融合示例...................................................................384.5本章小结.......................................................................................................41第五章基于时间影响网络的传染病防控应用案例研究...................................425.1问题背景分析...............................................................................................425.2初始方案.......................................................................................................435.2.1初始方案信息....................................................................................435.2.2初始方案结果分析............................................................................445.3符合规则的方案...........................................................................................475.3.1方案更改情况....................................................................................475.3.2规则方案结果分析............................................................................475.4融合实时信息的方案...................................................................................495.4.1融合方案............................................................................................495.4.2融合信息后结果分析........................................................................505.5本章小结.......................................................................................................52结束语..............................................................................................................53致谢..............................................................................................................55参考文献...........................................................................................................57作者在学期间取得的学术成果...........................................................................62第III页 国防科学技术大学研究生院硕士学位论文表目录表2.1政府层传染病应急防控行动集........................................................................14表2.2医院内传染病防控行动集................................................................................15表3.1常用规则描述....................................................................................................22表3.2规则语句释义....................................................................................................23表3.3应急行动简化序号名称....................................................................................25表4.1时间影响网络概率传播过程描述....................................................................36表4.2输入方案概率变化的TIN到DBN的转换算法.............................................38表5.1初始行动方案....................................................................................................44表5.2符合规则的行动方案........................................................................................47表5.3转变规则方案为时间片输入参数....................................................................50表5.4DBNM推理后四种行动的参数........................................................................51第IV页 国防科学技术大学研究生院硕士学位论文图目录图1.1突发公共卫生事件应急决策过程....................................................................2图1.2CNKI对突发事件的学术关注度.....................................................................3图1.3时间影响网络的演化历程................................................................................6图1.4影响网络示例....................................................................................................7图1.5论文的组织结构图............................................................................................9图2.1方案定量化评价过程......................................................................................10图2.2美国公共卫生应对体系..................................................................................12图2.3政府层可采取行动的分类..............................................................................13图2.4时间影响网络示例..........................................................................................17图2.5效果节点的概率变化图..................................................................................17图2.6死亡人数受影响关系图..................................................................................18图2.7康复率受影响关系图......................................................................................19图2.8传染率受影响关系图......................................................................................20图2.9政府层的传染病防控时间影响网络模型架构..............................................20图3.1两种方案结果对比..........................................................................................27图4.1DBN模型示例.................................................................................................31图4.2动态贝叶斯网络的推理应用分类..................................................................33图4.3基本的时间影响网络......................................................................................34图4.4概率传播算法的基本过程..............................................................................36图4.5简单的时间影响网络示例..............................................................................39图4.6详细转换过程..................................................................................................40图5.12003年北京SARS流行时间序列图.............................................................42图5.2初始方案部分结果（一）..............................................................................44图5.3初始方案部分结果（二）..............................................................................45图5.4初始方案部分结果（三）..............................................................................46图5.5疫情信息准确及时发布概率..........................................................................46图5.6规则方案与初始方案结果对比（一）..........................................................48图5.7规则方案与初始方案结果对比（二）..........................................................48图5.8规则方案与初始方案结果对比（三）..........................................................49图5.9TINM对应的DBNM......................................................................................50图5.10信息融合后的DBNM片段..........................................................................51图5.11融合方案与规则方案结果对比（一）........................................................51图5.12融合方案与规则方案结果对比（二）........................................................52第V页 国防科学技术大学研究生院硕士学位论文摘要传染病类突发事件一直威胁着人类的健康，人类也一直在努力的与传染病做着斗争。随着经济的快速发展，人员流动日益频繁，且生态环境也在不断恶化，使得传染病样式越发多样，防控难度越来越大。自从2002至2003年SARS爆发给我国带来了沉痛的教训后，我国对突发传染病应急防控的重视程度前所未有。传染的防控首先是制定应急方案，再对方案进行评价，然后开展组织实施。对方案的评价过程就是通过估计方案将产生的效果以对方案做出评价，这一过程需要支持方案到效果的因果关系描述以及这种关系的定量化衡量。时间影响网络作为描述事件动态因果关系的建模工具，具有描述简便、参数简单等特点。本文以传染病应急防控为背景，针对防控过程中应急方案制定、应急方案评价与选择及应急方案实时修订这三个应急防控过程中的关键问题进行研究。提出了建立基于时间影响网络的传染病应急防控方案制定、评估及修订方法。具体的研究工作和取得的成果如下：（1）从传染病应急方案定量化评价的需求出发，确定了建立评估模型的基本步骤，从而明确了层次分析和建立模型的重要性。对传染病防控过程进行详细的分层分析，并以时间影响网络为建模工具，在此基础上对较为典型的政府层行动和评价效果间蕴含的因果关系进行了深入分析，构建了适用于政府层决策的防控模型架构。（2）从实际出发，确定了应急方案制定过程中需遵守的基本要求，并给出了一系列行动规则描述，以及为基于时间影响网络建立的传染病应急方案评估模型的结果提供了一套评价准则。（3）针对应急方案组织实施过程中需要实时对应急方案进行修订的情况，结合动态贝叶斯网络能较为简单对新信息融合的特点，提出将时间影响网络转换为动态贝叶斯网络的方法进行实现。又根据应急行动参数在时间影响网络中可以以任意概率在任意时刻存在的特点，给出了相应可行的转换算法。（4）以实际问题为背景设计案例验证建立的应急方案评价模型的有效性，并对文中给出的应急方案制定的规则描述设计实验与原方案进行对比验证规则的合理性。最后，还设计实验对文中提出的信息融合方法进行应用，验证其对实际防控方案修订的作用。综上所述，论文基于时间影响网络的方法对传染病应急的方案制定到修订的过程提出了一种解决思路。该研究能帮助认识防控行动到效果的因果关系，影响情况。为决策层在应急方案制定、评价和调整过程中提供定量化的参考。