基于概率语言混合云模型与最优最劣法的水陆两栖飞机海上救援态势评估新方法

针对海上救援环境中水陆两栖飞机（AAMR）面临的复杂威胁与不确定性，研究人员提出了一种结合概率语言混合云模型（PLHC）和最优最劣法（BWM）的态势评估方法。该方法通过整合概率语言术语集（PLTS）和混合云模型，有效处理专家评估中的模糊性与犹豫性，并利用改进的BWM量化威胁因素权重及其交互作用。研究结果为飞行员和海事部门提供了精准的态势信息，显著提升了海上应急响应能力。

　　

海上救援是保障全球贸易与生命安全的关键环节，但复杂的海洋环境导致事故频发，传统救援设备如直升机与船舶受限于航程与资源分配，难以满足中远距离救援需求。水陆两栖飞机（AAMR）凭借其水空两栖特性成为救援主力，然而海上紧急环境中的波浪、通信中断等多重威胁因素严重影响了救援效率与安全性。现有评估方法难以同时处理专家评估的模糊性、犹豫性以及威胁因素间的交互作用，导致信息失真与决策偏差。为此，研究人员开发了一种创新的态势评估框架，结合概率语言混合云模型（PLHC）和最优最劣法（BWM），以系统量化AAMR的威胁等级与态势水平。

研究团队首先通过文献分析与专家咨询，构建了包含20个威胁因素的层次化评估模型，涵盖海洋环境、救援目标与设备三大类。为解决专家评估的多源不确定性，PLHC模型整合了概率语言术语集（PLTS）与混合正态-梯形云，将定性语言映射为定量云参数（如期望值Ex、熵En和超熵He），有效保留了评估中的随机性与模糊性。例如，专家对“波浪高度”的评估可能同时包含“较高（概率0.6）”和“极高（概率0.4）”的PLTS表达，PLHC通过云模型将其转化为可计算的数值区间。此外，研究扩展了BWM方法，引入2-可加模糊测度（2-additive fuzzy measure）量化威胁因素间的协同或拮抗效应，如通信中断与指挥错误的交互会显著放大救援风险。通过船舶沉没案例验证，该方法能准确输出五级态势评分（从“极安全”到“极危险”），为救援策略制定提供科学依据。

关键技术包括：（1）PLHC模型实现多源语言评估的云参数转换；（2）改进BWM结合模糊测度计算权重与交互系数；（3）基于云相似度的态势等级聚合算法。实验数据来自海事部门真实救援场景与专家小组评估。

研究结果显示：1）AAMR态势评估模型：构建的层次结构包含5个一级指标（如“环境威胁”“设备可靠性”）和20个二级指标（如风速、能见度），通过专家权重分析发现“波浪条件”与“通信稳定性”对救援成功率影响最大。2）PLHC模型应用：对比传统模糊集，PLHC在船舶沉没案例中降低了15%的信息损失率，更精准反映专家对“目标分布分散度”等复杂指标的判断。3）交互作用分析：BWM-2-可加模糊测度揭示“机械故障”与“操作延误”存在显著负向交互（协同系数-0.23），需优先管控。

结论表明，该研究为AAMR救援提供了首个系统性态势评估工具，其PLHC-BWM框架不仅适用于海事领域，还可扩展至其他高不确定性决策场景。未来工作将探索动态威胁因素的实时评估算法，并集成至机载智能辅助系统。论文发表于《Engineering Applications of Artificial Intelligence》，为人工智能在应急管理中的工程应用提供了范式参考。