(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111420833.X (22)申请日 2021.11.26 (71)申请人 北京软通智慧科技有限公司 地址 100193 北京市海淀区东北旺西路8号 中关村软件园10号楼3层3 01-1 (72)发明人 尹洪涛　邵明雪　熊小安　 (74)专利代理 机构 北京品源专利代理有限公司 11332 代理人 郭德霞 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/28(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/06(2012.01)G06F 113/14(2020.01) (54)发明名称 城市燃气管道爆炸的致因网络仿真及致因 事件推演方法 (57)摘要 本发明实施例公开了一种城市燃气管道爆 炸的致因网络仿真及致因事件推演方法。 所述方 法包括： 将异构图神经网络模型输入至多智能体 协同模型中， 其中， 所述异构图神经网络模型根 据燃气管道爆炸历史事件的目标节 点、 燃气泄漏 仿真数据以及设定边权构建； 基于所述多智能体 协同模型优化所述异构图神经网络模 型， 以生成 致因网络， 所述致因网络用于推演所述燃气管道 爆炸历史事件的可能致因事件。 该方法以异构图 神经网络模 型为基础， 并基于多智能体协同模型 进行优化， 能够充分利用燃气管道爆炸历史事件 的相关数据在线生成致因网络， 提高致因网络的 通用性和实用性。 权利要求书2页 说明书13页 附图3页 CN 114139447 A 2022.03.04 CN 114139447 A 1.一种致因网络 仿真方法， 其特 征在于， 所述方法包括： 将异构图神经网络模型输入至多智能体协同模型中， 其中， 所述异构图神经网络模型 根据燃气管道爆炸历史事 件的目标节点、 燃气泄漏仿真数据以及设定边权构建； 基于所述多智能体协同模型优化所述异构图神经网络模型， 以生成致因网络， 所述致 因网络用于推演所述燃气管道爆炸历史事 件的可能致因事 件。 2.根据权利要求1所述的方法， 其特征在于， 在将异构图神经网络模型输入至多智能体 协同模型中之前， 还 包括： 按照如下 方式构建所述异构图神经网络模型： 将燃气管道 节点和致因事 件节点作为所述目标节点； 根据燃气管道拓扑结构数据和燃气流通量数据， 对每个燃气管道进行计算流体动力学 CFD仿真， 并将所 得到的燃气泄漏仿真数据作为 边属性； 根据所述目标节点、 所述 边属性以及设定边权， 构建所述异构图神经网络模型。 3.根据权利要求2所述的方法， 其特征在于， 设定数量个燃气管道节点连接有对应的致 因事件节点。 4.根据权利要求1所述的方法， 其特征在于， 所述基于所述多智能体协同模型优化所述 异构图神经网络模型， 以生成致因网络， 包括： 将所述异构图神经网络模型中的各目标节点分别抽象为智能体， 得到对应的多智能体 协同模型； 通过设定算法得到所述多智能体协同模型中各智能体对应的Q 函数网络； 基于所述 Q函数网络生成所述 致因网络 。 5.一种致因事 件推演方法， 其特 征在于， 所述方法包括： 获取致因网络， 其中， 所述 致因网络根据权利要求1 ‑4任一项所述的方法生成； 根据燃气管道爆炸实际事 件的实际泄 露数据和泄 露相关数据， 生成实际致因网络； 根据所述致因网络和所述实际致因网络， 提取所述燃气管道爆炸实际事件的可能致因 事件。 6.根据权利要求5所述的方法， 其特征在于， 所述根据燃气管道爆炸实际事件的实际泄 露数据和泄 露相关数据， 生成实际致因网络， 包括： 将燃气管道爆炸实际事件的实际泄露数据和泄露相关数据插入至燃气管道拓扑结构 数据中， 生成实际异构图神经网络模型； 将所述实际异构图神经网络模型输入至所述多智能体协同模型中， 得到对应的实际致 因网络。 7.根据权利要求6所述的方法， 其特征在于， 所述根据所述致因网络和所述实际致因网 络， 提取所述燃气管道爆炸实际事 件的可能致因事 件， 包括： 将所述实际致因网络与所述 致因网络进行对比， 提取重合部分； 若所述重合部分包括一个完整致因事件链， 则提取所述致因事件链的顶端致因事件作 为可能致因事 件； 若所述重合部分包括一个含多个链路分支的致因事件链， 则分别排查所述含多个链路 分支的致因事 件链中的各顶端致因事 件是否有效； 若各所述顶端致因事件中的一个或多个有效， 则提取有效的一个或多个致因事件作为 所述可能致因事 件；权　利　要　求　书 1/2 页 2 CN 114139447 A 2若各所述顶端致因事件均无效， 则在线优化所述致因网络， 直至所述实 际致因网络与 所述致因网络的重合部 分中至少一个顶端致因事件有效， 并将有效的顶端致因事件作为所 述可能致因事 件。 8.一种致因网络 仿真装置， 其特 征在于， 包括： 输入模块， 用于将异构图神经网络模型输入至多智能体协同模型中， 其中， 所述异构图 神经网络模型根据燃气管道爆 炸历史事件的目标节点、 燃气泄漏仿 真数据以及设定边权构 建； 第一生成模块， 用于基于所述多智能体协同模型优化所述异构图神经网络模型， 以生 成致因网络， 所述 致因网络用于推演所述燃气管道爆炸历史事 件的可能致因事 件。 9.一种致因事 件推演装置， 其特 征在于， 包括： 获取模块， 用于获取致因网络， 其中， 所述致因网络根据权利要求1 ‑4任一项所述的方 法生成； 第二生成模块， 用于根据燃气管道爆炸实 际事件的实 际泄露数据和 泄露相关数据， 生 成实际致因网络； 提取模块， 用于根据所述致因网络和所述实 际致因网络， 提取所述燃气管道爆炸实 际 事件的可能致因事 件。 10.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序； 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1 ‑4中任一所述的致因网络仿真方法或如权利要求5 ‑7中任一所述的致因事 件推演方法。 11.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现如权利要求1 ‑4中任一所述的致因网络仿真方法或如权利要求5 ‑7中任一所述 的致因事 件推演方法。权　利　要　求　书 2/2 页 3 CN 114139447 A 3