第i页 国防科学技术大学研究生院硕士学位论文关键词：时间影响网络传染病防控应急方案评估选择方案修订第ii页 国防科学技术大学研究生院硕士学位论文AbstractInfectiousdiseaseofemergencieshasalwaysbeenanenemyofhumanhealth.Humansalsohavebeentryingtofightinfectiousdiseases.Withtherapideconomicdevelopment,ecologicalenvironmentdeterioratequickly,theincreasinglyofpeoplemovement,makingmoreandmorediversestylesofinfectiousdiseases,sopreventionandcontrolmoreandmoredifficult.Since2002to2003,theSARSoutbreakbroughtapainfullessontoourcountry,ourunderstandingofpreventionandcontroltheinfectiousdiseaseofemergencieshasbeensignificantprogress,unprecedenteddegreeofattention.Thefirstofpreventionandcontrolofinfectionistodevelopcontingencyscenario,andevaluateit,thencarryouttheirimplementation.Theprocessofevaluationtheprogramneedstosupportdescribethecausalityfromscenariotoeffectandquantitativemeasureofthisrelationship.Timedinfluencenetsasamodelingtooltodescriptionofthedynamiccausality,itsdescriptionandparametersissimple.Inthispaper,wetakethepreventionandcontrolofinfectiousdiseasesasthebackground,wefocusonformulateandevaluatethecontingencyscenarioandrevisethescenariowhenimplementationofittheresomenewsappearing,thethreekeyissuesofthepreventionandcontrolofinfectiousdisease.Proposedtheestablishmentmethodsofformulateandevaluateandrevisethecontingencyscenariosofinfectiousdiseasesbasedoninfluencenets.Specificstudiesareasfollows:(1)Fromtheneedsofquantitativeevaluationtheemergencyscenario,determinethebasicstepsofestablishanevaluationmodel,andexplicittheimportanceofhierarchyanalysisandconstructmodel.Theprocessofpreventionandcontrolofinfectiousdiseasewasstratifiedanalysisdetailed,andtakethetimedinfluencenetsasabasictool,basedonit,makeadeeplyanalysisoftheinclusioncausalityaboutintergovernmentalactionandtheevaluateeffectivenessneedevaluate,constructedafitnesspreventionandcontrolmodeltogovernmentmakingdecision.(2)Fromthereality,confirmtheessentialrequirementsoftheemergencyscenario-makingprocess,andgiveninaseriesofdescribedrulesaboutactionsinemergencypreventionandcontrol,andprovidesasetofcriteriatoevaluationtheresultsofinfectiousdiseaseemergencyprogramevaluationwhichestablishedbasedontimedinfluencenets.(3)Focustheprocessoforganizationandimplementationofcontingencyscenarioneedstoberevisedinrealtimesituation,combinedwithdynamicBayesiannetworkcanberelativelysimplefeaturesoffusionthenewinformation,proposedtoconvertthetimedinfluencenetstodynamicBayesiannetworktocomplement.Andaccordingtothefeaturesofemergencyactionaboutinfectiousdiseaseintimedinfluencenetsisnotfullydiscrete,givespracticalconversionalgorithm.第iii页 国防科学技术大学研究生院硕士学位论文(4)Giveacasetoverifytheeffectivenessoftheestablishedcontingencyscenarioevaluationmodelanddesignedexperimentstocomparedandverifytheactionrulesofemergencyscenariogiveninthetextare.Finally,designedexperimentalappliedtotheinformationfusionmethodpresentedinthispapertoverifytheiractualroleinthepreventionandcontrolscenariorevision.Insummary,basedontimedinfluencenetsthepaperproposedasolutiontothewholeprocessofpreventionandcontrolofinfectiousdiseasefromformulatetorevise.Thestudycanhelprecognizethecausalityaboutthepreventionandcontroleffectandactions,andtheirimpact.Providequantitativereferencetodecision-makersinemergencyprogramdevelopment,evaluationandadjustmentprocess.Keywords：TimedInfluenceNets,PreventionandControlofInfectiousDisease,EmergencyScenario,AssessmentandSelection,ScenarioRevise第iv页 国防科学技术大学研究生院硕士学位论文第一章绪论1.1研究背景及意义1.1.1研究背景当今社会，经济高速发展，人民生活水平不断提高。人类在物质条件改善的同时自然对健康和安全会有更高的要求。而各类突发公共卫生事件（PublicHealthAccident，PHA）却并没有停止对人类的侵害，并以其突发性、公共性、危害性以[1]及处理的综合性等特点使得对这些事件的事后处理往往不甚理想。PHA的上述特点决定了其往往不只是简单的医学问题，也可能是一个社会问题，甚至可以衍变成一个复杂的系统问题。这类事件的发生不仅损害身体和心理健康，威胁生命安全，也会对经济和国家或地区的形象产生严重的影响，如SARS、甲型H1N1流[2]感、禽流感等突发疾病在全球范围内的传播产生的影响是多方面、不可估量的。如何有效对各类PHA进行控制、处置，最大程度的减轻此类事件对社会经济和群众生命安全造成的危害，以及及时对各类突发事件进行快速辨别、处理和反应，从而提升PHA的应对和处置能力等成为各国公共安全体系中的重要一环。在多数情况下，PHA的应急处置是多部门的联合行动。不论是应急行动计划、物资和人员投送、处置过程的管理和控制都需要各部门之间具有较高的协同能力，这从理论上和技术上对PHA应急处置的手段和方法提出了更高的要求。突发公共卫生事件偶然性高、事件的发展瞬息万变，应急反应必须以最佳处置效果为目标，通过拟制有效的应急处置方案、科学的方法选择行动序列、合理地分配资源、周密地组织应急处置力量使用，使得PHA应急处置行动的效能最大化。由此，如何对突发公共卫生事件应急处置方案进行优选规划和评价从而为有关部门提供快速辨识和反应的决策依据是首要解决的问题。PHA中尤以传染病类事件影响广泛，从公元2世纪，安东尼瘟疫引起罗马人[3][4]口的急剧下降和经济恶化，导致入侵者乘虚而入，最后致使罗马帝国崩溃，到15世纪初，麻疹等传染病使墨西哥的印第安人从三千万降到三百万。欧洲历史上[5]的三次传染病大流行都造成了极其严重的后果。杀人最多的瘟疫——流行性感冒，从未停止对人类的伤害，从“西班牙流感”（SpanishInfluenza）造成2000至4000万人的死亡，到H3N2、H1N1等流感，再到近年的SARS在世界范围内传播。[6]资料显示，截至2003年8月底，全球SARS患者超8400例，死亡率超10%。SARS的爆发和蔓延给我国也造成了多方面的极大影响。由于起初并无有效的疫苗及治[7]疗手段，早发现早隔离成了控制SARS病毒扩散的唯一有效手段。第1页 国防科学技术大学研究生院硕士学位论文人类一直面临着传染病的威胁，对传染病的防控也从未停止。（文中所述的传染病都是指突发传染病，应急行动皆指突发传染病应急防控的行动。）传染病一方面具有PHA的一般特点，另一方面也具有一定的特殊性，如食物中毒等其它PHA事件一般不具备的传染性，所以传染病防控时就应采取有所侧重的策略和措施。基于时间影响网络建立的传染病防控模型，能够良好的描述防控的策略及措施、以及对防控措施及效果间的因果关系，并融合历史数据和专家经验，使得决策者能够快速的辨识行动方案的优劣，并可在此基础上根据方案期望的结果进行适度修改以得出更优的防控方案。方法的时效性及概率表达方式对时间紧迫、后果严重的突发传染病事件应急防控具有非常重要的积极意义。1.1.2研究意义传染病类突发事件应急防控具有很实际的研究背景，相关的选择评价方法仍处于发展阶段。图1.1突发公共卫生事件应急决策过程PHA的应急决策过程一般如图1.1所示。在某种PHA发生后，首先为应急值守人员接收到事件发生的基本信息，再由相关决策人员进行事件分析。突发传染病事件也不例外，从图1.1可以看出，在对事件进行界定后，就需要制定应急方案，有时应急方案会直接考虑采用应急预案。应急方案制定后即对方案进行评价与选择，之后就开始应急方案的组织与实施，组织实施过程中又需要根据实时情况的对方案进行修订。所以应急方案的快速制定，应急方案的有效评价和应急方案的实时修订对整个应急过程都非常重要。本文试图研究提出方法提高从应急方案制定到应急方案修订的效果，使得整个应急防控过程更加高效，应急防控效果更加明显。具体的研究意义有如下三个第2页 国防科学技术大学研究生院硕士学位论文方面：（1）理论层面：对已有的应急方案能够进行快速准确的评价，这对优化和完善应急方案有重要意义。此外，提出针对传染病应急防控方案制定的一系列规则和应急效果的评价方法。并解决时间影响网络在实际防控中出现新信息新情况的融合，使得方法和模型的结果更加精准、可信。（2）方法层面：基于时间影响网络，建立防控模型。结合应急行动采取规则进行应急方案的制定，用模型进行评估选择，再对新信息新情况的出现转换为动态贝叶斯网络进行学习融合。（3）应用层面：对现实中决策者解决应急方案制定、应急方案评价与选择和应急方案修订问题都具有实际意义。另外，现实中存在着大量需要评估决策效果的问题，如军事领域中的作战方案制定等问题，本文提出的方法对此类问题都具有较好的适用性，能够为此类研究提供一定的指导。1.2相关领域研究现状1.2.1传染病防控[8]从对“突发事件”这一研究主题在CNKI（中国知网）中的学术相关度统计可以看出突发事件的研究越来越受到学者的重视。而这些研究中大部分都与传染病类事件有关。图1.2CNKI对突发事件的学术关注度传染病一直以来就备受关注，许多学者从致病机制和传播途径方面对传染病进行研究，国际上多将传染病研究与数学相结合，进行实验性或者理论性研究，[9][10][11]对传染病模型进行定性分析和优化控制。建立合适的数学模型将传染病的主要参数，或者实验参数以及它们之间的内在联系展现出来，模型得出的结果能第3页 国防科学技术大学研究生院硕士学位论文有助于传染病专家发现其传播原理和致病机制。用数学动力学模型来分析传染病流行的因素就是典型的与数学结合的例子，考虑种群自身的内在联系，疾病的起源、恶化，以及有关的政治、社会等因素，再进行定性分析和定量计算，在得出疾病流行规律的同时还可对其发展趋势进行预测。如Kermark和McKendrick用系[12][13]统动力学方法建立传染病传播的SIR模型及SIS仓室模型，对1665-1666年流行于伦敦的黑死病及1906年的孟买瘟疫的流行规律进行了解释。也有学者将亲[14][15][16]缘地理学、流行病学调查等方法运用在传染病传播规律研究中。近年来传染病类事件的监测平台和数据信息采集方面也有许多的研究，如HealthMap，其整合了包括网络新闻、专家评论、目击者报告以及政府报告等相关[17]的信息资源，用户可以免费访问其网站主页获取服务，根据获得的信息对传染病当前的状况做出评判。由于HealthMap整合了全球范围内的新发传染病信息，[18][19]所以对全球范围内传染病的威胁侦查预警都起到了积极的作用。还有全球知名的BioCaster和MedISys，在先进的现代信息技术的基础上，对全世界范围内的[20][21]传染病和生物危害提供预警监测。除了这些可以全球范围公用的预警监测平台，世界各国也开发了许多针对本国的检测系统。斯里兰卡建立了动物间传染病[22]的手机检测平台，相关从业人员进行检测和上报数据进行共享，智利圣地亚哥[23]的Abarca等人建立了宠物的健康监控系统，主要监测传染病情况等等。与数学相结合的研究得到的结论多表明预防和隔离措施在传染病的防控过程中作用巨大。这为政府部门对传染病的病理学等特点还未完全掌握时制定决策提供了理论依据。而且结论还表明通过改变感染率或接触率的值能很好的评价一种[24][25]措施的优劣。这在本文所建立的模型框架中能很好的体现——感染率和接触率的变化是行动到最终影响效果之间的关键因素。1.2.2突发事件的应急决策传染病的应急防控实际属于应急决策问题。应急决策是指在非常规事件发生时，决策人员根据情况做出保障人民群众的生命和财产安全，降低损失的决定。应急决策是应急管理的核心。多属性决策理论以及不确定性理论等现代决策方法伴随着科学技术的快速发展已经取得了大量的研究成果，这些方法和理论的突破为解决突发事件的应急决策问题提供了理论依据和技术支持。现有应急决策和应急管理方面的研究主要是从以下三个方面进行的。（1）应急预案与防控体系建设应急预案编制方面，自2003年SARS之后，我国出台了一系列相关的应急条例和预案，如国家层面2003年出台了《突发公共卫生事件应急条例》，2006年又出台了《国家突发公共事件总体应急预案》等等。许多地方政府也相继出台了多第4页 国防科学技术大学研究生院硕士学位论文部相关的条例。另外，许多学者对应急预案的制定给出了建议，如黄建群详细分[26]析了应急预案制定和应用过程中容易出现的问题，并提出了改进措施。我国一些学者从社会经济的角度对我国整个突发公共事件应急防控体系的建设进行研究，包括制度完善和平台建设。如借鉴国外经验对我国卫生应急指挥系统提出建[27]议，分析目前疾病控制机构应对突发公共卫生事件的现状，发现其中需要完善[28]之处。（2）资源调度与优化配置应急资源调度的合理性与优化配置的准确性是影响应急决策效果的重要因素。Revelle和Eiselt深入研究了应急设施的选址问题，先后构建了设施覆盖问题[29]（LSCP）和最大覆盖问题（MCLP）两种模型。DaskinMS等人针对基于MCLP模型的服务设施在忙时会出现应急请求无法得到响应的情况，提出了最大期望覆[30]盖选址问题（MEXCLP）的模型。陈雷雷等基于满意度对突发事件中大规模应急物资的优化调度问题进行了研究，指出以满意度作为目标函数可以使得救援效[31]率最大化。（3）决策方案评价与动态调整应急决策方案评价方面，经典决策方法中的博弈论、风险模型及规划方法等被应用广泛。杨文国等针对突发事件前期信息不足的情况，考虑部门协同、动态[32]决策等问题，提出了应急方案的选择方法。陈兴等构建的应急协同决策模型，能够综合各相关方的意见，实现多部门之间的协同对策。并可以根据事态的发展[33]进行调整。随着非常规突发事件应急管理研究越发被重视，国家基金委设立了“非常规突发事件应急管理研究”重大研究计划。这一计划的实施，催生了包括非常规突发事件的信息处理与演化规律建模，非常规突发事件的应急决策理论等在内的大量成果。如北京航空航天大学的赵秋红教授等对非常规突发事件应急管理体系的组织设计理论与系统评估方法进行研究，分析了应急管理主体以及主体与环境间的复杂特征关系，并设计多层次、多部门和多环节应急主体的协同运作机制。清华大学的苏国锋博士等通过将应急场景分解、构建、匹配，得到应急决策者熟悉的应急场景，辅助应急决策。朱一凡等通过分析应急处置方案的因果影响关系对处置任务及处置效果进行动态建模，对模型的数学描述和因果关系的一致性检验[34]提出了解决方法。梅珊等申请的“公共卫生与舆情突发事件中应急方案及其因[35]果关系建模”的自然科学基金也正在开展相关的研究。传染病类事故的发生，对人类的健康和生存环境都会产生很大的威胁。所以许多学者从应急决策/管理的角度专门针对传染病应急响应中的决策问题进行了研究。谢仲伦等通过仿真分析得出“控制人员自由流动”和“扩大疑似病例的处理第5页 国防科学技术大学研究生院硕士学位论文[36]范围”两种措施必须同时采用才能有效抑制SARS的扩散。Krumkamp等基于病菌有效繁殖的数学模型对历年来的有关各种流感的预防和控制措施进行了比较，分析了不同应急措施之间的相互作用，得出早期识别和隔离对降低流感病菌繁殖[37][38][39]以控制疫情有重要作用。另外还有Glasser，Dobbins等人也有类似的研究。虽然在PHA应急方面的研究已取得了长足进展，但在防控措施分析上仍侧重[40]于定性分析、经验总结等层面。