基于時間序列的災(zāi)害區(qū)域關(guān)聯(lián)網(wǎng)絡(luò)構(gòu)建方法*

楊秋格，吳 鵬，孫旭光，陳丹琪

（1.防災(zāi)科技學(xué)院災(zāi)害信息工程系，河北廊坊065201；2.防災(zāi)科技學(xué)院信息化管理中心，河北廊坊065201）

基于時間序列的災(zāi)害區(qū)域關(guān)聯(lián)網(wǎng)絡(luò)構(gòu)建方法*

楊秋格1，吳 鵬2，孫旭光1，陳丹琪1

（1.防災(zāi)科技學(xué)院災(zāi)害信息工程系，河北廊坊065201；2.防災(zāi)科技學(xué)院信息化管理中心，河北廊坊065201）

針對災(zāi)害地區(qū)相關(guān)性問題，提出一種災(zāi)害區(qū)域關(guān)聯(lián)復(fù)雜網(wǎng)絡(luò)構(gòu)建方法。首先利用冪級數(shù)展開得出網(wǎng)絡(luò)災(zāi)害節(jié)點的系統(tǒng)動力學(xué)方程，通過節(jié)點關(guān)聯(lián)系數(shù)來表征節(jié)點間的區(qū)域關(guān)聯(lián)關(guān)系，并通過相關(guān)轉(zhuǎn)化使得可以利用壓縮感知理論對節(jié)點關(guān)聯(lián)系數(shù)進(jìn)行求解，從而實現(xiàn)對網(wǎng)絡(luò)節(jié)點關(guān)系拓?fù)涞臉?gòu)建。最后通過中國地震災(zāi)害數(shù)據(jù)進(jìn)行性能仿真實驗，實驗結(jié)果表明，完成網(wǎng)絡(luò)構(gòu)建只需要較少量的時序信息，構(gòu)建得出的區(qū)域關(guān)聯(lián)結(jié)果也具有一定的科學(xué)性。

災(zāi)害；時間序列；壓縮感知；區(qū)域關(guān)聯(lián)；復(fù)雜網(wǎng)絡(luò)

自然災(zāi)害的區(qū)域關(guān)聯(lián)現(xiàn)象一直是災(zāi)害學(xué)研究的熱點，大量觀察到的事實，如歷史記錄中某些災(zāi)害（如地震）在部分地區(qū)會表現(xiàn)出一種同步衰漲趨勢，即同時趨于活躍或平靜［1］，以及2005年及2007的蘇門答臘地震后，我國南方都隨之發(fā)生了雨澇災(zāi)害，這表明了旱、洪、震等自然災(zāi)害存在著一定的區(qū)域關(guān)聯(lián)性［2］，而對其的研究則能夠為災(zāi)害預(yù)測提供支持。

災(zāi)害的時間序列是進(jìn)行災(zāi)害區(qū)域關(guān)聯(lián)研究的基本信息，通過對兩個地區(qū)的災(zāi)害時間序列進(jìn)行相似性匹配，從而確定兩者之間是否具有相關(guān)性，也是近年來災(zāi)害區(qū)域關(guān)聯(lián)分析的常見方法［3-5］。由于這類方法每次只選取兩個區(qū)域進(jìn)行相似性匹配（即單點對單點），因而在時間序列信息上會有大量的截取操作，而如果我們想以復(fù)雜網(wǎng)絡(luò)角度來研究多個區(qū)域間的災(zāi)害相關(guān)性（即多點對多點），由于多個點間同步影響會形成一個復(fù)雜系統(tǒng)，就使得這種單點匹配得到的區(qū)域相關(guān)性難以作為節(jié)點鏈接來構(gòu)建災(zāi)害區(qū)域關(guān)聯(lián)復(fù)雜網(wǎng)絡(luò)。

