重大公共卫生突发事件的情景模型构建及演化过程研究

张燕玲

摘 要：本文对在此基础上构建了BP神经网络突发事件情景演化模型，并对其演化流程进行了分析，利用动态情景演化辅助决策优势，可以对突发重大公共卫生事件的预测，通过建立和推演整个事件发生过程的不确定因素，从而为快速的响应和科学的决策提供理论的支撑。

关键词：重大公共卫生突发事件;BP神经网络;情景演化

一、研究背景

突发公共卫生事件是指突然发生、造成或者可能造成社会公众健康严重损害的重大传染病疫情、群体性不明原因疾病、食物中毒以及其他严重影响公众健康的事件。突发公共卫生事件具有突发性、复杂性、强制性、公共性和危害性5大特征。由于当今社会的复杂性、关联性和相互依存性，导致人口流动速度的加快，加上发达的交通工具远距离的传播扩散，加剧了传染病传播的速度、扩宽了传播途径，风险极大。据统计，我国每年因突发事件造成的经济损失在6500亿元左右，占我国GDP的6%。因此，完善重大疫情防控体制机制，健全国家公共卫生应急管理体系，从体制机制上创新和完善重大疫情防控举措，健全国家公共卫生应急管理体系，提高应对突发重大公共卫生事件的能力水平具有非常重要的意义[1]。

二、重大突发公共卫生事件情景演化及推演技术理论

对于公共卫生突发事件进行预测时，除了需要有客观数据的分析外，更加需要进行智能化的人工决策的辅助功能，这就需要具备可以支撑整个事态信息采集、分析个体认知差异、可以充分挖掘利用领域专家的隐性知识的完善的体系来进行支撑。但实际上，专家隐性知识的发掘与利用具有模糊性和不确定性，事态环境的复杂性也会直接或间接使得经验知识的差异，如何充分挖掘和利用各类专家模糊的检验知识是应对突发公共卫生事件，定量化的进行情景演化辅助决策者有效的进行决策，对事态的发展进行更加科学有效的应对是当前急需要解决的问题。人工神经网络在数据信息技术突飞猛进的今天得以快速的发展。BP神经网络能够在学习与挖掘历史数据中来满足信息的自适应以及容错处理。很多研究已经证明BP神经网络具有非线性处理能力，可以将动态事件本身通过建模与情景演化建立关系模型，从而通过演化状态来满足情景的不同状态。

三、重大突发公共卫生事件情景模型的建立

重大突发公共卫生事件本身可以视为在特定环境下至灾因子与受灾体本身相互作用的结果，同时，应急活动其他各种关键因素也会对于事件本身产生重要影响。突发事件体系本身具有时间和空间的连续性，在具体建模过程中，需要对于至灾因子本身的发生、演化以及结束的过程特征进行提取，直接建模分析过于复杂，需要将情景元素离散化建模，从而进行更细粒度的角度进行分析。因此，本文将引入共性知识元理论来对突发公共卫生事件进行情景建模和过程的演化模拟。

构建重大突发公共事件的推演模型首先需要对场景下的具有共性特征的知识建立知识元模型。在共性知识模型中，要对突发事件的情景从时空角度进行建模来描述事件本身在相应的影响因素和知识领域上的映射关系，本文将从动态和静态两个方面进行建模。

（一）突发公共卫生事件情景模型特征分析

突发公共卫生事件本身具有时间性和空间性，因此对于事件情景建模则需要描述时间与空间属性，而突发事件系统的各个要素及要素的状态非常复杂，时间与空间的变化则会在情景的转换中进行体现，每个场景间又可能具有一定的关联性，情景间具有一定的因果关系，因此，在对突发事件情景建模时不能孤立的，需要在特定时间与空间状态下进行状态描述与定义，并且要体现情景的动态性，从而可以产生由元素的关系来驱动突发事件系统及系统内部因素与状态的变化。另一方面，从宏观角度需要对刻画整个模型系统的某个时刻各个元素的整体状态和相互的关系，同时也需要对微观层面下各个模型元素及模型元素属性的状态，这是更加细粒度下的情景元素状态的反应。

（二）情景状态演化过程分析

突发公共卫生事件本身是一种在时间与空间相互作用下的连续过程，可以从整体上描述多个事件场景在空间状态限定下的时间事件序列集合。因此，可以在对情景状态演化过程处理时，对突发事件整个生命周期下的不同情景状态进行建模，而在整个突发事件演变过程中，需要为决策者提供影响事件发展的决策元知识要素，这些要素的影响因子要作用于场景的描述与定义，需要定性与定量的进行描述。

（三）基于BP神经网络突发事件情景演化流程

为了构建在数据与专家先验知识驱动下的公共卫生突发事件的情景推演模型，首先需要从时间与空间动态变化的角度来表示状态的变化。BP神经网络作为有效的机器监督学习算法，更加适用于大规模的数据集的信息挖掘与分析，其对于非线性关系下处理具备时空特性的情景复杂的演化关系具有非常好的性能优势。同时，由于BP神经网络本身是一种分布式的构建模式，可以容忍输入的数据存在噪声，更加适用于突发公共卫生事件所导致的数据状态的不确定性。因此，本文将突发事件的处理过程演化流程建立在BP神经网络上，具体流程如下：

步骤1：采集并对突发事件历史数据;

步骤2：对于确实的状态值进行处理，归一并离散化采集的到的实验数据;

步骤3：将预测的情景进行离散化，并根据情景间的先序后序关系建立拓扑结构;

步骤4：设定情景中的知识元素及相关参数;

步骤5：根据情景数据变化状态优化网络参数;

步骤6：构建动态情景演化关系模型;

步骤7：利用状态数据的变化不断修正模型的状态参数值;

步骤8：最终在测试集上来记录和分析情景演化的规律，并对相应的决策变化过程进行记录。

四、结束语

BP神经网络作为有效的机器监督学习算法，更加适用于大规模的数据集的信息挖掘与分析，其对于非线性关系下处理具备时空特性的情景复杂的演化关系具有非常好的性能优势，因此，本文对在此基础上构建了BP神经网络突发事件情景演化模型，并对其演化流程进行了分析，利用动态情景演化辅助决策优势，可以对突发重大公共卫生事件的预测，通过建立和推演整个事件发生过程的不确定因素，从而为快速的响应和科學的决策提供理论的支撑。

参考文献：

【1】习近平. 在统筹推进新冠肺炎疫情防控和经济社会发展工作部署会议上的讲话[EB/OL].（2020-02-14） [2020-02-24]. http：//hn.people.com.cn/n2/2020/0224/

c195194-33822600.html.

【2】佘廉. 我国政府重大突发事件预警管理的现状和完善研究[J]. 管理评论，2005.11

【3】姜卉，黄均. 重大赛事突发事件情景判定及应对策略与流程研究[J].项目管理技术，2009（01）

【3】李维安，陈春花，张新民，毛基业，高闯，李新春.面对重大突发公共卫生事件的治理机制建设与危机管理--“应对新冠肺炎疫情”专家笔谈. [J].经济管理，2020（03）

【4】M Pidd， FN De Silva， RW Eglese ，A simulation model for emergency evacuation，European Journal of Operational Research，90（3） 1996，413-419