或是对某种或某几种行为措施进行具体的分析得出类似于应该侧重或者同时进行等的结论。总体而言，现有对突发传染病防控的研究中对隔离和预防等措施研究的多，对其它可采取的行动研究的少。对方案选择方法研究中，对行动采取或不采取对比得多，对具体采取的行动定量化分析得少。而要对方案中的行动采取情况进行定量化分析，以更全面的帮助方案的评价和选择，就需要能够对应急行动产生的效果进行定量化的评价。基于概率网络的方法无疑是较好的解决方式。1.2.3时间影响网络的演化历程及应用现状时间影响网络的发展大致经历了由贝叶斯网络（BayesianNetworks,BNs）到影响网络（InfluenceNets,INs）再到时间影响网络（TimedInfluenceNets,TINs）的几个阶段，这其中还演化出了动态贝叶斯网络（DynamicBayesianNetworks,DBNs）等其它相似的网络。图1.3时间影响网络的演化历程如图1.3所示，贝叶斯网络是1981年由R.Howard等人提出的概率网络模型，因其能够表达不确定的专家知识，并进行概率推理。所以自提出以来就得到了广泛的应用。但是贝叶斯网络在建立之初就被发现有两方面的局限性，一是网络的建立需要制定大量的条件概率，二是概率推理较为困难。这两方面的困难在贝叶斯网络第6页 国防科学技术大学研究生院硕士学位论文较为复杂时表现的尤为明显，条件概率的指定随节点数增加呈指数级的增长，很难有专家能都在熟悉概率理论的基础上提供诸多的信息来指定这些条件概率。这两方面困难限制了其在实际中的使用。为了解决这些问题，Chang等人将因果强度逻辑（CausalStrengthLogic，CASTLogic）参数引入贝叶斯网络，改进得到影响[41]网络。影响网络的建模过程相对变得简单许多，只需要指定任意两个有依赖关系的随机变量之间的CAST参数即可。图1.4为简单的影响网络示例。PA110.1(hg0.90,0.66)(hg0.90,0.66)PA210.1(hg0.90,0.90)(hg0.66,0.66)PA310.1(hg0.66,0.66)图1.4影响网络示例图中连接边上的参数即为CAST参数，这些参数指定后，即可转换为条件概率表进行推理。从上图中可以看出影响网络不带有任何的时间参数，所以，其只支持静态的依赖关系描述。而现实中存在许多需要描述随时间变化依赖关系的情况，为了改进这一不足，Wagenhals等人在影响网络中引入两种特定的时间参数，一是在节点本身上，即节点本身的概率值可以随时间变化，二是连接边上，考虑节点之间的影响不一定是即时的，也可能存在时间延迟。这一改进的影响网络即为时间影响[56]网络。之后，很多学者随着时间影响网络在实际中的应用需要提出了许多不同的改[42]进网络。如加入记忆环的动态影响网络（DynamicInfluenceNets,DBNs），添加[43]了行动触发条件的触发时间影响网络（ActivationTimedInfluenceNets,ATINs）、可以刻画行动对效果动态影响延迟的随机时间影响网络（StochasticTimed[44]InfluenceNets,STINs）等等。另外，对贝叶斯网络进行参数和推理改进的同时，有学者将隐马尔科夫模型（HiddenMarkovModels,HMMs）与贝叶斯网络相结合提出具有动态描述能力的[45]动态贝叶斯网络。动态贝叶斯网络与时间影响网络一样，具有对时间变化的描述能力，但也同样存在需要制定大量条件概率的约束。从贝叶斯网络发展至今的历程中，相关的网络在各领域的应用相当广泛。贝叶斯网络结合不确定知识表示和推理技术成为不确定性处理上的主流。应用范围包括，计算机视觉、机器学习、自然语音处理等。基于贝叶斯技术也已经开发了许多的软件和分析系统。贝叶斯网络的应用主要有几方面：故障诊断、规划、学第7页 国防科学技术大学研究生院硕士学位论文习、分类和专家系统的推理等。还有许多其它应用领域，如实时决策系统等也在开发中。影响网络及时间影响网络等最初是用于基于效果作战的相关作战方案的评估[46][47][48]的，后来还有作战方案优化和计划生成等。后来因这类网络具有直观因果关系以及概率制定简单等因素，使其被广泛应用于类似需要进行因果关系分析及辅助专家决策支撑的环境。1.3论文的主要内容和组织结构本文首先从社会现实需求的角度出发分析了突发公共卫生事件研究的必要性，并对突发公共卫生事件的重要组成部分——传染病应急防控的研究意义进行了探讨。结合相关的研究理论与方法提出了基于时间影响网络对传染病的防控进行研究的方法。主要的研究内容为图1.1中虚线框对应的部分——给应急方案制定提出规则，为应急方案评价提供模型与评价准则，对应急方案实时修订提供方法。本文围绕为什么用时间影响网络的方法，用此方法解决本文问题的关键是什么，如何解决该问题，怎样验证方法的有效性，如何使得出的结论更加可信，怎样对结果进行评价等等展开。基本思路如图1.5所示。全文各章节概述如下：第一章：绪论，首先介绍本文研究的相关背景及研究意义，然后综述了相关领域的研究现状，最后是对论文主要研究内容的简介和组织结构。第二章：基于时间影响网络建立传染病防控模型的框架。依据决策人员层次不同给出分层模型方案。其中考虑传染病防控的特点，将防控策略和措施转化为可行的行动点。经过逐层推导，建立行动点到最终影响结果间的连接。并以最高层为例给出模型架构，从而成为方案评估及优化的基础。第三章：给出了针对传染病应急防控的行动方案规则集，以及效果指标复合的一般过程，针对以时间影响网络的结果方式表达的应急防控效果的评价给出了准则及复合方法。第四章：输入方案概率变化的时间影响网络模型的信息融合方法，即考虑在实际防控过程中，需要融合随着行动执行出现的新情况。将时间影响网络转为动态贝叶斯网络进行信息的融合，并进行节点信度的更新。使建立的模型和方法更实用，对实际问题的解决更完整。第五章：案例研究，在前面设计的模型框架基础上，根据具体的案例进行仿真实验。并根据第三章的行动规则改进方案进行对比，验证规则的有效性。最后进行案例假设依据第四章所述的信息融合方法进行实验，验证了转换算法的可用性。第六章：结束语，概括本文的主要工作，提出其中的不足和尚未解决的问题，第8页 国防科学技术大学研究生院硕士学位论文并提出解决思路为下一步工作奠定基础。图1.5论文的组织结构图第9页 国防科学技术大学研究生院硕士学位论文第二章传染病防控的时间影响网络模型方案的评价与选择的基础就是建立相关的评价模型，本章首先介绍了决策方案评价模型的建立步骤，分层次的对传染病防控的影响因子及评价指标进行了分析，并探讨了时间影响网络的网络特性、建模方法及对传染病防控的良好描述性。再以时间影响网络为基本工具建立了最高层——政府层的防控模型架构。2.1决策方案定量化评价步骤[49]决策方案的评价方法可以粗略的分为定性和定量两类，定性方法通常是描述性的，侧重于分析整个方案在实施过程是否符合常理，是否能为决策提供充足的依据等。一般而言，定量方法比较注重模型的构建，在合适模型的基础上，收集数据进行综合计算，得出直观的结果供决策者参考。图2.1是一种常用的方案定量化评价的过程，从选定影响因子到效果评估分为五个步骤。此过程与多属性决[50][51]策（Multi-attributeDecision）中从确定决策对象到确定影响决策过程的因素等等，最后到敏感性分析的七个步骤大同小异。图2.1方案定量化评价过程传染病类突发事件防控方案的评价同样可采用类似的过程，下面对此五步在传染病应急方案中的具体含义进行阐述。（1）根据事件特性，选定影响因子。在这个步骤中，首先对事件有所明确，尽可能多的了解传染病事件的信息，并确定有哪些方面会影响疾病的传播，以及怎样降低其它影响等。（2）根据影响因子，构建层次分明的评价体系。在第一步中确定的影响因第10页 国防科学技术大学研究生院硕士学位论文素有些还可以进行细分，另外根据决策者所处的层级不同考虑的影响因素以及建立的评价体系应该不同。（3）专家打分，计算各因子的权重。传染病防控考虑的影响因素为多方面的，属于多属性多目标决策问题，其中就需要考虑各因素的权重问题，此时历史数据以及专家经验往往是比较好的解决方式。（4）确定评价指标，完成模型建立。任何传染病的应急防控的都是有其目的的。防控方案实施的效果需要通过构建评价指标来进行衡量。评价指标和影响因素都确定之后就可以建立相关联的模型了。（5）评价指标效果评估。第四步中的模型建立之后就可以对确定的评价指标进行计算。最后依据确定的评估方法对得到的结果进行评估。此五步中的，第一、二、四步将在本章第三节中针对传染病应急防控进行详细阐述，第三步在本章第二节中会进行说明，第四步中评价指标的确定方法在3.2节中也有所介绍，第五步则在3.2中进行详细阐述。2.2传染病防控的分层行动方案分析针对传染病类事件应急的定量化因果分析方法，描述传染病的复杂多样性，定量分析传染病应急响应行动与处置效果之间的因果关系，析取关键因素，对于深入理解传染病类突发事件的形成、演进特征及规律，具有非常积极的意义。本节通过构建一个三层模型，包括政府层、部门层和实际操作层。政府层是指县级以上政府（或如疾病暴发时政府牵头成立的应急办等），部门层是指政府下辖具体实施的各级部门（如卫生部门，交通部门等），实际操作层是指各部门相关人员在完成本部门每一项职责时进行的具体操作。传染病类突发事件本身的复杂多样性，以及事件复杂性导致的可采取行动的多样性、期望效果的多样性使得描述应急处置因果关系模型及应急防控方案体系的内在因果关系存在诸多难点。鉴于此，提出分层次分类别相结合的描述方法，使得因果关系模型结构清晰、防控体系内在关系明确易懂、因果回溯推理简单准确，也易于对模型进行修改和调整。三层模型结构与美国公共卫生突发事件的三级应急体系存在相似性。美国的公共卫生突发事件三级应对体系，即美国疾病控制和预防中心（CDC）——卫生资源和服务部(HRSA)——城市医疗应对系统(MMRS)，主要是以国家——州——地方的形式进行划分，每一层涉及到具体的实施部门和具体的操作，并且每一级的实施部门和操作又有诸多交集。如MMRS通过消防部门、医疗机构、执法部门及其他现场应对人员之间的协作保证事件发生之初应急的高效性。图2.2描述了三级应对体系的具体结构和职能。第11页 国防科学技术大学研究生院硕士学位论文CDC--联邦HRSA--地区/州疾病控制与预防系统医院应急准备系统©药物供给©疾病监测©实验治疗©流行病控制©沟通系统©大规模防疫©检验与隔离©研究与实验©医疗人员培训©医院间协调MMRS—地方城市医疗应对系统©药品储存与发放©早期预警与报告©突发事件应对与协调©沟通机制©医护管理©受害者/伤员转移©培训计划图2.2美国公共卫生应对体系传染病类事件应急防控分层次分类别相结合的描述分别针对政府层、部门层、实际操作层，在每层内进行分类，本节中2.2.1、2.2.2、2.2.3小节将分别对各层内的分类别描述过程进行阐述。如此划分的原因一是根据模型建立后本身的特点，即可根据关注的层级不同进行适当的调整，二是根据我国和美国联邦制不同，如我国政府机构设置除了像美国一样各级分工明确外，从上至下存在一定的一致性。2.2.1政府层行动方案分析2003年初SARS大爆发后国务院于当年5月迅速出台了《突发公共卫生事件应急条例》，《条例》的及时出台对SARS的防治工作顺利进行提供了依据、为公众身体健康与生命安全、维护社会稳定等提供了坚强的保障。重点针对PHA处理中存在应急反应慢、信息不通畅和不完整等情况，对指挥部的设立，相关制度的和一系列可行的措施都给出了具体的指导。对各级政府、相关部门和单位及个人在应急防控过程中的职责等也都进行了明确。正是SARS的爆发，我国才相继出台了许多正规的法律法规文件，以及许多学者也通过对SARS对传染病有了更第12页 国防科学技术大学研究生院硕士学位论文深的认识。SARS后的2006年1月，国务院正式颁布《国家突发公共事件总体应急预案》，其对包括PHA在内的四类突发公共事件的应急提供了指导。旨在提高政府处置突发事件的能力和加强保障公众人身与财产安全的能力，以减少此四类事件给民众和社会带来的伤害，并维护社会繁荣稳定和协调有序发展。也为其它相关法律法规的制定提供了方向性的指导。其中对组织体系、运行机制和应急保障等都进行了详细的阐述，对PHA的应急行动具有很强的规范和指导性。上述两部文件出台之后都有一系列专家学者对其进行解读，如：刘漤等发表[52]了《为防治“非典”竖起法律屏障——解读<突发公共卫生事件应急条例>》，[53]张宗等发表了《解读<国家突发公共事件总体应急预案>》等。逯田力发表的《对[54]于突发公共事件分类的认识和理解》对上述《预案》的事件分类进行了更为详尽的分类解读，尤其是对各事件的特点进行了分析，为后来者制定政策提供了帮助。除此之外，各级政府也相继出台了一系列条文规定，例如《北京防治传染性非典型肺炎应急预案》，其根据国务院和卫生部相关文件精神对所属各级机构和部门工作进行较为明确的指导，将措施更为细化，使得操作性和针对性更强。结合上述文件与SARS等传染病类突发事件本身的特性，分析政府层可以采取的行动，需要从制度和措施两方面行动，其中包括应急预案制度、通报和发布制度、突发事件预防控制体系、突发事件报告等制度，以及医疗救援、人员隔离、群体防护等措施。具体转化为政府需要考虑的决策点可分类别的归纳为控制传染源、切断传播途径、降低人体易感性、有效的信息处理四方面。具体如图2.3所示。图2.3政府层可采取行动的分类四方面中的每一方面都包含若干具体行动点，如切断传染源包括流行区域人员预防性控制、传染物隔离等，切断传播途径包括交通检测处理、人员疏散疫区封锁等。具体行动点如表2.1所示。第13页 国防科学技术大学研究生院硕士学位论文表2.1政府层传染病应急防控行动集序号行动点名称注释1医疗救援对已经确诊和疑似传染病病例实行医治2调集应急人员、物资和交通工根据事件需要调集人员、保障物资以及相关具设施和设备等3流行病学（病原学）调查进入传染病现场调查、病原体采样、分析和检验，对疾病进行科技攻关，研制疫苗等药物4向上报告制度建立疫情预警报告制度，便于各级部门更准确及时采取行动，如调集物资，分配人员等5流行区域人员预防性控制流行区域内流动人口，做好预防工作，落实有关卫生控制措施，降低其被感染率，以及其中的潜伏病例感染它人6医疗机构内防护防止交叉感染医疗机构内应当有更为严密的防护措施，防止院内出现交叉感染，如对密切接触过传染病人者采取医学观察措施7人员疏散疫区封锁对疫区人员分类进行疏散或者隔离，有必要时依法对疫区实行封锁，减少区域外民众被感染概率8应急接种预防性投药根据疫情和疫苗情况对人群进行分类，按需要分别实施应急接种、投药或群体防护等措施9宣传疾病防控知识相关部门、医疗机构切实对疫情信息进行收集和报告，向居民、村民宣传传染病防治的相关知识10引导及供应水源或食物根据传染病传播和疫区人员的实际情况，对水源和食物采取控制或供给措施11传染物隔离主要指病人接触过的物品，切断间接传染途径12传染（疑似）病人采取措施对确认和疑似的传染病病人，都应当迅速采取就地的隔离、观察和治疗的措施13交通检测处理当确认或疑似为传染病病人时，检测人员应当最迅速的通知并驶向前方停靠点，同乘交通工具的人员视接触程度采取控制措施14现场控制做到对一切疫情的出现做到最快的隔离、最迅速的治疗，以从源头切断传播途径，防止扩散。必要时迅速转移病人15社区普查可疑病例尽早发现、尽快报告，将病人与他人接触率降到最低16疫情信息准确及时发布公开有关信息，实行阳光操作，缓解民众情绪，使社会生产生活稳定2.2.2部门层行动方案分析政府层对整个事件的防控起主导作用，但行动的完成需要细分到多个部门和单位，甚至是每个行动需要多部门合作，这就更需要明确每个相关部门的职责，疫情信息发布和宣传疾病防控知识需要宣传部门联动医疗防控系统、甚至还需要第14页 国防科学技术大学研究生院硕士学位论文社区等基层单位做大量工作，交通检测处理需要交通部门、铁路和民航系统甚至医疗部门起主要作用，人员疏散疫区封锁需要公安部门配合等等。现以医院系统为例对部门层的行动进行分析。上面所列的行动中医院或者医务工作者参与的占到大多数，医院以及其它任何一个部门都应该首先明确其应参与的行动，以及在行动中的地位和具体应参与的事项。表2.1中最直接且基本是作为完全参与方的包括医疗救援和医疗机构内防护以防止交叉感染两项，先以这两项进行简单描述，这两项行动落实在医院内具体实施时又可以细分为诸多行动节点。从SARS的相关文件中可以进行总结。2003年9月中华医学会等单位受相关卫生部门的委托，牵头组织撰写了《传染性非典型肺炎（SARS）诊疗方案》，《方案》从病原学、流行病学等诸多方面对对疾病进行了详细的阐述。重点为诊断和治疗，对诊断和鉴别诊断给出详细的指导意见，并对治疗从一般治疗到中医治疗分成八类进行了彻底的指导。杨敏娟在《SARS患者的临床护理要点及防控措施》一文中很好的总结了医疗救援和院内防护的要点[55]和具体措施。如合理处置患者日用品、控制非医疗探视人次，固定患者餐具，严格实行分餐制等。另有多篇文献从制度和措施两方面分析了院内防护的重要性及其可选措施。与政府层一样，医院内防控可以按类别进行分类。如减小病人与他人接触概率（可包括早期分流、病人住单间、限制病人活动等），减少医务人员被传染可能性（如正确佩戴防护用具、合理处置患者日用品等）等。医院防控实施可包含如表2.2所示的行动点。表2.2医院内传染病防控行动集序号行动点名称注释1患者用物“一对一”针、管、止血带必须单人单用，床套和桌布也分开使用等2严格处置患者日用品对患者所有的用品转移或者处理时必须严格消毒，包括脸盆、痰盂等3病房通风，空气消毒保持病房通风的频率，严格对病房进行空气消毒。