如何基于各區(qū)域的災(zāi)害時序信息，挖掘出潛在的關(guān)聯(lián)關(guān)系并重構(gòu)成網(wǎng)絡(luò)，是本文所要解決的問題。事實上，復(fù)雜網(wǎng)絡(luò)重構(gòu)正逐漸成為復(fù)雜網(wǎng)絡(luò)研究的熱點問題，已提出的重構(gòu)方法如逆向工程法［6］、微擾響應(yīng)法［7］、收斂鏡像系統(tǒng)法［8］，以及基于噪聲的相關(guān)性方法等［9］，其基本思想都是通過個體單元行為來推導(dǎo)網(wǎng)絡(luò)拓?fù)洌蓟蚨嗷蛏俅嬖谥\算成本過大的問題。文獻(xiàn)［10-12］中則針對這一問題，提出一種基于壓縮感知的復(fù)雜網(wǎng)絡(luò)重構(gòu)方法，能夠以相對于網(wǎng)絡(luò)規(guī)模很少量的數(shù)據(jù)實現(xiàn)拓?fù)渲貥?gòu)，并對非線性系統(tǒng)及博弈網(wǎng)絡(luò)等進(jìn)行了重構(gòu)嘗試，取得不錯的效果。

本文則借鑒壓縮感知思想，基于災(zāi)害的時間序列信息，將災(zāi)害區(qū)域視為復(fù)雜網(wǎng)絡(luò)節(jié)點，通過構(gòu)建出節(jié)點的復(fù)雜系統(tǒng)動力學(xué)方程，進(jìn)而確定節(jié)點間的拓?fù)潢P(guān)系，從而構(gòu)建出一個災(zāi)害區(qū)域關(guān)聯(lián)復(fù)雜網(wǎng)絡(luò)。在后面的實驗中我們會看到，只需要少量的時序信息，本文方法就可以完成對網(wǎng)絡(luò)的構(gòu)建工作。

1 壓縮感知

作為一種新的信息獲取理論，壓縮感知技術(shù)主要基于可壓縮信號的稀疏性，并滿足在遠(yuǎn)小于Nyquist采樣率的情況下，實現(xiàn)對信號的精確重建。壓縮感知技術(shù)的主要優(yōu)勢在于能夠只基于少量觀測數(shù)據(jù)S（S∈RM）就實現(xiàn)對稀疏向量a（a∈RN）的高效恢復(fù)，并滿足S＝D·a，其中D是一個M*N維滿秩矩陣，而信號重建過程即為對以下凸優(yōu)化問題進(jìn)行求解，如式（1）所示。

由于當(dāng)a為稀疏向量并使得D滿足式（1）時，利用壓縮感知技術(shù)可以在M遠(yuǎn)小于N的情況下，準(zhǔn)確恢復(fù)出a。而鑒于復(fù)雜網(wǎng)絡(luò)本身表現(xiàn)出的稀疏性，保證了向量a的稀疏性，那么只要把復(fù)雜網(wǎng)絡(luò)重構(gòu)問題轉(zhuǎn)化成壓縮感知理論能夠處理的形式，就可以利用這一方法基于少量的時序信息準(zhǔn)確重構(gòu)網(wǎng)絡(luò)拓?fù)洹?/p>

對于災(zāi)害區(qū)域關(guān)聯(lián)網(wǎng)絡(luò)，由于各個區(qū)域節(jié)點的災(zāi)害信息是可以獲取的，而具體災(zāi)害結(jié)果的造成除了受區(qū)域自身各種因素的影響，還類似于振子網(wǎng)絡(luò)，同時受到其他多個區(qū)域多種因素的復(fù)合作用。因此本文希望能夠用少量的相關(guān)時序信息，從多節(jié)點復(fù)合影響的角度，推演出各個節(jié)點間的關(guān)聯(lián)情況，進(jìn)而構(gòu)建出整個網(wǎng)絡(luò)拓?fù)洹?/p>

