Page 241 - 《爆炸与冲击》2026年第5期
P. 241

第 46 卷                    王继民,等: 意外爆炸毁伤知识图谱研究                                   第 5 期

                                                        表 12(续)
                                                     Table 12 (Continued)

                         爆炸现象                              毁伤等级/现象分类                            标号
                                                                白色                               1
                        爆炸烟雾颜色                                  黑色                               2
                                                            红色或者粉红色                              3
                                                             无刺激性气味                              1
                         爆炸气味
                                                             有刺激性气味                              2

               源所属分类作为标签,爆炸事件中出现的爆炸现象、毁伤描述、目标、目标响应等信息作为贝叶斯算法
               的输入,根据用户所给出的查询条件预测爆炸事件的爆炸源类型。根据贝叶斯准则,在某种特征下每种
               爆炸源的概率为:
                                                           P e (t|c)P e (c)
                                                    P e (c|t) =                                         (8)
                                                              P e (t)
               式中:c 为表    11  中预先定义的爆炸源类型标签,t 代表一场意外爆炸毁伤的特征信息,P (c) 为爆炸源类型
                                                                                           e
               为  c 的爆炸事件的先验概率,表示在相似案例集中                    c 类别分布的概率;P (t|c) 为爆炸源种类为             c 时,在案
                                                                              e
               例集中爆炸事件的特征为            t 的条件概率;P (t) 表示在相似案例集合中爆炸特征为                   t 的概率;P (c|t) 为后验
                                                    e
                                                                                                e
               概率,表示当前发生了新的爆炸事件,并且得知了爆炸事件的信息,判断其爆炸源种类为                                       c 的概率。
                   在筛选出相似爆炸事件后,对所有事件元素进行统计,然后按照表                              12  进行处理,将其转为便于贝叶
               斯算法处理的格式。对应的事件元素采用数值表示,“−1”代表该元素没有出现,正值整数代表该事件
               元素出现,且该数值描述该毁伤元的严重程度,数值越大,毁伤情况越严重。
                3.3    溯源案例
                   以  2020  年  8  月  4  日黎巴嫩贝鲁特港口区爆炸       [20-21]  为例进行溯源。融合相关的报道得到该爆炸的爆
               炸  现  象  描  述  包  括  : “  剧  烈  爆  炸  、 升  起  一  团  红  色  烟  雾  、 巨  大  的  冲  击  波  、 粉  色  蘑  菇  云  、 港  口  及  港  口  半  径
               100 m  内的建筑在    1 s 内被夷为平地”。根据爆炸现象描述及其主要特征参数等级分类作为爆炸源的特
               征,进行相似查询,得到如表            13  所示的相似历史爆炸案例。

                                                   表 13    相似意外爆炸事件
                                            Table 13    Similar accidental explosion events
                 序号      c               爆炸现象                                  爆炸现象描述
                  1      F        普通窗玻璃破坏;爆炸成坑;烟雾                      范围60 km;直径约120 m;红色蘑菇云
                  2      D          普通窗玻璃破坏;爆炸成坑                            范围10 km;深度4.57 m
                  3      F    普通窗玻璃破坏;爆炸成坑;破片;烟雾和烟                     范围2 km;深2 m;飞出400 m;黑色火焰
                  4      F      普通窗玻璃破坏;破片;爆炸成坑;烟雾              范围5 km;飞出100 m外;直径7 m,深约1 m;白色,红褐色烟雾
                  5      F        普通窗玻璃破坏;爆炸成坑;烟雾              范围500 m;距离29 m;直径范围15.6 m,深度1.9 m;灰白色蘑菇云
                  6      E           普通窗玻璃破坏;烟雾                            范围5 km;高约15 m;红色
                  7      F           普通窗玻璃破坏;烟雾                          约110 km;约150 m高;红色蘑菇云

                   将表  13  处理为贝叶斯算法的输入格式,−1              代表该爆炸没有出现这种毁伤元或者调查没有得到相关
               的数据,结果如表        14  所示。经过贝叶斯分类得到该爆炸源为表                   11  中的  F  类,即“炸药、火药、烟火药、
               推进剂等”。事后多方调查表明,实际爆炸源主要物资为硝酸铵                              [20-21] ,与基于知识图谱溯源结果吻合。
               与传统的人工溯源相比,基于知识图谱的意外爆炸溯源能够同时从海量的爆炸数据中搜索数据,在向量
               化表示的知识图谱中,相似内容的向量空间分布是靠近的,因此能够通过相似分析发现更多潜在的相似
               爆炸案例,避免人工识别的不准确和遗漏。



                                                         051444-12
   236   237   238   239   240   241   242   243   244   245   246