能有效降低病毒的密度，减小感染机率4固定餐具，实行分餐制定时对餐具消毒，减少交叉感染5严控探视人次必要的时候可以对患者完全隔离者禁止探视6医护人员强制洗手医护人员在无菌操作前和接触患者后都要用流水洗手，平常也要常洗手7正确佩带口罩、帽子、工作预防病毒通过空气传播和患者口腔异物的感服染8提高免疫调节，增强自身免安排医护人员适当休息、指导进行科学锻炼、疫力饮食平衡并摆好心态9病人转出后消毒转出病人后进行彻底消毒，防止一切意外10定时审查医疗设施随时确保医疗器械需要时能够完好可用11合适的治疗适当的治疗是一切行动的关键第15页 国防科学技术大学研究生院硕士学位论文2.2.3实际操作层行动方案分析从传染病防控过程中医院所能采取的众多行动中选取最受关注的治疗这一行动节点进行分析。治疗与其它措施一样，目的都是使得效果节点能达到预期值，故在实际操作时不同时间点采取措施产生的效果会有所区别，基于时间影响网络的因果关系分析恰好能清晰的表达这一点。如对SARS这类传染病，根据《传染性非典型肺炎（SARS）诊疗方案》中对临床分期、诊断和鉴别诊断的叙述，可以总结出治疗中按临床分期（即对应于治疗措施分类别）可分为早期、进展期、恢复期，治疗措施包括一般治疗、对症治疗、抗病毒治疗、免疫治疗、抗菌治疗、心理治疗、中医药治疗等。上述分层级分类别的建模方式，可以根据需要对模型力度进行调整，如具体到关注某种治疗的效果就可以将模型建到实际操作层，关注点如果是某部门的某项工作措施效果可以将模型建到部门层，而如果更多的是考虑整个宏观层面的影响、即最后的结果时只需要建立政府防控层模型。分类别的方法使得行动和效果影响关系更明确，可以很好根据实际情况，比如某项措施受到限制完全无法进行时可以适时在模型中删除该节点，或者对该节点不进行输入参数赋值即可。本文1.1.1小节和1.2.2小节中已经分别叙述概率网络能够很好的满足对效果的定量化评价需求，及时间影响网络能很好的支撑对上述分层级分类别分析方法的描述和关系表达。2.3时间影响网络的建模方法[56]时间影响网络实质为一个有向无环图，图中的节点分为两类，一类是在图中表示为矩形的行动节点，也成为可控节点，另一类是在图中表示为圆角矩形的效果节点。连接边的有无取决于变量之间是否存在影响关系，也分为两种，一种为终端为箭头的表示的是起始点对终点的促进关系，另一种终端为圆头的表示的是起始点对终点的抑制关系。以图2.4这一简单示例对时间影响网络建模过程进行说明。行动节点A1，A2，A3在0时刻的概率0.1表示的是先验概率。效果节点E1和E2中的0.5指的是基准概率。图中可以看出A1对E1和E2都是起促进的作用，而图中的其它连接边则都是抑制作用。节点A2在时刻4之前则以0.1的先验概率对E1产生影响，从时刻4开始则以0.6的信度对E1产生影响，从5时刻开始则变为以信度1对E1产生影响。也就是说在5时刻之前，A2是否对E1产生影响还不确定，A2产生的影响在1个时刻之后到达E1。起点节点及连接边的含义与此类第16页 国防科学技术大学研究生院硕士学位论文似。对图2.4中的示例模型通过4.2节中的算法进行计算，得到效果节点E1和E2的概率变化如图2.5。PA10.1@0(0.90,0.66,6)PA11.0@1(0.90,0.66,1)(0.90,0.90,1)PA20.1@0(0.66,0.66,1)PA20.6@4PA21.0@5(0.66,0.66,3)PA30.1@0PA31.0@3图2.4时间影响网络示例图2.5效果节点的概率变化图如图2.5所示，行动节点A1和A3都在时刻1对节点E1的影响产生了变化，行动节点B则在时刻4和5对节点E1的影响产生了变化，经过连接边上的时延数，节点E1的概率分别在时刻2、4、5和6发生变化，而节点E2依据A1和E1的变化，其概率在时刻3、5、6和7发生改变。依照上述时间影响网络的定义，分别对2.1节中的五个步骤进行适应性分析，影响因子在时间影响网络中可以用行动节点进行对应，评价指标与效果节点进行对应，建立模型的方式即以上述时间影响网络中边的定义进行连接，专家打分等方式计算出的因子权重，可以用连接边中的影响强度进行表达。连接边中的时间延迟能够很好的刻画应急行动对应急效果节点影响的时延性。对以层次化模型的建立，下节将进行详述。有两点需要进行说明：①从上文中对时间影响网络中行动节点参数的描述可以看出，其是以信度表示行动发生的可能性。而在传染病防控过程中，行动的采取并不是以信度衡量发不发生，而是每一时刻采取该行动的强度。现在我们做出约定将其含义表达改为从此刻开始将采取相应的行动强度。如用上述示例模型描述传染病防控，对于行动A2可以理解为从0时刻开始只采取了0.1的行动强度，第17页 国防科学技术大学研究生院硕士学位论文4时刻到5时刻的行动强度为0.6，从5时刻开始则为全强度的采取行动。如图2.4中4时刻的表达方式由PA20.6@4变为PA20.6。这一约定对计算的结果4不产生影响。②行动节点中概率用来表示采取行动的强度，强度是相对而言的，如社区普查可疑病例，强度即代表普查的社区数与整个疫情区域社区数的比值。效果节点中概率则代表效果的好坏，具体可参照3.3节中关于效果的评价。2.4政府层的传染病防控时间影响网络模型传染病应急防控过程中，政府层需要考虑整个防控的效果，可以看出最终的防控的表现。本节即以政府层的传染病应急防控为例建立相关的时间影响网络模型。以便在整体防控中更好的进行运用和对其评价。显然，于政府而言，传染病防控的目的主要在控制总患病人数和死亡人数，以及维护社会生产生活稳定。即只要总的患病人数和死亡人数得到了控制，社会生产生活稳定，那么一次传染病也就算得到了控制。而要完成上述三点，需对其通过时间影响网络的建模方式进行逐步分析，直到导出行动点所直接影响的效果点。具体分析如下：总患病人数直接与康复率和传染率相关，而死亡人数又取决于患病人数和死亡率。死亡率的高低与死亡人成正相关，又有死亡率与康复率为完全互斥关系，可以用康复率替代死亡率进行表达（时间影响网络中具有抑制关系的表达功能）。简单关系如图2.6所示。图2.6死亡人数受影响关系图康复率取决于有效的药物治疗、及时的医疗保障，另外还有得到及时的医疗保障后实施的医疗救援，有效的治疗药物取决于流行病学调查和科研实验攻关，及时的治疗取决于救治药品和和医务人员及时到位，救治药品和和医务人员及时到位又取决于疾病爆发时的人员物资调配和接到报告后作出合理的调度。康复率分解情况如图2.7所示。第18页 国防科学技术大学研究生院硕士学位论文图2.7康复率受影响关系图传染率降低包括减少不可控人数、院内被控病人防护、控制间接传染源（通过传染物隔离）、提高健康人员免疫力（通过应急接种和预防性投药）、提高民众防范意识（通过宣传疾病防控知识）和人员疏散疫区封锁六方面。减少不可控病人数的效果受到病人隔离速度快慢、对传染（疑似）病人采取措施的强弱、流行区域人员进行预防性控制程度的影响。病人隔离速度又受到交通检测处理、现场控制和社区普查可疑病例效果的影响。减少不可控病人数、控制间接传染和提高民众防范意识又都与人员是否流动异常有关。人员流动异常情况和民众的恐慌程度直接相关，民众恐慌程度与疾病防控知识的宣传、应急接种和预防性投药、及时准确发布疫情信息以及引导和供应食物水源等有关。传染率分解情况如图2.8所示。第19页 国防科学技术大学研究生院硕士学位论文图2.8传染率受影响关系图保证康复率提高和传染率降低的前提是防治措施能够高效的实施，防治措施高效实施与民众不会出现恐慌又是直接相关的。最后建立如图2.9所示的基于时间影响网络的政府层防控模型架构。图2.9政府层的传染病防控时间影响网络模型架构第20页 国防科学技术大学研究生院硕士学位论文2.5本章小结本章在决策方案定量化评价过程的指导下，结合时间影响网络的特性，对突发传染病应急防控从政府层到部门层再到实际操作层进行了行动过程的详细分析。在时间影响网络建模方式的基础上，以政府层为例，对行动到效果进了详细的推导，建立了突发传染病应急方案评估的基本模型架构，为后续应急方案的评估、改善等奠定了基础。第21页 国防科学技术大学研究生院硕士学位论文第三章传染病防控应急行动规则与应急效果评价本章从传染病应急方案制定过程中容易出现各种矛盾、应急方案评估后对评估结果难于衡量等事实出发。首先阐述了对应急行动制定规则和对应急效果进行评价的必要性，然后对传染病应急行动进行分析提出一套应急方案制定需要遵守的规则，并构建了相应的规则函数，以提高应急方案制定的效率。再对效果混合评价指标体系的一般构建过程进行了表述，并给出了适用于时间影响网络结果评价的准则和复合评价方法。3.1行动规则与效果评价的重要性在传染病应急防控过程中，应急方案的制定和评价与选择都非常重要，而应急方案的制定往往会涉及到多部门，可采取的行动也有多种，如果由个人决定，难以对所有的信息掌握完全。而如果由多人共同制定，又容易因个人偏好出现意见不一，甚至出现时间上不兼容、资源无法满足、逻辑关系混乱等的现象。这就需要对应急方案的制定提出合理的规则。在规则范围内，无论是个人决策或是群体决策求和得出的方案都会在可行范围内。所选应急方案的优劣直接决定应急防控效果的好坏。尤其对于强致命性传染病而言，应急方案不理想造成的后果往往是不可估量的。所以必须对应急方案产生的效果进行科学的评价，避免随个人主观意愿而定等情况。而如何对应急效果进行有效评价，对用时间影响网络建立的模型计算出的效果又如何评价才更合理，都需要提出一定的规则，以减少不确定性。也使决策人员能更简单的做出更好的决策。3.2传染病应急方案制定的基本规则描述方案的制定和选择，往往都不是对所有的方案进行比较，而是在一定规则的指导下进行。这种规则可以表现在时间、资源、逻辑关系等方面。满足规则的方案被称为可行方案。如下表3.1中为几条常用的规则：表3.1常用规则描述Same_stateA1A2//A1和A2需保持同样的状态BeforeA1A2//A1须先于A2发生Equal_timeA1A2//A1和A2需同时发生AtA1t//A1在t时刻开始发生MorethanA1A2//A1比A2发生可能大同样，对于传染病的防控，应急行动的采取也必须满足一定的规则条件，包第22页 国防科学技术大学研究生院硕士学位论文括常识性规则和特殊需求规则。宗旨就是使得防控效果尽可能更好，且在保证防控效果下的资源极小利用。首先对下述语句进行解释如下表3.2。表3.2规则语句释义语句释义A在B之前A发生的概率应不低于BA与B同状态A与B发生的概率在时间上应一致A与B受同一约束A与B同用某种资源且总和有限A比B早开始A刚开始阶段的概率大于B，后段不限A与B同向A的概率加减趋势随B变化而变化A以B跃进A在B有一定的基础后会有较高的变化对表3.2中的规则语句结合释义分别建立规则公式，约定T为应急行动考虑的整个时间段。（1）A在B之前：PAt(())PBt(()),t[0,]T（3.1）（2）A与B同状态：PAt(())PBt(()),t[0,]T（3.2）（3）A与B受同一约束：PAt(())PBt(()),tT,(0,1],(0,1]（3.3）（4）A比B早开始：PAt(())PBt(()),tT,(0,1)（3.4）（5）A与B同向：PAtPBt''(())/(())0(())0PBt'（3.5）,[0,]tT''(())PAt0(())PBt0（6）A以B跃进：|(())|||(())pAtlPBt1（3.6）,(0,1),||1,|ll|(,1],tT[0,]pAt(())(())PBt2对表2.1中所列出政府层关注的16种应急行动需满足规则的情况进行分析，并依照表3.2中语句的定义对其进行阐述。分析得到至少应含有如下十条规则，特定的环境下，还会有诸如资源和时间等方面的其它约束，按照同样的方法分析添加即可。（1）流行病学（病理学）调查应比应急接种、预防性投药早开始，这是因为必须对病理学和流行病学等情况有了一定的了解之后才能进行接种和投药。（2）医疗救援应和对传染（疑似）病人采取措施同向，对病人采取措施之后需要立马实施医疗救援，这是传染病突发事件防控的基本要求。（3）建立向上报告制度和调集应急人员、物资等应为同向，因为药品器材等及时到位和医务人员及时到位应该基本匹配才能获得更好的救援效果。第23页 国防科学技术大学研究生院硕士学位论文（4）交通检测处理与社区普查可疑病例应该为同状态，这两种都是属于对普通群众的一种普查措施。（5）宣传疾病防控知识、引导及供应水源和食物以及疫情信息准确及时发布应为同向，正常策略应为宣传疾病防控知识的同时准确的公布疫情的相关信息，并且需要的时候提高食物和水源保证。（6）传染物隔离和传染（疑似）病人采取措施应基本为同状态，尤其是对于类似SARS等的强传染性疾病，每当对病人采取措施时其使用过的物品也应该进行处理。（7）医疗机构内的防护防止交叉感染以流行病学（病理学）调查跃进，医疗机构内的防护防止交叉感染在对疾病的流行病学有了一定的掌握后有明显的提高，因为医院等医疗机构为传染病人最集中的地方，对确认了疾病有较强传染性之后就需要明显加强防护。（8）流行区域人员预防性控制以流行病学（病理学）调查跃进，同样，明白了疾病的传染性之后，如果具有强传染性，则对流行区域人员需要明显的加强控制。否则会导致不可控病人快速增加。（9）流行区域人员预防性控制应在社区普查和交通检测处理之前，一般而言，社区普查和交通检测处理是在传染病发展到一定的阶段之后或者出现了不可控趋势的时候采取的更为广泛的措施，而流行区域人员预防性控制一般是在对疾病流行病学有所了解之后。可以认为，社区普查和交通检测处理是流行区域人员预防性控制的进一步措施。（10）医疗救援、现场控制以及应急接种等受同一约束，因为这几类工作都需要较为专业的医务人员，而同一地区相关专业医务人员往往有限，后期如传染病趋势未有明显缓解，往往会从其它区域补充部分医务人员，此时即可考虑限制有所缓解。依照上文中对表3.2的语句建立的规则公式，对传染病应急防控中的规则可以建立类似的规则公式，为表达清晰，对16种方案分别进行序号命名，命名对应如表3.3所示。第24页 国防科学技术大学研究生院硕士学位论文表3.3应急行动简化序号名称行动名称序号名称行动名称序号名称医疗救援A1宣传疾病防控知识A9调集应急人员、物资引导及供应食物和水A2A10和交通工具源流行病学(病原学)调A3传染物隔离A11查传染（疑似）病人采向上报告制度A4A12取措施流行区域人员预防性A5交通检测处理A13控制医疗机构内防护防止A6现场控制A14交叉感染人员疏散疫区封锁A7社区普查可疑病例A15应急接种、预防性投疫情信息准确及时发A8A16药布对应急方案中十条规则依次建立相应的规则公式：第一条：对应于公式（3.4），有如下表达式:PAt(())PAt(()),tT,(0,1)（3.7）38第二条：对应于公式（3.5），有如下表达式：PAtPAt''(())/(())0(())0PAt'（3.8）11212,[tT0,]''(())PAt0(PAt())0112第三条：对应于公式（3.5），有如下表达式：PAtPAt''(())/(())0(PAt'())0（3.9）144,[tT0,]''(())PAt0(PAt())014第四条：对应于公式（3.2），有如下表达式：PAt(())PAt(()),t[0,]T（3.10）1315第五条：对应于公式（3.5），又因上述第五条规则实际含有宣传疾病防控知识与引导及供应食物和水源以及疫情信息准确及时发布两条同向信息，所以又有如下两条表达式：PAtPAt''(())/(())0(PAt'())0（3.11）91010''(PAt())0(PAt())0910PAtPAt''(())/(())0(()PAt')0（3.12）91616''(PAt())0(PAt())0916第六条：对应于公式（3.2），有如下表达式：PAt(())PAt(()),t[0,]T（3.13）1112第七条：对应于公式（3.6），有如下表达式：第25页 国防科学技术大学研究生院硕士学位论文|(())|||(())pAtlPAt1（3.14）63,(0,1),||1,|ll|(,1],tT[0,]pAt(())(PAt())263第八条：对应于公式（3.6），有如下表达式：|(())|||(())pAtlPAt1（3.15）53,(0,1),||1,|ll|(,1],tT[0,]pAt(())(PAt())253第九条：对应于公式（3.1），同样第九条也包含流行区域人员预防性控制在社区普查之前和流行区域人员预防性控制在交通检测处理之前两条信息，所以有如下两条表达式：PAt(())PAt(()),t[0,]T（3.16）515PAt(())PAt(()),t[0,]T（3.17）513第十条：对应于公式（3.3），有如下表达式：PAt(())PAtPAt(())+(()),tT,(0,1],(0,1]（3.18）1814第十条中，t取值未充满整个[0,]T区间，因为在传染病发展到一定阶段后，可能有其它区域的医务人员进行补充。3.3面向时间影响网络模型的传染病应急效果评价方法3.3.1效果评价指标体系构建的基本原则与方法效果评估即将影响因子产生的效果作为评估指标进行衡量。指标评估可以分为单指标评估和复合指标评估，单指标评估往往意味着对影响因子产生的某种可单独考虑的效果进行评估，此时一般考虑其中某一部分影响因子的影响效果。当然，对某个受所有影响因子影响的效果，一样可以考虑为单指标评估。复合指标评估指的是对多种效果值按照一定的规则进行分析聚合，得出最后的评价值。单项效果评估许多时候意味着对单一功能的评价，复合效果评估则多指某项功能或者总功能的评价。单指标评估需要有合适的评价方法，所有的单项指标适用的评价方法可以不同，如对传染病防控效果评估时，民众恐慌程度与医疗救援的评价方法显然是不同的。以单指标评价值选择方案相对较简单，评价方法合适时只需做简单对比即可。复合指标评估时涉及到的指标往往不能简单进行叠加，具体表现在多方面，各指标表达形式不一、重要性不同、所处层次不同等等。复合指标评估应遵循以下基本原则：（1）每一单项指标应符合其本身的评价准则。（2）复合指标的构建要科学、全面，包括单项指标的定义应明确清晰。（3）指标选取后，删除与评价目标不一致的评价指标。第26页 国防科学技术大学研究生院硕士学位论文（4）对需进行复合的每一单项指标应能转化为统一量化形式进行表达，以便进行复合。满足上述原则后，就可以对指标进行复合了，首先应确定评估指标的权重。