8月18日，来自沙特国王大学（King Saud University）的Ibrahim副教授（Ibrahim M. Hezam AL Mishnanah）应邀访问北京科技大学资源与安全工程学院，并与安全科学与工程系硕士生、博士生开展学术交流。访问期间，Ibrahim副教授于8月19日和21日先后作两场学术报告。

8月19日，Ibrahim副教授围绕“人工智能赋能多准则决策：安全风险评估与决策支持”作专题报告，大安全科学研究院执行院长黄国忠教授参加了专题报告。Ibrahim副教授系统介绍了人工智能技术与多准则决策方法在安全风险评估领域的融合应用。他指出，安全风险评估通常涉及人员、设备、环境和管理等多个相互关联的影响因素，不同指标之间可能存在量纲不统一、重要程度不同以及信息不确定等问题。多准则决策方法能够综合考虑不同评价维度，为风险识别、风险分级和决策方案选择提供系统化的分析框架。

在此基础上，Ibrahim副教授重点讲解了人工智能在风险数据处理、关键影响因素识别、指标权重确定和决策方案排序等环节中的作用。将人工智能的数据分析能力与多准则决策方法的结构化评价能力相结合，可以从多源数据中挖掘潜在的风险规律，提高安全风险评估的准确性和动态适应能力，并为复杂条件下的安全管理提供更加科学、可解释的决策依据。报告还围绕不确定信息处理、模型结果解释以及智能决策方法的实际应用等问题进行了深入分析。

8月21日，Ibrahim副教授作题为“复杂决策条件下的数学建模”的学术报告。报告围绕复杂决策问题的形式化表达与求解过程展开，系统阐述了如何将现实问题转化为可分析、可计算的数学模型。他从问题界定、影响因素识别、变量设置、约束条件构建和目标函数设计等方面介绍了数学建模的基本思路，并针对多目标冲突、信息不完备和决策环境动态变化等典型情形，分析了复杂决策问题的主要特征及其建模难点。

Ibrahim副教授指出，数学建模是连接实际问题、理论方法与决策结果的重要工具。面对多个目标相互制约、评价信息具有模糊性或不确定性的决策任务，需要根据具体问题合理选用多目标优化、模糊评价、情景分析、敏感性分析和稳健决策等方法。同时，还应通过模型验证与参数分析检验模型的合理性，明确模型的适用条件和应用范围，从而提高决策结果的可靠性。

交流环节，安全科学与工程系硕士生、博士生围绕安全风险评价指标的选取、模型可解释性、不确定信息处理以及相关方法在安全科学与工程领域的应用等问题，与Ibrahim副教授进行了深入讨论。Ibrahim副教授结合自身研究经历，对同学们提出的问题进行了细致解答，并就研究选题、模型构建和学术研究方法等提出了建议。

此次访问为安全科学与工程系研究生了解人工智能、多准则决策与复杂系统建模等研究方向提供了良好的交流平台，进一步拓展了学生的学术视野，对推动学院安全科学、人工智能与决策科学等领域的交叉融合具有积极意义。