2 基于時序的網(wǎng)絡(luò)構(gòu)建算法

設(shè)災(zāi)害區(qū)域關(guān)聯(lián)復(fù)雜網(wǎng)絡(luò)中節(jié)點個數(shù)為n，第i個節(jié)點在某一時刻（如時刻t）的時序信息被劃分為兩部分，第一部分設(shè)為si，表示在時刻t該區(qū)域觀測到的受災(zāi)結(jié)果，第二部分設(shè)為xi，這是一個觀測參數(shù)向量，包含了在時刻t與該區(qū)域相關(guān)的孕災(zāi)環(huán)境參數(shù)分量，如氣壓、氣溫、降水、位移場、地應(yīng)力場等，設(shè)該向量的維數(shù)為m。那么節(jié)點i的災(zāi)害復(fù)雜系統(tǒng)動力學(xué)方程可以用式（2）表示。

式中：fi（xi）為節(jié)點i獨自的災(zāi)害動力學(xué)方程，式（2）后半部分則為節(jié)點i與其他節(jié)點間的關(guān)系動力學(xué)方程，兩者共同組成節(jié)點i的系統(tǒng)動力學(xué)方程；Gij表示節(jié)點i和節(jié)點j間的觀測參數(shù)向量關(guān)聯(lián)矩陣，如式（3）所示。

對于式（2），我們還可以用式（4）的方式表示

那么式（4）的前半部分就變?yōu)橹魂P(guān)于xi的方程，后半部分則是關(guān)于其他節(jié)點觀測向量的方程。此時我們可以將式（4）的前半部分用Qi（xi）表示，并使用一個N階冪級數(shù)將Qi（xi）展開，如式（5）所示。

式中：（xi）1表示節(jié)點i的觀測向量的第1個分量，（ai）k表示第k個展開項的系數(shù)，需要注意的是式（5）涵蓋了該階冪級數(shù)下所有可能的展開項，即展開項數(shù)目為（1＋N）m，這意味著許多展開項前的系數(shù)可能為0。

此時，式（4）又可以表示如式（6）所示。

從式（6）可以看到，在節(jié)點時序信息已知的情況下，未知的即為Qi（xi）中的展開項系數(shù)以及關(guān)聯(lián)矩陣Gij，同時，為了盡可能地從少量時序信息中構(gòu)建出網(wǎng)絡(luò)拓?fù)?，依?jù)壓縮感知理論的稀疏性需求，即滿足大部分系數(shù)為零的條件，我們把式（6）中的Gijxj同樣按照式（5）的方式展開，那么式（6）又可以表示如式（7）所示。

式（7）的好處在于，它不僅滿足了壓縮感知理論對稀疏性的需求，同時體現(xiàn)出了節(jié)點i與其他節(jié)點的關(guān)聯(lián)性，如果求出Qj（xj）的系數(shù)全為零，那么就表示節(jié)點i與節(jié)點j沒有區(qū)域關(guān)聯(lián)性，反之如果存在不為零的系數(shù)，就表示兩者具有區(qū)域關(guān)聯(lián)性，同時還能通過分析非零系數(shù)所對應(yīng)的觀察向量的分量，進(jìn)一步研究各個參數(shù)對災(zāi)害區(qū)域關(guān)聯(lián)的影響力。

對于式（7）中各個Q（x）函數(shù)，如以求解Qi（xi）為例，即式（5）。設(shè)展開項的各個系數(shù)用向量ai表示，由于是按照冪級數(shù)展開，因此展開形式是固定的，如在級數(shù)N＝3，m＝3的情況下，Qi（xi）的展開如式（8）所示。

式中：b，y，z為向量xi的3個分量。系數(shù)向量ai即為ai＝［（ai）000，（ai）001，…，（ai）333］T，同時，對于某一時刻t下的觀測向量xi（t），我們可以得到式（9）。

此時Qi［xi（t）］＝di（t）·ai，如果我們記錄有關(guān)于節(jié)點i的L個時刻的時間序列信息，那么就可以設(shè)觀測結(jié)果向量為S，即S＝［si（t1），si（t2），…，si（tL）］T，從而可以得出符合壓縮感知理論的S＝D·a形式的等式，如式（10）所示。