[57]选用层次化分析法对指标的权重评估过程进行说明。层次分析法的基本过程为[58]先以专家根据九级标度法评分构造比较矩阵，再进行一致性检验，最后可采用方根法等求解计算得出相对重要性的权重。对构造的相对矩阵进行一致性检验时，需要在矩阵属性达到满意的一致性时，计算出的权重才有意义。而时间影响网络得出的结果值相对属性完全一致，此处不对一致性检验过程进行详细阐述。另外层次分析法还需对评价指标之间的相互影响权重构造矩阵以计算权重，再采用相对权重和相互影响权重综合得最终权重。而时间影响网络构造的模型中，相互影响关系都以建立连接边的形式进行体现，权重分配时不需要再衡量相互影响权重。所以相对权重即可看成是最终的权重值。3.3.2时间影响网络效果的评价准则与复合评价方法行动方案评价的目的就是选出尽可能好的行动，以达到极大化的应急的效果。而在2.4节中建立时间影响网络模型的同时也确定了具体的效果节点，可以看出非行动节点较多，如何以这些节点的结果对行动方案进行评估来对方案进行优选是需要解决的问题，如果只是单纯的进行最大概率的比较显然是不合适的。下面选出几种适用于时间影响网络结果评估的常用准则，并且对于需要复合指标衡量的情况给出了方法。结合图3.1进行说明。图3.1两种方案结果对比第27页 国防科学技术大学研究生院硕士学位论文准则一：获得的最大概率。此评价准则通过获得效果概率的最高值进行比较。如图4.1中，可以看出方案一的最高值为0.9，而方案二为0.8。所以依此准则方案一优于方案二。准则二：获得最大概率的时间。通过对方案生成最大值的时间进行比较。如图4.1中，方案一在10时刻获得最大值，而方案二却在7时刻获得最大值。所以依此准则方案二更优。准则三：特定时刻点/区间的概率。比较某一时刻或某一时间段的概率或面积的大小。如只考虑前三个时刻的情况方案一的面积大于方案二。依此准则方案一更优。考虑其它面积情况又有不同。准则四：获得的最大概率面积。计算整个概率区域的面积大小，此准则是对方案整体性能的比较。比较上述两种方案，方案一在2到3、5到7、10到11时刻大于方案二的面积小于方案二1到2、3到5、7到10、11到12时刻大于方案一的面积。所以依此标准方案二更优。这一准则可以看成是准则三的一般化。上述四种准则中所述的最大和最小是等价的，如准则一许多时候需要比较多种方案的最小点。四种准则都有其适用性，如准则一，在应急防控过程中，决策者很多时候关注民众恐慌的程度，这一程度必须一直保持在一定的范围内，即各种方案的最高点较低更好。又如准则二应急防控过程中药物的效用需要更快的达到更高的概率。准则三和准则四类似。对于时间影响网络建立的模型中的单指标评估通常准则四使用较为广泛，即考虑某个效果指标整个过程中的总体效果。上面四种准则针对的是单因素评估，如上一小节所述，传染病应急过程中许多时候也需要进行综合的衡量，就需要分别对单因素以上述准则进行评估后再进行复合指标衡量。这一过程应满足上一节中复合指标构建的基本原则，其次再给多个指标赋权重来进行计算。权重可以按照上节所述的层次分析法确定，也可以依据决策人员的关注度而定。复合法决策函数可以简单的表示为：fitnessCOAx()wmwm...wm（3.21）1122nn其中w就是衡量的方案x的第i个效果值对应于相应准则的指标值m的权重ii值，对于每个指标通常进行归一化，如上述准则二中指标可表示为：1/tT，其i中t为行动i在准则二中的时刻，T为整个效果考虑的最大时间。如T为12，方案i一中t为10，则方案一在这一准则中的指标值为1/6，方案二为5/12。13.4本章小结本章首先对应急方案制定规则和应急方案效果有效评估的重要性进行了叙述，然后借鉴常用方案规则的思想针对传染病防控的应急行动提出了一系列的规第28页 国防科学技术大学研究生院硕士学位论文则描述，并给出相应的规则函数。最后在效果混合评估指标体系构建的原则上构建了适用于本论文中模型结果的评价的方法。第29页 国防科学技术大学研究生院硕士学位论文第四章行动方案概率变化的传染病防控信息融合本章主要针对在应急方案组织与实施过程中，随着时间推移会出现应急方案制定及选择之时并未预料到的情况。这些情况的出现往往需要应急方案评估选择的方法能够融合这些信息以对方案适时的做出修正。即实现图1.1中应急方案修订的过程。首先介绍了动态贝叶斯网络（DBN）的基本概念和推理方法，再给出了概率描述的时间影响网络（TIN）的推理过程，这也为进一步阐述将时间影响网络转换为动态贝叶斯网络进行信息融合的必要性提供基础。然后针对传染病防控过程中行动方案可以以任意概率在任意时刻发生的特点，给出了适用于此类特定行动方案的转换算法，并且以案例说明转换算法的具体过程。4.1信息融合的基础：动态贝叶斯网络及其推理[59][60][61]DBN在现实中的应用较为广泛，如语音识别、视频跟踪、姿态测定、[62]虚拟盆景等。DBN是继隐式马尔可夫模型（HiddenMarkovModels,HMMs）之后，建立更为复杂的带有时序动态推理模型的新选择。因其在许多领域的广泛应用，受到了越来越多的学者的关注。虽其和贝叶斯网络一样存在着变量概率值计的时间效率低下和在少量信息的情况下难于建模的问题。但随着理论方法和科学技术的发展，多种信度更新方法在DBN的使用过程中广泛应用。使得DBN的推理过程变得不再像原来那么麻烦，尤其是近似推理，几乎已经不存在效率问题。4.1.1动态贝叶斯网络的定义DBN是传统贝叶斯网络在使用过程中存在需要处理动态不确定性问题时发展而来的。即在贝叶斯网络结构的基础上，加入了时间属性的约束。所以与贝叶斯网络一样，也是一个有向无环图，可以用来表达条件关系、先后关系、因果关系。DBN可以用一个集合(,)BB来定义，其中B为初始网络，也可看作一个静态的00贝叶斯网络，B为转移网络，即两个相邻时间片的贝叶斯网络组成的图形，一个任意长度的DBN都可以用给定的初始网络和转移网络来表示。初始网络B的联合012n概率分布为PZ()，定义一个DBN的随机变量集为Z{ZZZ,,...}，用012nZ,ZZ,...,表示变量在t时刻的状态。则初始状态联合分布和网络结构为：tttn（4.1）iiPZ()00PZPaZ(|()0)i1转移网络在所有时间片间的转移概率为：第30页 国防科学技术大学研究生院硕士学位论文n（4.2）iiPZZ(|)tt1PZPaZ(|()tt)i1ii12n其中PaZ()为Z的父节点。所以一个DBN在Z{ZZZ,,...}上的联合概率tt分布表示为：T112n（4.3）PZZ(,,...Z)PZBB0(01)PZZ(t|t)t0（a）初始网络（b）转移网络（c）按时间轴展开的DBN图4.1DBN模型示例如图4.1（a）定义为初始网络B，其中实线有向边为时间片内的概率依赖关0系，图4.1（b）为转移网络B，虚线有向边为时间片之间的概率关系，如图的转移概率为PZZ(|)，即时间片t到t+1之间的转移概率为PZ(|)Z。按时间轴展10tt1开的DBN如图4.1（c）所示，其联合概率分布如公式（4.3）所示。4.1.2动态贝叶斯网络的推理DBN推理就是在给定的网络结构上进行概率计算。目标就是计算边缘概率第31页 国防科学技术大学研究生院硕士学位论文iPXy(|)，其中y为观察量，推理的目标也就是通过观察量y（俗称为证据），t1:1:1:[61]得到所需要的概率。根据的大小不同，推理有以下几种不同的情况：（1）t时称为滤波（filtering），需计算PXy(|)，即在已知证据下对当t1:前状态的后验概率分布进行计算。（2）t时称为平滑（smoothing），需计算PX(|)y(0l)，在给定的l1:证据下，对过去某一状态的后验概率进行计算。（3）t时称为预测（predication），需计算PX(|)y(0l)，在给定的l1:证据下，计算未来某一状态的后验概率。PY(|11yy:)(|)PYllyXxPX(|lxy1:)（4.4）x（4）Viterbi解码（decoding），找到最可能生成某一给定观测结果系列的状[59]态系列，需计算argmaxPxe(|)。文献中，提出了充分考虑向前和向后的隐x1:t1:tt1:含状态取值来准确估计x状态的优化原则。所以Viterbi解码应包括前后推理两个t过程，前向推理中需计算：()jPyX(|j)max{(PXjX|i)()}i（4.5）ttttt11ti其中：def（4.6）()max(jPXx,Xiy|)tt1:1:t1t1:txt(1:1)后向推理中，计算：x**()x（4.7）ttt11其中：()jargmax(PXj|Xii)()（4.8）ttt11ti(5)分类（classification），依据观测数据，即上述y来判断N种可能的模式1:中哪种与观测数据最合适，需计算PyN(|)。首先有：1:T（4.9）Py()()(|)(|)(|)1:PyPyyPyy2131:2PyyTT1:1c1然后，以PC()表示C模式的先验概率，PyC(|)表示C模式与观测数据的1:T匹配程度。应用如下方式进行序列分类：*Cy()argmax{(PyCPC|)()}（4.10）1:TT1:c综上，可将动态贝叶斯网络推理应用总结如下图4.2。第32页 国防科学技术大学研究生院硕士学位论文PXy(|)t1:PX(|)yl1:PX(|)yl1:argmaxPxe(|)x1:t1:tt1:图4.2动态贝叶斯网络的推理应用分类在对DBN推导的过程中，容易想到运用贝叶斯网络的推理算法。这一过程通过将DBN按时间轴展开，构造全贝叶斯网络，再运用贝叶斯网络的推理算法。但是，当需要进行滤波或者平滑的序列过长，更多观测节点加入时，所需要的存储空间将无限增大。另外，这种看似简单的推理方法在每次有新的观测结果时都需要重新运行，这样所花费的时间也是不可估量的。所以现有的方法大部分是根据DBN的特性选择合适的算法进行推导。如：DBN为离散隐含状态时，则可将DBN[63]转换成HMMs，再运用HMM的推理算法对其进行推理。HMM和KFM都可以看成是DBN的特例，DBN相对拓扑结构可以更复杂。对于隐变量离散的DBN，在观测完全的情况下，可以应用直接推理算法进行推理。直接推理算法是在HMM算法和KFM（KalmanFilterModels）算法基础上进行扩展的。精确的DBN推理是一个NP难问题，目前常用的有前后遍历算法（The[64][65]forwards-backwardsalgorithm）、接触面算法（Theinterfacealgorithm）、边[66]沿算法（Thefrontieralgorithm）等。实际使用过程中往往会选择一些适用的近似推理的算法，常用有确定性算法和随机算法两种。确定性算法包括BK（TheBoyen-Kolleralgorithm）算法、FF（Thefactoredfrontieralgorithm）算法、LBP（Loopybeliefpropagation）算法等。这几种算法的共同点是易于编程实现，且计算速度快，但对网络结构限制较高，能对应的DBN模型有限。随机算法包括离线和在线处理两种方式，离线处理有重要样本[67]（ImportanceSampling）和MCMC（MonteCarloMarkovChain）算法，在线处理通常使用PF（ParticleFiltering）算法、压缩算法（Thecondensationalgorithm）[68]等。随机算法同样易于编程实现、且几乎适用于所有DBN的拓扑结构，全局最优解在样本数据足够大时都能找到，但速度相对较慢。如今已有多种软件平台被开发以支撑DBN为基础的模型研究，如：Bayesia公司开发的BayesiaLab，采用图形化建模界面，支持DBN的建模分析，支持结构和参数学习，可以选择精确算法和近似算法。匹兹堡大学（UniversityofPittsburgh）决策系统实验室开发的GeNIe同样支持结构和参数学习，并提供包括EPIS、LBP在内的十多种推理算法。第33页 国防科学技术大学研究生院硕士学位论文4.2概率描述的时间影响网络推理方法在2.3节中已经约定将时间影响网络中以信度表示事件发生的可能性转换为发生的强度，即概率的表示方法。对于概率直接描述的时间影响网络，本节给出具体的效果节点概率推理过程。4.2.1概率推理的基本求解思路TIN的概率计算原则是，父节点概率的变化会在连接边上的时延后对子节点产生变化的影响。继续以图2.4为例，图中A1在时刻1有概率变化，在经过6个时刻的延迟后对E2产生影响，A2在时刻4的概率变化经过1个时刻的延迟对E1产生影响。其中可以看出E2不但受到行动节点的影响，还受效果节点E1的影响，但其同样是E1的概率变化经过时间延迟对E2产生影响。所以，可以将每个子节点及其父节点看成一个基本的TIN，这样任何TIN都可以看成是一系列基本的TIN组合而成的。通过对基本TIN按照一定的原则进行替代逐步求解即可求得任意效果点的概率变化情况。建立基本的TIN模型如图4.3。P(1)At((,hg),q)111((,hg),q)P(2)A222t((hg,),q)P()Annnnt图4.3基本的时间影响网络根据上述定义，基本的TIN只包括一个叶节点，图中PAi()为根节点Ai的输t入方案，t用来表示Ai的概率在时刻j有改变，设定J为Ai中概率改变时刻最长ij的值。集合TtinjJ{,1,0}为全部根节点概率改变的时刻集。连接边的时ij延集合为Qqqq{,,,}，其中ti为根节点Ai到叶节点VE的时间延迟数。12n4.2.2基本时间影响网络的概率计算方法首先对集合T和集合Q进行相加确定叶节点概率更新的时刻序列，相加的规则为TVE{|tq1,in0}jJ，将其按顺序排列定义为：ijiTVE{,,,}tvetvetve，其中K为集合TVE中值的个数。概率计算的过程为依次12k第34页 国防科学技术大学研究生院硕士学位论文选取tve，然后从时延集Q中依次选取q，根据选取的tve减去q，查看根节点在对应时刻的概率PAi()，各根节点对应于tve时刻的概率确定后，即可结合影响强度t组合Ch[(,ghghg),(,),...,(,)]，对叶节点VE在时刻tve的概率Ptve()进行计1122nnii算：Ptve(in)...PX1122()PX()...PX(n)PYXX(|12,,...Xn)（4.11）XX12Xn其中X为根节点Ai对应的随机变量，若PX()p，则有PX()1p，iiiiiin1,2,...,。[42]PYXX(|,,...)X是依据影响强度组合C计算的条件概率分布。Haider等人12n在关于影响网络的概率计算时给出了条件概率分布的计算过程。即对于形如PYXX(,,..,X,X,X,...,X)的条件概率计算，可以按四步进行。12kkk12n其中，X(1ik~)对应的影响强度取值h，X(1ik~n)对应的影响强度取iii值g。所以影响强度的取值组成了集合Shhhgg{,,..,,,,...,g}。i12kk1k2n（1）促进影响联合度PI的计算公式为：PI1(1)ccii,,0Sci（4.12）i（2）抑制影响联合度NI的计算公式为：NI1(1)ccii,,0Cci（4.13）i（3）促进和抑制影响联合度合并，整体影响联合度AI的计算公式为：PINI（4.14）PINI1NIAINIPINIPI1PI（4）条件概率计算bAI(1bPINI)（4.15）PYXX(,,..,X,X,X,...,X)12kk1k2nbAIbNIPI其中b表示变量Y的基准概率。4.2.3概率传播的过程描述4.2.1小节中的概率计算的思路为将TIN分解为一系列基本的TIN。4.2.2节中已经给出了基本TIN的概率计算方法，所以还需要对概率在基本TIN间的传播进行说明。对于如图2.4所示的TIN，效果节点E1和E2的概率求解基本过程如图4.4所第35页 国防科学技术大学研究生院硕士学位论文示。Net1Net2A1A1E2A2E1E1替换标记A3E1图4.4概率传播算法的基本过程图2.4所示的时间影响网络被分拆为两个基本的时间影响网络Net1和Net2，A1，A2，A3为根节点，所以Net1可以直接使用上一小节中的概率计算方法求解。而Net2中E1不是根节点，在Net1计算完之后Net2即可当成基本的时间影响网络进行计算。具体概率传播过程的伪代码如表4.1所示。表4.1时间影响网络概率传播过程描述第36页 国防科学技术大学研究生院硕士学位论文4.3输入方案概率变化的时间影响网络转换算法时间影响网络（TIN）的优势在于可以用一个紧凑且易于理解的方式表达因果关系和随时间变化的信息。方便建模者通过一系列动态变化的因果关系建立预期效果和可操作事件之间的连接。然后使用得到的概率模型来分析不同行动方案的效果以选出达到预期效果的方案。但目前时间影响网络的一个很重要的不足是难于融合在行动执行过程中出现的新信息、新证据。如4.1.2小节所述，DBN已经有了多种信度更新算法，使得以DBN建立的动态概率模型能较好的融合新证据，但是DBN中所需要的大量参数的确定是非常麻烦的。如果能够结合时间影响网络和DBN的优势，就能解决各自的不足。使用时间影响网络描述复杂的因果关系，并挑选处合适的行动过程，以满足预期的效果。在执行期间，如果新的证据出现，时间影响网络转换成等价的DBN，再使用标准DBN推理算法来更新网络中其它节点的信度。如果需要也可以在已经确认的证据的基础上对选择的行动过程进行修改。[69]Levis等人在文献中提出了一种时间影响网络转换为DBN的变换算法，但其针对的是离散化的行动方案，即某一行动只在单一的时刻发生。这种变换过程不适合于本论文中行动可以以任意概率发生在任意时刻这种连续的过程。现对Levis等人提出的算法进行改进。主要改变为DBN中时间片长度的确定，以及根节点自身连接规则的改变。将时间影响网络转换成等价的DBN的变换算法协同了两者的建模优势，转换过程中，已经采取的行动在时刻片中就认为是已经确定的证据，并作为方案调整过程中的约束。变换算法中关于DBN模型的时间片数由两方面决定，其一是时间影响网络模型中根节点到目标节点之间的最大路径长度，即任一根节点到目标节点有关连接边上时延数相加的值。