Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

19.06.2018 | Original Article | Ausgabe 7/2019

International Journal of Machine Learning and Cybernetics 7/2019

An emergency decision making method based on the multiplicative consistency of probabilistic linguistic preference relations

Zeitschrift:
International Journal of Machine Learning and Cybernetics > Ausgabe 7/2019
Autoren:
Jie Gao, Zeshui Xu, Peijia Ren, Huchang Liao
Wichtige Hinweise

Publisher’s Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

As the evolution of emergencies is often uncertain, it may lead to multiple emergency scenarios. According to the characteristics of emergency management, this paper proposes an emergency decision support method by using the probabilistic linguistic preference relations (PLPRs) whose elements are the pairwise comparisons of alternatives given by the decision-makers (DMs) in the form of probabilistic linguistic term sets (PLTSs). As the decision data are limited, it is difficult for the DMs to provide exact occurrence probabilities of all possible emergency scenarios. Thus, we propose a probability correction method by using the computer-aided tool named the case-based reasoning (CBR) to obtain more accurate and reasonable occurrence probabilities of the probabilistic linguistic elements (PLEs). Then, we introduce a multiplicative consistency index to judge whether a PLPR is consistent or not. Afterwards, an acceptable multiplicative consistency-based emergency decision support method is proposed to get more reliable results. Furthermore, a case study about the emergency decision making in a petrochemical plant fire accident is conducted to illustrate the proposed method. Finally, some comparative analyses are performed to demonstrate the feasibility and effectiveness of the proposed method.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 7/2019

International Journal of Machine Learning and Cybernetics 7/2019 Zur Ausgabe