劉春梅
(哈爾濱商業(yè)大學(xué)基礎(chǔ)科學(xué)學(xué)院,哈爾濱150028)
我國是一個多種自然災(zāi)害頻發(fā),災(zāi)情損失嚴(yán)重的國家之一,經(jīng)常發(fā)生洪水、地震、臺風(fēng)、泥石流、生物災(zāi)害等自然災(zāi)害.如:2008年汶川地震,2010年青海玉樹地震等.盡管我國政府及相關(guān)組織采取了減災(zāi)救災(zāi)的措施,但這些自然災(zāi)害嚴(yán)重影響了社會經(jīng)濟的穩(wěn)定與發(fā)展.自然災(zāi)害發(fā)生的嚴(yán)重程度的確定關(guān)系到能否對各種突發(fā)性事件進行控制與決策,因此,對突發(fā)的自然災(zāi)害風(fēng)險等級評估與預(yù)測是形勢發(fā)展變化的急需,也是我國目前的自然災(zāi)害防范與治理所面臨的重要課題.
目前評價自然災(zāi)害風(fēng)險的常用方法有:集對分析法、主成分分析法、聚類分析法和投影尋蹤法、灰色關(guān)聯(lián)、AHP 等[1-5].然而,鑒于自然災(zāi)害風(fēng)險評價系統(tǒng)的復(fù)雜性與及時性,更應(yīng)考慮應(yīng)急物流的時效性,因此本文嘗試采用適合系統(tǒng)分析的突變級數(shù)法對自然災(zāi)害風(fēng)險等級進行評價,旨在為突發(fā)自然災(zāi)害風(fēng)險等級評價提供一種新的思路.突變級數(shù)法的主要特點是不需要對指標(biāo)采用權(quán)重,但它考慮了評價指標(biāo)間的相對重要性.自然災(zāi)害的發(fā)生就是一種典型的突變現(xiàn)象,所以本文采用突變理論對各受災(zāi)地區(qū)的影響程度進行評價研究.
首先,對評價總指標(biāo)進行多層次矛盾(分組),排列成倒立樹狀目標(biāo)層次結(jié)構(gòu),由評價總指標(biāo)到下層指標(biāo),逐漸分解到下層子指標(biāo),原始數(shù)據(jù)只需要知道最下層子指標(biāo)的數(shù)據(jù)就可以了.一個指標(biāo)進行分解,分解到一般可以計量的子指標(biāo)時,分解就可以停止.
突變系統(tǒng)類型中最常見的有3個[6-8],即尖點突變系統(tǒng)、燕尾突變系統(tǒng)、蝴蝶突變系統(tǒng),其數(shù)學(xué)模型分別為:
其中:x表示突變系統(tǒng)中的一個狀態(tài)變量;f(x)表示狀態(tài)變量x的勢函數(shù);u,v,w,t表示狀態(tài)變量的控制變量.系統(tǒng)勢函數(shù)的狀態(tài)變量和控制變量是相互矛盾的兩個方面,將控制變量按由主到次的先后順序?qū)懗?突變系統(tǒng)主要分為點突變系統(tǒng)、燕尾突變系統(tǒng)和蝴蝶突變系統(tǒng).
根據(jù)突變理論[7],尖點突變的歸一公式為:
燕尾突變系統(tǒng)的歸一公式為:
蝴蝶突變系統(tǒng)的歸一公式為:
根據(jù)初始模糊隸屬函數(shù)值,按歸一公式可計算出各控制變量的相應(yīng)中間值,即突變級數(shù)值.因而利用歸一公式對同一對象各個控制變量計算出的對應(yīng)的值應(yīng)采用“大中取小”原則,但對存在互補性的指標(biāo),通常用其平均數(shù)代替,在對象的最后比較時要用“小中取大”原則,即對評價對象按總評價指標(biāo)的得分大小排序[9].
針對突發(fā)自然災(zāi)害,考慮應(yīng)急物流的時效性,建立評價的指標(biāo)體系[1],見圖1.基于前述突發(fā)自然災(zāi)害受災(zāi)程度評價指標(biāo)構(gòu)建的原則,并按照突變級數(shù)法,將突發(fā)自然災(zāi)害受災(zāi)程度評價指標(biāo)體系設(shè)計為由下層指標(biāo)向上層綜合,最后化為0-1的數(shù),即突變級數(shù),將突變級數(shù)由大到小排序,排列在前面的地區(qū)便是受災(zāi)最為嚴(yán)重的地區(qū),具體指標(biāo)突變?nèi)鐖D1所示.
圖1 突發(fā)自然災(zāi)害風(fēng)險等級評價指標(biāo)突變系統(tǒng)
近幾年中,發(fā)生在我國的突發(fā)自然災(zāi)害的案例中,地震是常見且又危害最大的一種,而地震帶來的損害可以說是巨大的.可以說2008年汶川地震是我國近年來發(fā)生的地震最為嚴(yán)重的典型,并且給四川省帶來了嚴(yán)重的損失,破壞程度亦屬罕見.因此本文選取汶川地震作為例子進行實證研究.
選取的樣本數(shù)據(jù)如表1所示.
表1 汶川地震造成損失的部分地區(qū)的數(shù)據(jù)
運用數(shù)據(jù)歸一化公式將數(shù)據(jù)變?yōu)閇0,1]的值,歸一化公式如下:
其中:x∈[xmin,xmax],xmin,xmax分別為最小值與最大值.結(jié)果見表2.