其二是采取的行动方案中行动的最大时间值数。时间片数即等于任一根节点的最大行动时间值与此根节点到目标节点之间的最大路径相加后的最大的值。DBN模型中节点之间边的连接依赖与时间影响网络模型中相关连接弧的时间延迟信息。具体在下节示例会进行更详细的解释。行动方案确定后，根节点本身在时间片之间的连接也被相应确定，除了行动强度改变的时刻不需要连接外其余时刻全部进行连接。根节点本身在时间片之间的影响强度简单来说就是有连接边代表强度不变。连接断开为概率发生变化，则断开处需要输入新的行动概率值。表4.2为转换算法的步骤。第37页 国防科学技术大学研究生院硕士学位论文表4.2输入方案概率变化的TIN到DBN的转换算法给出TIN=（VEPAD,,,,）1.找出根节点到叶节点之间的最长路径：Mmax[P]；其中P：节点i和j之间的路径，且ijV,和不存在(,)jiEij,ij,ij,2.构建一个DBN（V1，E1，P1）其中：V1：任意vV，添加v到V1，iM0,1,...,={|vvVi,0,1,...,M}//确定DBN的节点iEx1{(,yi)|max(0,jD(,));,xyxyV,,ij0,1,....,M}//将TIN中的时延信ij息转为DBN中节点的连接关系P1：P（当指标i，j被忽略时）//确定影响强度例如，Pyx(|)(|)Pyx，当x,yV及x,1yViiii这一步描绘出M个时间片的DBN。绘制非根节点到其父节点之间的连接。一旦输入情况确定就需要执行以下步骤。3.以S=第i个根节点采取行动的最大时刻值加上此根节点到目标节点的最大长度i值：（a）增加maxSM个时间片到步骤2中的模型中i（b）得到结果网络就是完整的DBN（V1，E1，P1），其中Vv1{|vV,i0,1,...,max}SiiE1{(,xyi)|max(0,jDxyxyVij(,));,,,0,1,....,max}SijiP1：P（当指标i，j被忽略时）//确定节点之间的影响强度Pyes()yes1,()Pyesno0P1：//确定根节点本身在时间片之间的影响强Pno()yes0,()Pnono1度（c）以R1=根节点集，其中R11V。rR1连接r到r，tS1,2,...,max，除t1ti非t为根节点对应的行动节点概率改变的时刻。4.4简单传染病防控信息融合示例本节举例对转换算法进行说明，简单示例模型如下图4.5。如图中的时间影响网络模型所示，假设某地突发某种不知名传染病，建立这个模型的目的就是探索控制此传染病的可能性，也就是说目标就是使得传染率降低以致感染死亡率完全可控。图中的时间影响网络有四个节点，分别为A，B，C和D，各节点代表的含义如图中所示。连接边旁边的数值就是节点之间的延迟，例如，B和C之间延迟为1个时间单元，而C和D之间延迟为3个时间单元等等。具体的转换算法的步骤如图4.6。第1步：确定根节点（A和B）与目标节点（D）之间的最大步长，路径A-C-D为最大的长度5，所以，M设为5。第2步：绘制时间影响网络中的节点到DBN的M个时间片中，如图4.6（a）。5个时间片的节点绘制好之后再进行连接。TIN中弧上的延迟决定DBN中相应节第38页 国防科学技术大学研究生院硕士学位论文点的连接，例如B和D之间的延迟是2，B和D之间的连接由如下方式决定：D5连接到B3：max（0,5-2）=3，D4连接到B2：max（0,4-2）=2，…D1连接到B0：max（0,1-2）=0，D0连接到B0：max（0,0-2）=0。同样：C和D之间的连接方式如下：D5连接到C2：max（0,5-3）=2，…D0连接到C0：max（0,0-3）=0。这一步参考表4.2中转换算法对E1的确定方法，具体过程如图4.6（b）和4.6（c）。图4.5简单的时间影响网络示例第3步：确定输入方案，这一步基于选择作为输入方案的行动方案添加节点和连接边到DBN中，假设在输入方案中，行动A和B都只有前5个时刻采取了行动，那么关于行动节点的最长时间标记为5。因此这一步增加5个时间片到DBN中，并按照之前描述的算法中的方式对父子节点进行连接。此外，节点本身在时间片之间的连接按照算法中的step3(c)完成。例如，行动A只在2时刻采取的强度有变化，行动B在1时刻发生变化。A0和A1需要连接，因A在2时刻采取行动强度有变化，所以A2和A1之间不能连接，还有A2和A3、A3和A4之间都需要连接等。同样，对于行动B，B1和B2、B2和B3之间都需要连接，但是B0到B1就不能连接了。最后形成的TSBN如图4.6（d）（篇幅所限，只画出了10个时间片中的7个）。第39页 国防科学技术大学研究生院硕士学位论文（a）构建节点（b）构建时间片之间的边（c）（d）添加输入方案图4.6详细转换过程第40页 国防科学技术大学研究生院硕士学位论文一旦DBN由相应的时间影响网络确定，DBN的信息融合过程可以通过输入行动方案执行过程中观察到的信息来完成。例如在图4.6（d）中，在4时刻获得了关于D感染死亡率为0的证据。图中D在所有时刻4以后的节点都要设置为0。因而D4、D5、D6和D7及之后时刻的D都成为了证据节点。这些信息就会修改相关的其它行动节点的信度，像C1、C2及其之后节点的信度都会改变。如果新证据出现的时刻大于DBN中描绘的时间片，可以在DBN中添加时间片。如：关于确认D概率为0的信息在时刻14出现，则需要按照变换算法中的步骤2添加时间片以观察其它节点相应的影响。DBN转换并推理完成后，将推理结果作为TIN模型的行动方案进行重新计算。4.5本章小结本章首先传染病应急方案评价模型支持信息融合的现实需求做出了说明。即实现本论文的研究内容之一——方案实施过程中对应急方案进行修订。然后对动态贝叶斯网络的定义及推理进行了描述，再对时间影响网络的概率传播过程进行了介绍，以此对时间影响网络转换为动态贝叶斯网络进行信息融合以完成信度更新的必要性进行了说明，最后根据传染病防控方案行动可以任意概率在任意时刻发生的特点给出详细的转换过程，并以简单示例进行描述说明。第41页 国防科学技术大学研究生院硕士学位论文第五章基于时间影响网络的传染病防控应用案例研究本章选用2003年北京SARS疫情传播情况作为背景，对第二章基于时间影响网络建立的评价模型进行验证，再依照第三章给出的应急方案的行动规则对原方案修正，得出结论并进行分析。最后针对原方案实施过程中出现的情况，用第四章的方法进行信度修正以完成方案的修订，并重新推理得出结果。最后对三种方案的结果进行对比分析，得出建设性的意见和建议。5.1问题背景分析2002年11月中旬起中国广东境内开始发现传染性非典型肺炎(SARS)病例，之后到2003年3、4月份就相继蔓延到包括香港特别行政区、中国台湾、越南、新加坡、德国、美国、加拿大在内的32个国家和地区。据统计截至2003年8月15[7]日，32个国家共有8422人被SARS病毒感染，死亡916例，死亡率近11%。其[70]中中国内地情况较为糟糕，疫情波及26个省、市、自治区。本文选取较为典型的北京2003年3月20日至5月29日SARS疫情传播情况作为案例进行分析。下图5.1为北京市此段时间患者发病情况的序列图。图5.12003年北京SARS流行时间序列图从图中明显可以看到在4月26号左右有一明显峰形。3月份情况较好，平均每天为个位数发病，到4月中旬已经出现了明显的上升趋势，4月17日~29日为高峰期，这一阶段又有两次小的高峰。从4月底开始，到5月底几乎为明显的下[71]降趋势。2.1节中建立定量化评估模型时的专家打分，确定因子权重在2.2节中已经针对时间影响网络模型进行说明，即在时间影响网络中是以节点之间的影响强度来第42页 国防科学技术大学研究生院硕士学位论文表达这一信息的。也就是时间影响网络模型中的影响强度是由专家意见及历史数据所确定的。而时间影响网络基本模型建立好之后，只要传染病的基本类型确定，时间影响网络模型中各节点之间的影响强度及相关的时间延迟信息随之被确定。影响强度只由事件之间本身的影响性质决定，而不受行动方案的影响。所以本章实验过程中所有输入方案只指相对应的行动方案。5.2初始方案5.2.1初始方案信息[72][73][74][75]根据2003年SARS高发期间大量针对北京疫情情况的报道，及后[76][77][78][79]期大量对北京SARS防治过程的总结分析等文章，可整理分析并拟合出[76]对应本文模型中行动方案的数据。如文献中对医院感染的发病率情况做了统计分析，并详细分析了原因，对医疗机构内防护防治交叉感染的参数确定提供了参[77][78]考。文献和文献分别对病人应用药物及反应情况和流行病学、病原学及预防控制等方面进行了总结分析，对确定流行病学调查和医疗救援的参数确定都能提[80]供依据。文章对北京市在SARS疫情爆发期间对疫情信息公开情况与后果做了详细的解读，其中明确说明3月27日至3月31日、4月3日、4月12日北京市或卫生部都对疫情信息作了不正确的引导，这些信息对确定疫情信息准确及时发布的参数确定提供了依据。对这些文章中的数据或结果进行概率转换，对应与时间影响网络模型中行动参数。初始行动方案如下表5.1所示。其中输入参数为行动参数的时间序列，形式为一个二元组数组；每个二元组中的两个参数分别表示特定时刻及此时刻的行动强度。在这里可以转述为第多少天采取了多大的强度（行动强度的定义见第二章2.3节）。因实验只对3月20日至5月底的情况进行分析。所以将3月20日设置为起始时刻，即二元组中第一个参数0代表3月20日。就有二元组[0,0.5]意为3月20号左右采取该行动的强度为0.5。同样，[30,0.7]则代表4月19号左右采取该行动的强度为0.7。第43页 国防科学技术大学研究生院硕士学位论文表5.1初始行动方案行动输入参数医疗救援[0,0.5]、[15,0.7]、[25,0.9]、[30,1.0]流行病学(病原学)调查[0,0.2]、[5,0.3]、[22,0.5]、[30,0.7]调集应急人员、物资、交通工具[0,0.4]、[20,0.7]、[30,0.9]向上报告制度[0,0.1]、[15,0.5]、[25,0.8]、[30,0.9]医疗机构内防护防止交叉感染[0,0.2]、[10,0.5]、[20,0.8]、[30,0.95]人员疏散、疫区封锁[0,0.1]、[7,0.2]、[20,0.4]、[30,0.9]、[45,0.7]、[55,0.5]传染物隔离[0,0.1]、[10,0.15]、[20,0.2]、[25,0.5]、[50,0.8]流行区域人员预防性控制[0,0.1]、[13,0.12]、[25,0.25]、[35,0.50]、[50,0.8]传染（疑似）病人采取措施[0,0.2]、[5,0.22]、[10,0.3]、[25,0.40]、[35,0.6]、[40,0.8]交通检测处理[0,0.1]、[7,0.15]、[20,0.2]、[35,0.3]、[45,0.7]、[55,0.5]现场控制[0,0.1]、[7,0.12]、[20,0.15]、[30,0.35]、[45,0.7]、[55,0.5]社区普查可疑病例[0,0.1]、[7,0.12]、[15,0.2]、[35,0.5]、[45,0.7]、[50,0.9]宣传疾病防控知识[0,0.1]、[22,0.3]、[28,0,35]、[35,0.4]、[50,0.8]应急接种、预防性投药[0,0.1]、[30,0.3]、[50,0.5]疫情信息准确及时发布[0,0.8]、[7,0.4]、[13,0.1]、[22,0.3]、[28,0,7]、[30,0.95]引导及供应食物和水源[0,0.1]、[7,0.2]、[15,0.3]、[35,0.5]、[45,0.7]、[50,0.9]5.2.2初始方案结果分析在3.3.2小节中对时间影响网络产生的效果已经给出了几种评价准则和复合评价方法。下面结合初始方案得出的结果进行讨论。输入初始行动方案信息后的分析结果如图5.2、图5.3和图5.4所示。图5.2初始方案部分结果（一）第44页 国防科学技术大学研究生院硕士学位论文图5.3初始方案部分结果（二）结合评价准则一和准则三，从图5.2中可以看出从第0天到第30天（3月20日—4月20日）左右，民众恐慌被控制的程度较低，图5.3中这段时间人员流动异常情况较为严重。两条曲线高峰（低谷）都为第12天到第22天左右。观测此段时间图5.3中不可控病人数和间接传染被控制的概率都处在较低的水平。图5.2中死亡人数急增和患病总人数急增的概率都在上升。所以可以得出结论：（1）民众恐慌程度较高会导致人员流动性加大，从而减少不可控病人数及控制间接传染等会降低，直接导致传染率增加，最后就会使得患病人数和死亡人数急增的概率不降反升。观察图5.2，从第0天至第20天（3月20日—4月10日）左右，患病总人数急增和死亡人数急增的概率都较为平缓（与图5.1中4月10日之前患病人数呈个位数增长相吻合），但从第20天至第35天（4月10日—4月25日）左右，患病人数急增的概率增长（使用评价准则三可以看出在这段时间的患病总人数的增长情况与图5.1中出现的高峰相吻合）明显快于死亡人数急增的概率。而从第35天左右开始，则患病总人数和死亡人数急增的概率都在明显降低。由此可以作如下的结论推断：（2）4月10日之前，因患病人数的总基数不大，所以患病人数和死亡人数没有出现过快的增长。4月10日至4月25日左右，由于对疾病的流行病学等信息开始掌握，所以虽然患病总人数增长很快（准则三计算此区域覆盖面积），但死亡人数增长概率并未出现大的波动。而4月25日之后，因为对疾病认识提高，以及政府开始采取较大规模的行动，以及对SARS病理学等进一步掌握。所以患病总人数和死亡人数急增的概率都开始快速的降低。第45页 国防科学技术大学研究生院硕士学位论文图5.4初始方案部分结果（三）图5.4中曲线的对比也可以验证上述结论二。图中传染率降低和康复率提高的概率从第20天至第35天一直在上升，第35天之后上升更为明显。此两段时间的变化与结论二中关于患病人数和死亡人数急增概率变化的推论一致。从上述结论及相关分析中关于时间影响网络建立的模型得出的结果和图5.1中原始结果的对比可以看出，模型得出的结果与当时疫情传播的情况具有较高的一致性。所以本文建立的模型能较好的支持方案评估与选择。另外，结论一中指出民众恐慌程度较高最后导致患病人数和死亡人数急增。而从图2.8中可以看出，民众恐慌程度主要受宣传疾病防控知识、应急接种、预防性投药、疫情信息及时准确发布和引导及供应食物和水源相关。从表5.1查看这段时间这四种行动的情况，疫情信息准确及时发布的概率如图5.5所示，这段时间民众恐慌被控制的概率恰好经历了一个低谷。图5.5疫情信息准确及时发布概率第46页 国防科学技术大学研究生院硕士学位论文5.3符合规则的方案在3.2节中对传染病应急方案给出了一定的行动规则，并进行了说明。SARS作为典型的强传染性疾病，表5.1中的输入方案明显多处不符合规则的情况。本节将对初始输入方案按照规则条件进行更改，并进行实验，得出结果进行讨论。5.3.1方案更改情况根据3.2节中的公式（3.7）到（3.18），对表5.1中的方案进行比较。只有公式（3.7）、（3.8）、（3.9）与（3.11）的规则完全满足。而对应于公式（3.16）和（3.17）的行动只需稍作更改，对应于公式（3.14）和（3.15）的行动需要较大改动，对应于公式（3.10）、（3.12）和（3.13）的行动需要更大的改动。对于（3.18），医疗救援、应急接种和预防性投药以及现场控制在第30日之前的参数都不是非常高，所以暂不做调整。更改后的行动方案如下表5.2所示。其中第二列方案中斜体部分为改变后参数，最后一列为更改参数依据的规则公式。表5.2符合规则的行动方案行动更改方案规则公式医疗救援[0,0.5]、[15,0.7]、[25,0.9]、[30,1.0]流行病学(病原学)调查[0,0.2]、[5,0.3]、[10,0.4]、[22,0.5]、[30,0.7](3.15)调集应急人员、物资、交通工具[0,0.4]、[20,0.7]、[30,0.9]向上报告制度[0,0.1]、[15,0.5]、[25,0.8]、[30,0.9]医疗机构内防护防止交叉感染[0,0.2]、[10,0.7]、[20,0.8]、[30,0.95](3.14)人员疏散、疫区封锁[0,0.1]、[7,0.2]、[20,0.4]、[30,0.9]、[45,0.7]、[55,0.5]传染物隔离[0,0.2]、[5,0.22]、[10,0.3]、[25,0.4]、[35,0.6]、[40,0.8](3.13)流行区域人员预防性控制[0,0.1]、[7,0.2]、[10,0.7]、[35,0.75]、[45,0.8]、[50,0.9](3.15)(3.16)(3.17)传染（疑似）病人采取措施[0,0.2]、[5,0.22]、[10,0.3]、[25,0.40]、[35,0.6]、[40,0.8]交通检测处理[0,0.1]、[7,0.15]、[15,0.2]、[35,0.5]、[45,0.7]、[55,0.9](3.10)现场控制[0,0.1]、[7,0.12]、[20,0.15]、[30,0.35]、[45,0.7]、[55,0.5]社区普查可疑病例[0,0.1]、[7,0.15]、[15,0.2]、[35,0.5]、[45,0.7]、[55,0.9](3.10)宣传疾病防控知识[0,0.1]、[22,0.3]、[28,0,35]、[35,0.4]、[50,0.8]应急接种、预防性投药[0,0.1]、[30,0.3]、[50,0.5]疫情信息准确及时发布[0,0.8]、[7,0.85]、[13,0.88]、[22,0.9]、[28,0,93]、[30,0.95](3.12)引导及供应食物和水源[0,0.1]、[7,0.2]、[15,0.3]、[35,0.5]、[45,0.7]、[50,0.9]将更改后的参数代入规则函数中，全部满足规则约束。5.3.2规则方案结果分析输入更改后的行动方案，输出结果与初始方案进行对比讨论。