式中：S及di（t）都能夠通過已有的時序信息求得，同時由于滿足了壓縮感知的稀疏性，使得算法可以在時序信息量L遠(yuǎn)小于網(wǎng)絡(luò)節(jié)點規(guī)模n的情況下求出各系數(shù)向量a，進(jìn)而構(gòu)建出網(wǎng)絡(luò)拓?fù)洹?/p>

3 仿真實驗

由于災(zāi)害預(yù)測研究自身的特點，使得對災(zāi)害區(qū)域關(guān)聯(lián)網(wǎng)絡(luò)的有效性驗證缺乏絕對參照。針對這一問題，我們選擇用具帶狀分布特點的地震災(zāi)害來評估本文方法的性能。我國地域內(nèi)共計有23條地震帶，根據(jù)這些地震帶的分布又可以劃分為以下五個主要地震地區(qū)：臺灣省及其附近海域；西南地區(qū)；西北地區(qū)；華北地區(qū)；東南沿海的廣東、福建等地。本文從這5個地區(qū)中選取共計60個城市作為網(wǎng)絡(luò)節(jié)點（除華北地區(qū)由于城市密集選取20個外，其他地區(qū)皆為各選取10個城市），時序數(shù)據(jù)資料來源于歷史災(zāi)害數(shù)據(jù)庫，包括從1965年到2004年共計40年各個城市的地震受災(zāi)情況及相關(guān)孕災(zāi)環(huán)境參數(shù)，即n＝60，L＝40。

實驗平臺為Matlab 7.0。在參數(shù)設(shè)置上，冪級數(shù)階數(shù)N＝3，并根據(jù)專家建議選擇了6項參數(shù)作為地震關(guān)聯(lián)參數(shù)，即觀測向量的維數(shù)m＝6，觀測結(jié)果則根據(jù)當(dāng)年有無4級以上地震（含余震）記為1或0。由于地質(zhì)特點，同一地震帶上的節(jié)點本身就具備一定的關(guān)聯(lián)性，即每一個地震帶可以認(rèn)為是一個社團(tuán)，其內(nèi)部節(jié)點具有較高的連接率。根據(jù)這一特性，可以從一定程度上檢驗出本文算法所建立網(wǎng)絡(luò)的科學(xué)性。

圖1為根據(jù)算法運行結(jié)果并利用pajek軟件做出的網(wǎng)絡(luò)拓?fù)鋱D，網(wǎng)絡(luò)的平均度為3.20，圖中出現(xiàn)了6個孤立節(jié)點，度最大節(jié)點為14號節(jié)點，度為8，對應(yīng)城市為中國臺北市。

表1所示為根據(jù)節(jié)點關(guān)系拓?fù)洌瑢⒐?jié)點鏈接映射到節(jié)點所對應(yīng)地震帶的連接率統(tǒng)計結(jié)果，若本文算法有效，那么首先屬于同一地震帶的節(jié)點間會有較高的連接率。連接率的計算方法為地震帶內(nèi)節(jié)點的實際鏈接數(shù)除以節(jié)點全連接數(shù)。

表1 各地震帶節(jié)點連接率

圖1 地震區(qū)域關(guān)聯(lián)網(wǎng)絡(luò)拓?fù)鋱D

從表1可以看到，本文算法建立的網(wǎng)絡(luò)拓?fù)渲?，地震帶?nèi)節(jié)點的連接率是符合期望的，這說明圖1中的網(wǎng)絡(luò)拓?fù)渚邆淞艘欢ǖ目茖W(xué)性，而對于地震帶間出現(xiàn)的節(jié)點鏈接，由于缺乏有效驗證方法，因而更適合作為線索信息來對災(zāi)害區(qū)域關(guān)聯(lián)網(wǎng)絡(luò)進(jìn)行分析。這里，通過對pajek拓?fù)鋱D的節(jié)點對應(yīng)區(qū)域進(jìn)行分析，我們發(fā)現(xiàn)臺灣-四川，四川-云南，青海-西藏這些區(qū)域內(nèi)的節(jié)點連接十分密集，其中臺灣和四川分屬不同的地震區(qū)，兩者間表現(xiàn)出的關(guān)聯(lián)性值得進(jìn)一步關(guān)注。

