基于免疫学的非常规突发事件风险识别器研究

《基于免疫学的非常规突发事件风险识别器研究》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。

1、分类号——UDC．．．．．．．．．．．．．．．．．．．．．．．．．．．．密级学校代码!壁鲤Z武滗程歹大穿学位论文题目基土垒瘗堂鲍韭堂塑塞筮主盐凰险堡型鲞盟窒英文RiskIdentifiersofUnconventionalEmergency‘题目垫垦墨曼亟Q坠．．!旦3塑!坠坠Q!QgY研究生姓名型里里指导教师姓名——立鲤L一职称—丝撞一学位——谴L姓名副指导教师单位名称申请学位级别职称430070学位——硕士邮编论文提交日期2Q131Q垒论文答辩日期班i：妄至Z学位授予单答辩委员会独创性声明本人声明，所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除

2、了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得武汉理工大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：垒：隧zFI期．_垒!：苎：!笙学位论文使用授权书本人完全了解武汉理工大学有关保留、使用学位论文的规定，即学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权武汉理工大学可以将本学位论文的全部内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存或汇编本学位论文。同时授权经武汉理工大学认可的国家有关

3、机构或论文数据库使用或收录本学位论文，并向社会公众提供信息服务。(保密的论文在解密后应遵守此规定)研究生(签名)a、阿导师(签名)．毖豺日期沩似垆摘要重大突发事件和非常规突发事件频发同时也是世界各国共同面临的迫切问题，近些年的重大突发事件充分暴露了当前人类应急管理水平的落后，并严重影响社会、经济发展，非常规突发事件研究面临“无真可仿”的难题。受生物免疫系统启发，人工免疫模拟生物免疫系统原理和功能，结合人工智能、免疫算法和机器学习等系统的一些优点，具有创新解决危机问题方法的潜力。本文在非常规突发事件的特质基因基础上，建立了两种风险识别模式：一是基于非线性系统混沌理论的HMM基因

4、识别模型，通过识别基因比例与状态转化概率，识别非常规突发事件风险；二是基于平行计算思想，建立免疫风险识别器，挖掘出不同类型的突发事件免疫反应特性，识别非常规突发事件风险。研究将免疫系统与非常规突发事件进行更深层次的学科融合，为定量分析非常规突发事件提供了一种新的思路，具有重要的理论价值和实践指导意义。本文的创新点主要有以下点：(1)提出了非常规突发事件特质基因理念与框架。运用免疫学基因理论研究非常规突发事件识别问题，建立了免疫基因与非常规突发事件的映射关系，剖析了非常规突发事件九种特质与三类演化机理，构建了“九三”双层非常规突发事件基因框架，并提出了非常规突发事件免疫基因概念

5、与假设。(2)构建了基于混沌系统和基于免疫机理的两类识别模式。建立了HMM基因识别模型与免疫风险识别模型，从多个层面剖析非常规突发事件的演化规律与风险识别表征。HMM基因识别模型通过识别特质基因比例与转换概率发现非常规突发事件的风险。多Agent免疫风险识别模型通过非常规突发事件免疫风险识别器抗体进化的理论假设，挖掘出不同类型的突发事件免疫反应特性与演化图谱从而评估非常规突发事件风险。(3)建立了基于平行计算的仿真模型。通过Matlab与Swarm平台，设计相应的平行计算程序。通过多次计算实验，挖掘识别模式与识别策略的优劣势，提出仿真优化策略。本文是国家自然科学基金重大研究计

6、划培育项目“基于免疫学的非常规突发事件应急管理主动防御多智能系统”(批准号：91024020)的子课题研究成果。关键词：非常规突发事件，免疫学，多Agent，风险识别，计算实验AbstractCurrentfrequentoccurrenceofmajoreventsandunconventionalemergencieshasbecomecomlllonsevereproblemaroundtheworld．Theunconventionalemergenciesfullyexposebackwardofcurrentemergencymanagement，affectth

7、esocialandeconomicdevelopmentseriousl弘whereasthestudyfaces”baselesssimulation”．Inspiredbybiologicalimmunesystem，artificialimmunesimulatetheprincipleandfunctionofbiologicalimmunesystem,whichintegratesartificialintelligence，immunealgorithmandmachinelearnin