由于初始方案结论一中重点对民众恐慌程度和人员流动情况及其变化产生的影响进行了分析，故本节首先将规则方案中的人员流动异常情况和民众恐慌的情第47页 国防科学技术大学研究生院硕士学位论文况与初始方案进行对比，对比结果如图5.6、图5.7和图5.8所示。图5.6规则方案与初始方案结果对比（一）从图5.6中可以看出，规则方案中民众恐慌被控制的概率一直在上升，并未出现初始方案中的低谷现象。查看表5.2中影响民众恐慌程度的四种行动的改变情况。只有疫情信息准确及时发布进行了较大的改变，验证了初始方案最后进行的分析。同样，人员流动异常情况也没有出现高峰，而是一直在下降，以准则一进行评价，总体控制情况较好。从表5.2中看出传染物隔离、流行区域人员预防性控制以及交通检测处理等行动也改动较大。这些行动对间接传染被控制和减少不可控病人等影响较大，而这些效果受影响后又会影响传染率，最终对患病总人数等产生影响。下面对这些效果受影响情况进行比较。图5.7规则方案与初始方案结果对比（二）从图5.7可以看出，规则方案中减少不可控病人数的概率整体有明显的上升，第48页 国防科学技术大学研究生院硕士学位论文也没有出现前20天概率下降的情况。间接传染被控制也没有再出现低谷。以准则一进行评价，改变效果明显。图5.8规则方案与初始方案结果对比（三）图5.8中，规则方案中传染率降低的概率整体有较明显的上升，受传染率降低及民众恐慌被控制的影响，患病总人数急增的概率也没再出现上升的情况。康复率提高，死亡人数急增等情况也可以进行类似分析。综上所述，对应急方案进行规则约束，应急过程会避免许多不必要的判断失误，应急效果也会有明显的改善。5.4融合实时信息的方案假设某时某地，再次爆发了类似SARS的强传染性疾病，决策人员做出了与5.3节中规则方案相同的应急方案。按照设想，结果应该与5.2节中出现的结果类似。但在应急方案实际组织与实施过程中，往往会出现预想不到的情况。做出假设决策人员在第20天患病人数急增没有出现大的改善后，意识到控制人员流动异常的作用。决心先将人员流动异常的可能性控制到最低。现需要计算第20天后要保持人员流动异常几乎完全消失，行动采取的方案情况和其它效果受影响情况。5.4.1融合方案为使时间影响网络模型（TimedInfluenceNetModel，TINM）转换为动态贝叶斯网络模型（DynamicBayesianNetModel，DBNM）的过程简便直观，现将时间天数按照5天为一个时间片进行表述。规则方案的行动参数按照时间片进行相应转换，即将二元组中第一个参数除于5，天数不是5的整数倍时进行四舍五入处理。二元组的意思改为第几个时间片该行动采取的强度为多少。最后对应方案如表5.3。第49页 国防科学技术大学研究生院硕士学位论文表5.3转变规则方案为时间片输入参数行动规则方案对应的时间片方案医疗救援[0,0.5]、[3,0.7]、[5,0.9]、[6,1.0]流行病学(病原学)调查[0,0.2]、[1,0.3]、[2,0.4]、[4,0.5]、[6,0.7]调集应急人员、物资、交通工具[0,0.4]、[4,0.7]、[6,0.9]向上报告制度[0,0.1]、[3,0.5]、[5,0.8]、[6,0.9]医疗机构内防护防止交叉感染[0,0.2]、[2,0.7]、[4,0.8]、[6,0.95]人员疏散、疫区封锁[0,0.1]、[1,0.2]、[4,0.4]、[6,0.9]、[9,0.7]、[11,0.5]传染物隔离[0,0.2]、[1,0.22]、[2,0.3]、[5,0.40]、[7,0.6]、[8,0.8]流行区域人员预防性控制[0,0.1]、[1,0.2]、[2,0.7]、[7,0.75]、[9,0.8]、[10,0.9]传染（疑似）病人采取措施[0,0.2]、[1,0.22]、[2,0.3]、[5,0.40]、[7,0.6]、[8,0.8]交通检测处理[0,0.1]、[1,0.15]、[3,0.2]、[7,0.5]、[9,0.7]、[11,0.9]现场控制[0,0.1]、[1,0.12]、[4,0.15]、[6,0.35]、[9,0.7]、[11,0.5]社区普查可疑病例[0,0.1]、[1,0.15]、[3,0.2]、[7,0.5]、[9,0.7]、[11,0.9]宣传疾病防控知识[0,0.1]、[4,0.3]、[6,0,35]、[7,0.4]、[10,0.8]应急接种、预防性投药[0,0.1]、[6,0.3]、[10,0.5]疫情信息准确及时发布[0,0.8]、[1,0.85]、[3,0.88]、[4,0.9]、[6,0.95]引导及供应食物和水源[0,0.1]、[1,0.2]、[3,0.3]、[7,0.5]、[9,0.7]、[10,0.9]上述假设中第20天，即第4个时间片。依据4.3和4.4节中转换算法的描述，人员流动异常信息的改变用DBN推理可以计算出民众恐慌被控制的情况，以及宣传疾病防控知识、应急接种和预防性投药、疫情信息准确及时发布和引导及供应食物和水源的改变情况。依照4.3节中转换步骤。因为TINM中时延天数为5天以内，也就是1个时间片内，设定M=1，又有上述四种行动最长的标记为11，所以在DBN网络中只需要构建12个时间片。建立DBNM如下（截取第4个到第6个时间片截图）：图5.9TINM对应的DBNM5.4.2融合信息后结果分析现将第四个时间片之后的人员流动异常情况全部设置为low等于100%，进行第50页 国防科学技术大学研究生院硕士学位论文推理观测结果。图5.10信息融合后的DBNM片段将上图5.10中经过推理后四种行动的结果参数罗列如下表5.4所示。表5.4DBNM推理后四种行动的参数宣传疾病防控知识[4,0.32]、[5,0.32]、[6,0.36]、[7,0.63]、[8,0.63]、[9,0.63]、[10,0.81]、[11,0.81]应急接种、预防性投药[4,0.1]、[5,0.1]、[6,0.31]、[7,0.31]、[8,0.31]、[9,0.32]、[10,0.51]、[11,0.51]疫情信息准确及时发布[4,0.92]、[5,0.92]、[6,0.97]、[7,0.97]、[8,0.97]、[9,0.97]、[10,0.98]、[11,0.98]引导及供应食物和水源[4,0.37]、[5,0.37]、[6,0.37]、[7,0.64]、[8,0.64]、[9,0.81]、[10,0.91]、[11,0.91]将四种行动新的方案转回为等价的天数对应的参数，返回TINM进行推理，部分结果如下图所示。图5.11融合方案与规则方案结果对比（一）图5.11中，融合信息后传染病降低的概率整体有所上升。以准则四进行评价，可知融合信息后防控效果更好。效果从图2.8即可知，人员流动异常的降低将导致间接传染被控制、减少不可控病人数以及民众防范意识都有加强。另外宣传疾病防控知识和应急接种也都对传染率降低有直接或间接的影响。第51页 国防科学技术大学研究生院硕士学位论文图5.12融合方案与规则方案结果对比（二）图5.12中患病总人数急增的概率整体也有所下降。同样以准则四可以进行评价，效果良好。同样，从图2.8可知，患病总人数受到传染率降低的影响，另外民众恐慌程度的变化会影响防治措施高效实施的情况，继而影响患病人数急增的概率。图5.11和图5.12中并没有出现大幅度的变化，是因为在第20天时人员流动异常的概率已经被控制在0.2以下。此种情况下，能有如上的改善已属不易。综上所述，融合了新信息后，整体防控效果有所改善。所以，在传染病应急防控过程中，非常有必要融合实时的情况来改善应急方案。5.5本章小结本章首先设计实验对第二章提出的评价模型的有效性进行论证，以3.3节中的评价准则对结果进行评价，再与实际情况进行对比，验证了模型的有效性。然后以3.1节中的规则公式对方案进行修改，得出的结果好于初始方案，论证了规则的合理性。最后做出案例假设，用第四章中信息融合的方法进行实验，结果证明方案修订的必要性和转换算法的有效性。第52页 国防科学技术大学研究生院硕士学位论文结束语本文从突发传染病应急防控的实际背景出发，针对应急决策过程中的三个重要阶段：应急方案制定、应急方案评估选择及应急方案的实时修订，研究如何才能制定出更好的应急方案，如何对对应急方案的效果评价更合理，如何根据实际情况的变化调整应急方案。本文从分析相应层级在传染病防控过程中可采取的行动入手，并明确防控的期望效果，通过以时间影响网络为建模工具，建立了概念清晰、可操作性强的基本防控模型。通过对应急行动进行对比分析，根据实际情况提出了一套方案制定的规则、在此基础上，针对时间影响网络计算结果的特点给出相适应的评价准则。对于应急防控过程中容易出现意想不到的情况的事实，提出将时间影响网络转化为动态贝叶斯网络进行信度更新来完成，并根据行动方案以概率变化的特点，给出了具体的转换过程。最后以实例验证文章提出的应急行动规则与转换算法的适用性。论文的工作主要有以下几个方面：（1）将传染病应急防控行动进行分层分析，对行动采取的分析可根据需要按层建立模型，对各层决策人员建立及评估方案提供了方法上的指导。将时间影响网络用于政府层对传染病应急防控定量化评价的建模中，提出了传染病防控的时间影响网络模型架构，为应急方案的评价和修订奠定了基础。（2）针对应急方案制定中考虑的行动节点较多，容易出现不合理的现象的事实，对模型中所有的行动从逻辑、时间及资源等方面进行分析，给出基本的应急方案制定规则。减小了应急方案制定的难度，避免了应急行动的冲突，提高了应急行动方案实施的效果。文中建立的时间影响网络模型对效果的表达具有特定的形式，建立了符合效果评价的准则。便于决策人员进行方案的评价与选择。（3）根据应急行动强度可在任意时刻以任意概率发生这一事实，设计了面向这类输入参数的时间影响网络到动态贝叶斯网络的转换方法。转换的方法能结合两种网络的优势，为应急方案的修订提供了方法支撑。也为其它类似决策评价方案的修订提供了思路。本文提出的方案制定方法、评价选择方法以及方案修订方法对其它多目标决策问题，尤其是时效性要求较高的多目标决策问题提供了解决思路。本研究虽然对传染病防控过程从应急方案制定到方案实时修订进行了分析，提供了解决问题的模型和方法，取得了一些成果。但是由于时间和作者研究水平有限，研究中难免存在不足，如，对应急专业词汇的表述，相关准则或规则的制定等等。论文还有许多可以改进的地方，需要对相关的问题和方法以及技术实现进行深入的研究。下一步的工作主要有以下两个方面：（1）模型的完善第53页 国防科学技术大学研究生院硕士学位论文第二章模型建立过程中，因需要考虑的行动较多，难免出现不准确或者遗漏的地方。行动与效果之间的连接有些也需要再斟酌，如直接还是间接影响，间接影响又是从哪几方面进行的等等。模型的准确性对应急防控的效果影响很大，所以还需要进一步的进行完善。（2）时间影响网络效果节点自身演变的刻画时间影响网络的效果节点的概率变化只受到节点自身当前时刻概率以及相关行动节点的变化的影响，无法描述事件本身的自演变过程。传染病防控过程中传染病本身是会演变的，如不施加任何控制措施时传染病往往会无休止的蔓延。这一过程可考虑添加态势描述节点，这类节点对效果节点产生的影响应该主要为使得传染病防控效果趋向于恶化。即在控制措施超过这种态势变化的影响时才会体现出较好的控制效果。（3）以概率变化的行动方案的自动优化选择在应急方案制定后，进行评价的过程中，预期效果不够理想时，能够实现方案在规则下的自动优化，将会极大的提高应急方案制定的速度，且能更好的达到[81][82]防控的效果。Haider和Levis等人已经开发了几种进化算法到时间影响网络行动方案优化的过程，但都是针对完全离散化的行动过程，即任一行动只能选择在单一的时刻发生。下一步可以借鉴其思想解决以概率变化的行动方案的自动优化过程。第54页 国防科学技术大学研究生院硕士学位论文致谢一转眼，硕士生涯即将结束。回首过往的点点滴滴，心中无限感慨。最大的感触是来到科大是人生最美好的选择。两年多的时间不能算长，但却有许多人在这段时间里深深的影响着我，教我治学与为人，帮我成长与进步，伴我学习与生活。所以值此论文成稿之际，我想由衷的对他们道一声感谢。首先，要感谢我的导师朱一凡教授。偶然一次听朱老师的报告，深深的被他儒雅的学者风范所感染，被系统仿真所吸引。有幸师从朱老师后，从选课到参加项目和确定方向再到论文开题和论文撰写，朱老师无时不在关心指导着我。他扎实的学术造诣和勤奋的工作态度深深的影响着我，与朱老师相处的时间总能感受到如父爱般的温暖。感谢实验室王维平教授。王老师对学科前沿的准确把握、对体系工程领域孜孜不倦的追求总能带给我们无限的启发。他虽公务缠身，对学生却指导有加，充分利用休息时间给我们解疑释惑。他带给我们的不仅是知识，更是一种思想。王老师对我关怀备至，每次只要见面都能让我感受到无限的正能量。他乐观的人生态度和无限的奋斗激情是我们每个学生的楷模。感谢实验室梅珊副教授。从我进实验室开始，梅老师一直在亲力亲为的带着我，带我融入课题、教我做研究、如何查文献、怎样写论文。梅老师学术态度尽显女性的严谨，这体现在对论文结构的把握、章节的梳理，甚至是用词用句。工作态度却是个十足的“女汉子”，工作从来不分昼夜，不分工作日与休息日。她也带我学会生活，工作之余让我领略了长沙的饮食之美。感谢实验室杨峰教授，杨老师除了学术上对我提点有加，总是提供给我更多的机会，让我得到更多的锻炼。他实在太忙太辛苦，除了出差就是在出差的路上。为我们这个集体奔波忙碌着。杨老师的勉励与指导使我对未来更有信心。衷心的感谢实验室李群、雷永林、曹星平、王文广老师和侯哥、波哥。老师们为我们营造了浓厚的学习氛围，和谐的家庭环境。老师们默默的奉献，给我们无尽的帮助。每次与老师们交流问题都会有新的认识。感谢仿真所邱晓刚教授和陈彬老师一直以来的悉心指导，向他们请教总是能得到耐心的解答，他们对问题深刻的认识使论文的目标的更加清晰。感谢他们在出差和一起开会过程中对我的关照。感谢我们的赵、本、山和范伟组合，三位大哥事事给我帮助，教我为人、懂得感恩。你们给我的生活带来了无限的乐趣。感谢朱延广、杨耀华、周旋、徐俊青、秦栋梁、张旺勋、常强、朱宁、姚剑、黄其旺、束哲、朱智、曾祥辉、束哲以及许多已经参加工作的师兄师姐。感谢你们打下的基础，建立的好作风好传统。第55页 国防科学技术大学研究生院硕士学位论文还有王玥、海兵、文璐、紫漠、周威等，与你们在一起学习是一件非常愉快的事情。与大家在一起是幸福的。感谢仿真所领导和学员大队的领导们的关心，和给我提供的帮助。感谢曾经和现任的对干部熊启贵、毛万文、李家军和段晓峰，感谢你们给我们提供了良好的生活环境，为我们成长进步保驾护航。感谢室友磊哥、鱼汤、小强、阿杰和帅腾，与你们在一起是幸福的，感谢你们的一路陪伴，陪我走过的一切。感谢五队的全体兄弟姐妹们，认识你们是人生的幸事。还要感谢国家基金委等对论文课题的长期支持。在此，我要深深的感谢我的父母和姐姐等所有亲人们，是他们的支持与鼓励让我不断前行，他们坚定了我的信念，是我最坚强的后盾。还有我的女友张淑萍，感谢她的支持、理解、包容和关爱，她是我前进的动力。最后，对所有支持和关心过我的朋友们道一声感谢！第56页 国防科学技术大学研究生院硕士学位论文参考文献[1]中华人民共和国国务院.国务院突发公共卫生事件应急条例[S]，2003.[2]王俊，王昕．国内外突发公共卫生事件应急管理综述[J]．营销管理，2012，689(26):33-34．[3]BrauerF,Castillo-ChavezC.MathematicalModelsinPopulationBiologyandEpidemiology[M].Berlin:Springer,2001.[4]马知恩.传染病动力学的数学建模与研究[M].北京:科学出版社，2004.[5]BrookesmithP.FuturePlagues:Biohazard,DiseaseandPestilence:Mankind’sBattleforSurvival[M].London:Blandford,1997.[6]王睿，周筱青，董军，等.小汤山医院680例SARS患者药物利用分析[J].中国循证医学杂志，2004，4(7):474-481.[7]李海龙，任筱钰，刘双.用数学模型分析非典型肺炎预防和隔离措施的有效性[J].生物数学学报，2004，19(1):72-76.[8]陆婧.基于后悔论的突发事件应急方案选择方法研究[D].东北大学，2013.[9]KunalChakraborty,MilonChakraborty,T.k.kav.Optimalcontrolofharvestandbifurcationofaprey-predatormodelwithstagestructure.AppliedMathematicsandComputation,2011,217:8778-8792.[10]PillisLG,FisterKR.Chemotherapyfortumors:Ananalysisofthedynamicsandastudyofquadraticandlinearoptimalcontrol.AppliedMathematicsandComputation,2007,209:292-315.[11]AwadEl-Gohary,FawzyA.Bukhari.Optimalcontrolofstochasticprey-pred-atotormodels[J].AppliedMathematicsandComputation.2003,146:403-425.[12]KerniackWO,MckendrickAG.Contributionstothemathematicaltheoryofepidemics[J].Proc.Roy.Soc,1927,(A115):700-721.[13]KerniackWO,MckendrickAG.Contributionstothemathematicaltheoryofepidemics[J].Proc.Roy.Soc,1932,(A138):55-83.