表2 原始數(shù)據(jù)的歸一化結(jié)果
3.2.1 指標(biāo)排序和指標(biāo)之間的相關(guān)性
采用因子分析分析各層指標(biāo)的重要性和指標(biāo)之間的相關(guān)性,確定每層指標(biāo)的優(yōu)先級順序和第一層與第二層指標(biāo)系統(tǒng)的非互補或互補類型.為了分析的準(zhǔn)確性,本文采用歸一化前的數(shù)據(jù)做分析.
以第三層的第二個突變系統(tǒng)受災(zāi)人數(shù)系統(tǒng)為例,公共因子一對應(yīng)的死亡人數(shù)、失蹤人數(shù)、和受傷人數(shù)的系數(shù)分別是0.979、-0.399 和 0.984(見表3、4),所以系統(tǒng)指標(biāo)的優(yōu)先順序為受傷人數(shù)(C5)、死亡人數(shù)(C3)和失蹤人數(shù)(C4).同時,通過相關(guān)性的KMO檢驗,在顯著性水平為0.05下,檢驗的p值為0.002,小于 0.05(見表5).因此,說明這三個指標(biāo)變量是相關(guān)的,說明此突變系統(tǒng)屬于互補型的.同理,可以確定第一個突變系統(tǒng)屬于互補型的,指標(biāo)優(yōu)先級順序為GDP(C1)、人口密度(C2.)第三個突變系統(tǒng)屬于非互補型的,指標(biāo)優(yōu)先級順序為直接經(jīng)濟損失(C7)、受災(zāi)面積(C6).
表3 解釋的總方差
表4 主成分得分矩陣
表5 KMO—Bartlett檢驗結(jié)果
3.2.2 計算突變值
應(yīng)用突變級數(shù)法進行各層指標(biāo)的計算,過程如下:災(zāi)區(qū)自然情況包含C1,C2這兩個控制變量,構(gòu)成尖點突變模型,兩者之間屬于互補關(guān)系,按互補原則取其均值作為上一層指標(biāo)值,即:B1=(C1/21+
受災(zāi)人數(shù)情況包含C3,C4,C5三個控制變量,構(gòu)成燕尾突變模型,三者之間的關(guān)系,屬于非互補關(guān)系,按取小原則,即:B2=(C1/25+C1/33+C1/44)/3;
直接損失情況包含C6,C7兩個控制變量,構(gòu)成尖點突變模型,屬于非互補關(guān)系,按取小原則,即:
A總指標(biāo)包括 B1,B2,B3這三個控制變量,構(gòu)成燕尾突變模型,屬于互補關(guān)系,按互補原則取其均值,即A=(B1/21+B1/32+B1/43)/3.
通過計算可得B1,B2,B3和A的值,其結(jié)果見表6.
表6 突變級數(shù)法計算結(jié)果
由表6得到汶川地震影響的6個地區(qū)的受災(zāi)程度的綜合指標(biāo)值,利用文獻[9]中對于災(zāi)害風(fēng)險等級的劃分方法,確定本例中每個地區(qū)受災(zāi)程度等級如表7所示.
表7 汶川地震影響的部分地區(qū)受災(zāi)等級
通過以上分析,汶川地震影響的四川省6個地區(qū)中,總體來看,阿壩州市和成都市的受災(zāi)情況最嚴(yán)重,其次是廣元和綿陽市,雅安市受災(zāi)程度較輕,并且綜合指標(biāo)值均大于0.5,說明6個地區(qū)受災(zāi)均嚴(yán)重,也符合了當(dāng)時受災(zāi)的實際情況.國家在此災(zāi)難發(fā)生時,是啟用5級風(fēng)險預(yù)案救援的.從而,說明了突變級數(shù)法在突發(fā)自然災(zāi)害的風(fēng)險評級中是有效可行的.
本文基于突變級數(shù)法建立了突發(fā)自然災(zāi)害風(fēng)險評級的指標(biāo)體系,并以汶川地震影響的四川地區(qū)為例進行受災(zāi)風(fēng)險等級評價.綜上研究,突變級數(shù)法在突發(fā)自然災(zāi)害風(fēng)險等級評價中,具有思路清晰,計算簡單方便的優(yōu)點,有利于救災(zāi)工作的及時開展;同時,不需要采用權(quán)重,因而避免了評價的主觀性,更符合突發(fā)自然災(zāi)害具有客觀評價的特點.
[1]ZHAO T,F(xiàn)AN H M,WANG G L,et al.Evaluation of the degree of sudden natural disasters affected–a case study of typhoon“Bilis”[J].Energy Procedia,2012(16):1424 -1432.
[2]GREENING L,STEPHEN J D.Adolescents'perceived risk and personal experience with natural disasters:An evaluation of cognitive heuristics[J].Energy Procedia,1996(91):27 -38.
[3]LI Q G,KANG L,TANG D Q,et al.Applications on spatial information technology in natural disasters[J].Procedia Environmental Sciences,2011(10):1396 -1400.
[4]TSAI C H,CHEN C W.The establishment of a rapid natural disaster risk assessment model for the tourism industry[J].Tourism Management,2011(32):158 -171.
[5]MAGONE E.An analysis for estimating the short-term effects of Japan's triple disaster on progress in materials science [J].Energy Procedia,2012(16):289 -297.
[6]ZHANG J.Risk assessment of drought disaster in the maize -growing region of Songliao Plain,China[J].Agriculture,Ecosystem & Environment,2004(102):133-153.
[7]朱順泉.基于突變級數(shù)法的上市公司績效綜合評價研究[J].系統(tǒng)工程理論與實踐,2002(2):90-94.
[8]陳曉紅,彭 佳,吳小瑾.基于突變級數(shù)法的中小企業(yè)成長性評價模型研究[J].財經(jīng)研究,2004(11):5-15
[9]唐桂娟.城市自然災(zāi)害應(yīng)急能力綜合評價研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2011.