本發(fā)明屬于應(yīng)急案例管理方法，具體涉及一種用于應(yīng)急案例匹配的基于因子權(quán)重和數(shù)據(jù)浮動(dòng)區(qū)定義間的算法。

背景技術(shù)：

匹配算法的研究已經(jīng)在許多行業(yè)有著自己的應(yīng)用和實(shí)踐，但是對于應(yīng)急案例的應(yīng)用還屬于空白。本發(fā)明主要是研究了一種用于應(yīng)急案例匹配的基于因子權(quán)重和數(shù)據(jù)浮動(dòng)區(qū)定義間的算法，用于對應(yīng)急案例相關(guān)基本特征和基本信息的研究和經(jīng)驗(yàn)學(xué)習(xí)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的正是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供如下技術(shù)方案：

一種用于應(yīng)急案例匹配的基于因子權(quán)重和數(shù)據(jù)浮動(dòng)區(qū)定義間的算法，本發(fā)明特征在于，包括源案例、目標(biāo)案例、案例類型識別，提取案例特征、配置特征值權(quán)重、配置案例特征值浮動(dòng)區(qū)間、顯示匹配結(jié)果；其中：

源案例是一個(gè)應(yīng)急案例，是用于將一個(gè)需要找到目標(biāo)的應(yīng)急案例的相關(guān)信息進(jìn)行收集和存儲(chǔ)；

目標(biāo)案例是源案例需要匹配的對象案例，它代表的是案例集，案例集中的每個(gè)應(yīng)急案例都有自己的特征和信息；

案例類型識別是將各種各樣的應(yīng)急案例進(jìn)行分類識別；

提取案例特征是將各類應(yīng)急案例符合自身特性的影響因素特征提取出來，進(jìn)行歸類；

配置案例特征值浮動(dòng)區(qū)間是為各個(gè)特征值設(shè)定合理的對應(yīng)浮動(dòng)區(qū)間和計(jì)算方法；

配置特征值權(quán)重是根據(jù)各類應(yīng)急案例的特征值的影響范圍、重要程度對各個(gè)特征值進(jìn)行權(quán)重分配；

顯示匹配結(jié)果是展示匹配的結(jié)果；

其中算法實(shí)現(xiàn)步驟為：

1)獲取源案例的基本信息，對應(yīng)到此案例類型相關(guān)的特征值之中；

2)案例類型識別識別出源案例的案例類型；

3)提取案例特征值將源案例的特征值的具體數(shù)值進(jìn)行填寫；

4)配置特征值權(quán)重將源案例所屬案例類型的特征值權(quán)重進(jìn)行合理分配；

5)配置案例特征值浮動(dòng)區(qū)間定義源案例相關(guān)特征值的浮動(dòng)區(qū)間；進(jìn)一步定義不同特征值的浮動(dòng)區(qū)間得分等級；

根據(jù)上述步驟的結(jié)果，設(shè)定匹配條件為“等于”，得出匹配算法最終結(jié)果。

本發(fā)明案例類型識別是將應(yīng)急案例類型識別為氣象災(zāi)害、地質(zhì)災(zāi)害，群體性事件、恐怖襲擊三個(gè)大類；其中氣象災(zāi)害、地質(zhì)災(zāi)害兩個(gè)大類下面又分有小類，氣象災(zāi)害小類分為：低溫雨雪、洪澇、干旱等；地質(zhì)災(zāi)害小類分為：地震、泥石流/滑坡/崩塌、地陷；

提取案例特征值是將每個(gè)類型的案例提取出共性和個(gè)性的特征值。共性特征值包括：災(zāi)害類型、災(zāi)害等級、受災(zāi)面積(m²)、受災(zāi)人口(人)、救援人數(shù)(人)、經(jīng)緯度(°)、溫度(℃)、濕度(％)。個(gè)性的特征值則根據(jù)各個(gè)案例的類型進(jìn)行提取和整合；

配置案例特征值浮動(dòng)區(qū)間是為每一個(gè)特征值定義浮動(dòng)區(qū)間，根據(jù)特征值本身的特性合理定義上下浮動(dòng)值；

配置特征值權(quán)重是將每一個(gè)類型的應(yīng)急案例的特征值進(jìn)行權(quán)重分配，然后根據(jù)影響程度和重要程度為這些特征值分配權(quán)重，每一個(gè)類型的案例分配的權(quán)重總和為100％。