[14]TaubenbergerJK,ReidAH,LourensRM,etal.Characterizationofthe1918influenzaviruspolymerasegenes[J].Nature,2005,437(7060):889-993.[15]SongHD,TuCC,ZhangGW,etal.Cross-hostevolutionofsevereacuterespiratorysyndromecoronavirusinpalmcivetandhuman[J].ProcNatlAcadSciUSA,2005,102(7):2430-2435.[16]胡连鑫，陈燕燕，李杰，等.应用灰色模型预测肠道传染病发病趋势[J].疾病监控，2009，24(2):135-136.[17]http://healthmap.org/zh/.[18]BrownsteinJS,FreifeldCC,ReisBY,MandlKD(2008)SurveillanceSans第57页 国防科学技术大学研究生院硕士学位论文Frontières:Internet-basedemerginginfectiousdiseaseintelligenceandtheHealthMapproject.PLoSMed5:e151.[19]FreifeldCC,MandlKD,ReisBY,BrownsteinJS(2008)HealthMap:GlobalinfectiousdiseasemonitoringthroughautomatedclassificationandvisualizationofInternetmediareports.JAmMedInformAssoc15:150–157.）[20]HartleyD,etal.(2010)Thelandscapeofinternationalevent-basedbiosur-veillance.EmergingHealthThreatsJ3:e3.[21]CollierN,etal.(2008)BioCaster:DetectingpublichealthrumorswithaWeb-basedtextminingsystem.Bioinformatics24:2940–2941.[22]GowGA,WaidyanathaN,MaryV(2009)UsingmobilephonesinaReal-TimeBiosurveillanceProgram:LessonsfromthefrontlinesinSriLankaandIndia.IEEEP:366–374.[23]Lo´pezJ,AbarcaK,CerdaJ,ValenzuelaB,LorcaL,etal.(2009)SurveillanceSystemforInfectiousDiseasesofPets,Santiago,Chile.EmergInfectDis15:1674–1676.[24]石耀霖.SARS传染扩散的动力学随机模型[J].科学通报，2003，48(13):1373-1377.[25]蔡全才，姜庆五，徐勤丰.定量评价SARS干预措施效果的传播动力学模型[J].中华流行病学杂志，2005，26(3):153-158.[26]黄建群.浅析应急救援预案存在的问题及改进措施[J].探索与实践，2006，2:911.[27]赵飞，傅承主，矫涌本，等.国内外突发公共卫生事件应急指挥系统建设研究[J].中国卫生信息管理杂志，2012，09(2):25-27,61.[28]叶浩风.疾病预防控制机构突发公共卫生事件应急响应与决策指挥策略[J].中国卫生信息管理杂志，2008，05(2):6-9.[29]C.S.Revelle,H.A.Eiseltl.Locationanalysis:Asynthesisandsurvey[J].Euro-peanJourna1ofoperationalResearch,2005,165(l):l-19.[30]DaskinMS.Amaximumexpectedcoveringlocationmodel:Formulation,propertiesandheuristicsolution.TransSci,1983,17:48–68.[31]陈雷雷，王海燕.大规模突发事件中基于满意度的应急物资优化调度模型[J].中国安全科学学报，2010，20(5):4652.[32]杨文国，黄钧，池宏，等.信息缺失下的应急方案选择模型及算法研究[J].中国管理科学，2007，15:729-732．[33]陈兴，王勇，吴凌云，等．多阶段多目标多部门应急决策模型[J].系统工程理论与实践，2010，30(11):1977-1985．[34]周旋，朱一凡，梅珊，等.基于时间影响网络的突发事件应急预案建模分析方第58页 国防科学技术大学研究生院硕士学位论文法研究——以2008年南方特大冰雪灾害为例，第三届全国社会计算会议，2011.11，张家界.[35]ShanMei,Yi-FanZhu,Xiao-gangQiu,etc.Individualdecisionmakingcandriveepidemics:afuzzycognitivemapstudy[J].FuzzySystem,2014,22(2):264-273.[36]谢仲伦，杨楠，黄保续，等.SARS控制策略仿真研究:防控措施效果比较[J].系统仿真学报，2004，12(5):77-80.[37]KrumkampR,DuerrHP,ReintjesR,etc.ImpactofpublichealthinterventionsincontrollingthespreadofSARS:Modelingofinterventionscenarios[J].InternationalJournalofHygieneandEnvironmentalHealth,2008,22(1):67-75.[38]Glasserjw,HupertN,McauleyMM,etc.Modelingandpublichealthemergencyresponses:LessonsfromSARS[J].Epidemics,2011,3(4):32-37.[39]DobbinsM,JackS,ThomasH,etc.PublicHealthDecision-Makers'InformationalNeedsandPreferencesforReceivingResearchEvidence[J].WorldviewsonEvidence-BasedNursing,2007,4(1):156-163.[40]刘德海，王维国，孙康.基于演化博弈的重大突发公共卫生事件情景预测模型与防控措施[J].系统工程理论与实践，2012，32(5):937-946.[41]K.C.Chang,P.E.Lehner,A.H.Levis,S.A.K.Zaidi,X.Zhao.OnCausalInfluenceLogic[R],TechnicalReportforSubcontractNo.26-940079-80,GeorgeMasonUniversity,CenterofExcellenceforC3I,1994.[42]SajjadHaiderandAlexanderH.Levis.DynamicInfluenceNets:AnExtensionofTimedInfluenceNetsforModelingDynamicUncertainSituations,SystemArchitecturesLaboratory,GeorgeMasonUniversity,2005.[43]P.Papantoni-Kazakos,AbbasK.Zaidi.AnAlgorithmforActivationTimedInfluenceNets[C].IntheProceedingsofthe2008IEEEInternationalConferenceonInformationReuseandIntegration,IEEESMC,LasVegas,8,Submitted,2008:319~324.[44]朱延广.基于随机时间影响网络的联合火力打击方案优化问题研究[D].国防科技大学，2011.[45]Murphy,K.DynamicBayesianNetworks:Representation,InferenceandLearning[D].PhDThesis,UCBerkley,Jul.2002.[46]L.W.Wagenhals,A.H.Levis.Courseofactiondevelopmentandevaluation[C].IntheProceedingsofthe2000CommandandControlResearchandTechnology,Symposium,2000.[47]SajjadHaider,AbbasK.ZaidiandAlexanderH.LevisA.HeuristicApproachforBestSetsofActionsDeterminationinInfluenceNets[C].IntheProceedingsofIEEEInternationalConferenceonInformationReuseandIntegration,LasVegas,2004:600~605.[48]L.W.Wagenhals,R.A.Janssen,E.A.DeGregorio.Modelinteroperationforeffects第59页 国防科学技术大学研究生院硕士学位论文basedplanning[C].IntheProceedingsofthe9thInternationalCommandandControlResearchandTechnologySymposium,SanDiego,2004.[49]施源，周丽亚.对规划评估的理念、方法与框架的初步探讨一一以深圳近期建设规划为例[J].城市规划，2008(6):39-43.[50]FishbumPC.Lexicographicorders,utilitiesanddecisionrules:Asurvey[J].ManagementScience,1974,20(11):1442-1471.[51]FishbumPC.Asurveyofmulti-attribute/multi-criterionevaluationtheories.ZiontsS,eds.,MultipleCriteriaDecisionMaking[M].Berlin:Springer-Verlag,1978,181-224.[52]刘漤.为防治“非典”竖起法律屏障——解读《突发公共卫生事件应急条例》[J].现代预防医学，2003，30(5):613-616.[53]张宗.解读《国家突发公共事件总体应急预案》[J].金陵瞭望，2006，4:17-18.[54]逯田力，鹿广利.对于突发公共事件分类的认识和理解[J].中国公共安全，2010，21(4):37-39.[55]杨敏娟，张衍凤，郑国荣.SARS患者的临床护理要点及防控措施[J].解放军护理杂志，2004，21(4):73.[56]LeeW.Wagenhals,InsubShin,AlexanderH.Levis.CreatingexecutablemodelsofinfluencenetswithcoloredPetrinets[J].Springer-Verlag,1998,2:168-181.[57]卢卓.基于价值工程的机械产品设计方案评价的研究[D].华南理工大学，2013.[58]百度百科.九级标度[EB/OL].http://baike.baidu.com/view/2667806.htm.[59]StephensonTA,etal.AutomaticSpeeehRecognitionusingDynamicBayesianNetworkswithbothAscousticandArticulatoryVariables[C].In6thInternationalcongerenceonSpokenLanguageProcessing:ICSLP2000(Interspeech2000),2000,Ⅱ:951-941.[60]ChangKC,Sunwei.PerformancemodelingfordynamicBayesiannetworks:Master’sthesis[D].Denmark:TechnicalUniversityofDenmark,2003.[61]TheocharousG,MurphyK,LesliepackKaelbling.RepresentinghierarchicalPOMDPsasDBNsformulti-scalerobotlocalization.http://www.cs.ubc.ca/~murphyk/.2005.[62]郭武，李文辉，关普华，等.基于动态贝叶斯网络的虚拟盆景仿真研究[J].系统仿真学报，2008，20(1):103-107.[63]B.A.Hon.M.S.DynamicBayesianNetworks:Representation,InferenceandLearning[M].UniversityOfCalifornia,Berkeley,2002.[64]B.Levy,A.Benveniste,andR.Nikoukhah.High-levelprimitivesforrecursivemaximumlikelihoodestimation.IEEETrans.AutomaticControl,41(8):1125-1145,1996.第60页 国防科学技术大学研究生院硕士学位论文[65]A.Darwiche.ConstantSpaceReasoninginDynamicBayesianNetworks.Intl.J.ofAp-proximateReasoning,2001,26:161-178.[66]G.Zweig.Aforward-backwardalgorithmforinferenceinBayesiannetworksandanempiricalcomparisonwithHMMs.Master’sthesis,Dept.Comp.Sci.,U.C.Berkeley,1996.[67]W.Gilks,S.Richardson,andD.Spiegelhalter.MarkovChainMonteCarloinPractice.ChapmanandHall,1996.[68]M.IsardandA.Blake.Contourtrackingbystochasticpropagationofconditionaldensity.InProc.EuropeanConf.onComputerVision,volume1,pages343–356,1996.[69]SajjadHaider,AbbasK.Zaidi.TransformingTimedInfluenceNetsintoTimeSlicedBayesianNetworks[C].2004CommandandControlResearchandTechnologySymposium,SanDiego,2004.[70]潘越，贺雄，米杰，等.2003年北京市SARS流行的时间过程分析[J].中国全科医学，2004，7(3):152-154.[71]连辑.从内蒙古SARS防治看政府的危机管理[J].内蒙古社会科学（汉文版），2009，30(2):21-27.[72]图形科普网.SARS之战“全景回放”：2003年5月10日[R].it.sohu.com，2003.[73]新华网.5月30日中国内地SARS疫情统计[R].www.xinhuanet.com，2003.[74]SARS十问——非典报道中的科学问题[R].www.szsmb.gov.cn,2003.[75]新华网.从SARS报道反思灾难新闻的社会责任[R].www.xinhuanet.com，2003.[76]程爱萍.SARS前后医院感染的流行病学调查[J].现代预防医学，2006，33(10):1844-1845.[77]吴梅.SARS前后上感发热病人静脉应用抗菌药物比较[J].医学理论与实践，2006，19(9)：1054.[78]易波.SARS流行病学及预防控制研究进展[J].海峡预防医学杂志，2008，14(1)：30-21.[79]高世泽.SARS疫情传播的时间序列分析[J].重庆师范大学学报（自然科学版），2004,21(3):8-12.[80]信息公开与社会成本[J].领导决策信息，2003,15:10-11.[81]S.Haider,A.H.Levis.EffectiveCourses-of-ActionDeterminationtoAchieveDesiredEffects[C].IEEETransactionsonSystems,Man,andCybernatics–PartA:SystemsandHumans,vol.37(6),Nov.2007.[82]SajjadHaider,AlexanderH.Levis.FindingEffectiveCoursesofActionusingParticleSwarmOptimization[C].IEEECongressonEvolutionaryComputation(CEC2008).第61页 国防科学技术大学研究生院硕士学位论文作者在学期间取得的学术成果[1]HeHua,MeiShan,ZhuYiFan.TimedInfluencenetsbasedevaluationoftheeffectivenessofpublichealthemergencyscenario[J].AdvancedMaterialsResearch,2014,973:2442-2447.(EI:20142917962266)第62页
此文档下载收益归作者所有
