矿山事故应急通信指挥体系的指挥业务信息资源调度可靠性预测与感知优化决策评价研究4

《矿山事故应急通信指挥体系的指挥业务信息资源调度可靠性预测与感知优化决策评价研究4》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、依据图3.2.6，应用Pipe2软件(基于Java的开源Petri仿真软件)绘制Petri网模型如图3.2.7。将决策阶段的所有状态或标识表示为M,M,...,M，设置每条孤所对应变迁的实1210施速率k，以此构造马尔科夫链，如图3.2.7所示。该Petri网模型中P，P，P，P，P1891013各有一个托肯，则：图3.2.8马尔科夫链根据状态M到M可得各个状态的稳态概率，用向量用P表示，110P(P(M),P(M),...,P(M))，并根据Markov定理和Kolmogoroff方程得出如式（3.

2、2.5）1210所示：PQ0P(M)1iij式（3.2.5）其中，Q为n*n稳态概率转移矩阵，则QQ...Q11121nQQ...Q21222nQ()ijnn............QQ...Qn1n2nni(1，2，n)，j(1，2，n)。矩阵Q中非对角线元素ij为Mi到Mj的转移概率，计算公式如下：计算公式如下：0(当M到M之间不存在有向弧时)ijij(当M到M之间存在有向弧时)ijijij式（3.2.6）000000

3、1231230000000044得：000000007700000000550000000088Q00000000660000000099000000001010000000001111000000001212则公式（3.2.5）可以改写为：()PMPM12311210PMPM1142PMPM4273式（3.2.7）PM

4、PM2154PMPM5485PMPM6166PMPM3697(PMPMPM)PM738597108PMPM108119PMPM119121010PMi1i1通过构造模覆盖树的模型图，得到的状态节点数以及连接弧数与仿真工具进行状态空间工具进行仿真所得的结果是完全一致的；如果整个流程中资源的流动流畅的，既没有阻塞发生也没有无限的等待某个任务，表明整个应急处置指挥信息调度业务流程的所有任务都会在有限时

5、间内完成；如果不存在某一个状态标志没有任何变迁可以达到，表明模型中不存在死锁，如有死锁，需要改进模型图。以上述分析计算为基础，我么可以直接运用随机Petri网的和随机过程的分析技术，获得多个瞬态（如任务响应时间）和稳态（如平均任务负载）的指标的计算结果。3.2.3时变波动可靠性预测和可靠性感知工作流调度基于“回声状态网络-多元时间序列”的时变/波动可靠性预测多元时间序列预测是指对于那些无法建立精确机理模型的复杂系统，实验或观测得到的多元时间序列为切入点，研究系统的内在变化规律，寻找反映系统本质特征的不

6、变量，预测系统的未来变化，最终达到解释、指导和控制实际复杂系统的目的。多元时间序列预测按照预测步长可分为短期、中期和长期预测。短期预测通常指单步预测，根据第t时刻及其之前的数据，预测第t+1时刻的数据。中期和长期预测属于多步预测，即根据t时刻及其之前的数据来预测第t+x(x>1)时刻的数据。多步预测包括直接和间接两种形式，其中直接预测是指建立第t时刻与t+x时刻数据的直接映射关系，间接预测是指采用第t时刻(含之前时刻)数据预测第t+1时刻的数据，接着将预测值作为预测下一时刻的输入数据，如此迭代预测出第t

7、+x时刻的数据。间接多步预测将误差也一起迭代，累积误差迅速増大，对预测模型的非线性映射能力要求较高。经典的时间序列预测模型均是在观测数据相对完整的条件下建立的，如果实际非线性问题存在缺失数据或者具有时变特性（构架于互联网和云上的工作流的可靠性数据显然具有这些特性），预测结果将受到较大的影响。以神经网络为代表的自适应预测模型，是近年来出现的一种新颖的分析方法，由于此方法能够根据当前的观测数据与模型的误差，自适应调整参数，适用于数据缺失或者训练数据不足的情况。虽然递归神经网络具有丰富的非线性动力学机制，但训

8、练过程大多基于梯度下降原理，求解速度不够理想且存在局部最优问题。另外，递归神经网络的输出是关于时间的函数，而网络内部递归连接权值的训练过程与输出有关，因而很难保证网络的稳定性，进而影响预测精度。为解决上述问题，学者们提出一类改进的“递归神经网络-储备池方法”。包括2001年Jaeger提出的回声状态网络（下简称ESN）、2002年Mass提出的液体状态机，等等。ESN网络内部单元是模拟神经元，为线性或Sigmoid型。回声状态网络是一种三层