本發(fā)明的有益效果是，對提高應(yīng)急案例的共性分析，趨勢分析等提供了一種具有針對性和實(shí)用的方法與途徑。

附圖說明

圖1為本發(fā)明流程示意圖。

圖2為本發(fā)明算法結(jié)構(gòu)圖。

具體實(shí)施方式

下面結(jié)合圖1、圖2對本發(fā)明進(jìn)一步詳細(xì)說明：

如圖1：一種用于應(yīng)急案例匹配的基于因子權(quán)重和數(shù)據(jù)浮動(dòng)區(qū)定義間的算法，首先當(dāng)一個(gè)需要進(jìn)行匹配的源案例到來時(shí)，根據(jù)案例類型識別術(shù)源案例的類型，然后將源案例的信息對應(yīng)到提取案例特征值里面所提取的各類案例的特征值里，將各個(gè)特征值的值與配置案例特征值浮動(dòng)區(qū)間內(nèi)的值相匹配，再乘以特征值權(quán)重分類內(nèi)分配的各個(gè)特征值的權(quán)重，最后根據(jù)匹配算法找出目標(biāo)案例，展示匹配結(jié)果。其中:

源案例是一個(gè)應(yīng)急案例，主要是用于將一個(gè)需要找到目標(biāo)的應(yīng)急案例的相關(guān)信息進(jìn)行收集和存儲(chǔ)。

目標(biāo)案例是源案例需要匹配的對象案例，它代表的是案例集，案例集中的每個(gè)應(yīng)急案例都有自己的特征和信息。

案例類型識別是將各種各樣的應(yīng)急案例進(jìn)行分類識別。

提取案例特征是將各類應(yīng)急案例符合自身特性的影響因素特征提取出來，進(jìn)行歸類。

配置案例特征值浮動(dòng)區(qū)間是為各個(gè)特征值設(shè)定合理的對應(yīng)浮動(dòng)區(qū)間和計(jì)算方法。

配置特征值權(quán)重是根據(jù)各類應(yīng)急案例的特征值的影響范圍、重要程度對各個(gè)特征值進(jìn)行權(quán)重分配。

顯示匹配結(jié)果是展示匹配的結(jié)果。

如圖2：一種用于應(yīng)急案例匹配的基于因子權(quán)重和數(shù)據(jù)浮動(dòng)區(qū)定義間的算法的算法結(jié)構(gòu)為：

首先根據(jù)圖1中的案例類型提取出案例特征值，即提取出各類案例的共性因子和個(gè)性因子，案例的相關(guān)值則錄入到相應(yīng)的因子里面，然后按照圖2定義案例的浮動(dòng)區(qū)間，浮動(dòng)值以正負(fù)數(shù)字表示區(qū)間，與各個(gè)共性因子或者個(gè)性因子進(jìn)行區(qū)間對應(yīng)，各個(gè)因子的區(qū)間浮動(dòng)值設(shè)置為“0”或者為“±x”值?！?”表示此案例因子不允許任何浮動(dòng)，即對應(yīng)的時(shí)候一定是相等匹配。當(dāng)案例因子的區(qū)間浮動(dòng)值設(shè)定為“±x”時(shí)，x為變量，根據(jù)各個(gè)案例因子的不同特性和要求進(jìn)行靈活設(shè)定，區(qū)間為因子對應(yīng)匹配時(shí)介于本身特征值的上限為+x，下限為-x。

匹配得分的計(jì)算分為以下兩種情況，計(jì)算過程如下：

第一種情況：當(dāng)案例的特征值浮動(dòng)值為±x時(shí)，案例的特征值等于k，而浮動(dòng)區(qū)間為±x時(shí)，匹配得分為五等，每個(gè)等級間浮動(dòng)值相差2倍，每個(gè)等級的得分遞減20分,直到零分。則當(dāng)k+x≥k≥k-x之間時(shí)得分100分；當(dāng)(k+2x)≥k＞(k+x)或者(k-2x)≤k＜(k-x)之間時(shí)得分80分；當(dāng)(k+4x)≥k＞(k+2x)或者(k-4x)≤k＜(k-2x)之間時(shí)得分60分；當(dāng)(k+8x)≥k＞(k+4x)或者(k-8x)≤k＜(k-4x)之間時(shí)得分40分；當(dāng)(k+8x)≥k＞(k+4x)或者(k-8x)≤k＜(k-4x)之間時(shí)得分40分；當(dāng)(k+10x)≥k＞(k+8x)或者(k-10x)≤k＜(k-8x)之間時(shí)得分20分；其余的為0分。

第二種情況：當(dāng)案例的特征值浮動(dòng)值為0時(shí)，則匹配成功的情況為源案例與目標(biāo)案例的值為等于。當(dāng)匹配結(jié)果為等于是得分100分，當(dāng)匹配結(jié)果為不等于時(shí)得分為0分。

然后根據(jù)圖1中特征值權(quán)重分配中分配各特征值的權(quán)重，按照圖2的過程匹配得分乘以各自的權(quán)重，最后將各項(xiàng)結(jié)果相加得出本案例的匹配得分百分比。