為了進(jìn)一步確認(rèn)本文算法對時序信息量的低需求。我們用根據(jù)初始時序數(shù)據(jù)（即L＝40）構(gòu)建的網(wǎng)絡(luò)拓?fù)洌▓D1）作為參照，逐漸減少算法使用的時序信息量，觀察算法所建立的網(wǎng)絡(luò)是否能夠和圖1拓?fù)浔３忠恢隆榱瞬皇б话阈?，算法分別在每種數(shù)據(jù)比例下進(jìn)行5次網(wǎng)絡(luò)構(gòu)建，時序信息為隨機抽取，最后統(tǒng)計與圖1拓?fù)淦ヅ涠鹊钠骄怠?/p>

圖2和圖3中給出了在不同時序信息量下，所求得網(wǎng)絡(luò)與圖1網(wǎng)絡(luò)的連接匹配度。圖中橫坐標(biāo)表示所用數(shù)據(jù)占原數(shù)據(jù)量的比例，我們用了兩種參數(shù)進(jìn)行評估，分別為節(jié)點間的非空鏈接和空鏈接。圖2中縱坐標(biāo)表示錯誤鏈接占所求得鏈接的比率，圖3中縱坐標(biāo)表示求得正確鏈接占實際鏈接的比率。

圖2 不同數(shù)據(jù)量下的錯連率

圖3 不同數(shù)據(jù)量下的正確連接率

從圖2和圖3中可以看到，算法只需要使用60%左右的原時間序列數(shù)據(jù)量，就可以得出與圖1一致的網(wǎng)絡(luò)拓?fù)?，即實現(xiàn)對圖1網(wǎng)絡(luò)的準(zhǔn)確構(gòu)建。這同時也表明，在保證一定數(shù)據(jù)量的情況下，算法得出的網(wǎng)絡(luò)拓?fù)浣Y(jié)果是比較穩(wěn)定的。

4 結(jié)論

本文基于壓縮感知理論，嘗試?yán)蒙倭繒r間序列信息實現(xiàn)對災(zāi)害區(qū)域關(guān)聯(lián)復(fù)雜網(wǎng)絡(luò)的構(gòu)建，并取得了一定效果。可能由于所構(gòu)建網(wǎng)絡(luò)節(jié)點較少的原因，本文實驗中所需的數(shù)據(jù)量尚未達(dá)到遠(yuǎn)小于網(wǎng)絡(luò)規(guī)模的程度。下一步工作將對求得節(jié)點動力學(xué)方程中的各系數(shù)及非零項進(jìn)行分析，以期能進(jìn)一步探討災(zāi)害區(qū)域關(guān)聯(lián)網(wǎng)絡(luò)的演化問題。

［1］ 門可佩.重大地震災(zāi)害鏈的時空有序性及其預(yù)測研究［J］.地球物理學(xué)進(jìn)展，2008，22（2）：645-651.

［2］ 延軍平，白晶，蘇坤慧，等.對稱性與部分重大自然災(zāi)害趨勢研究［J］.地理研究，2011，30（7）：1159-1168.

［3］ 邱劍鋒，謝娟，李煒，等.中強地震的相關(guān)性與周期性研究［J］.計算機工程，2011，37（10）：16-18.

［4］ 吳明輝，許愛強，周小程，等.基于時間序列分析的動調(diào)陀螺儀故障預(yù)測研究［J］.計算機測量與控制，2014，22（2）：321-324.

［5］ 吳紹春，吳耿鋒，王煒，等.尋找地震相關(guān)地區(qū)的時間序列相似性匹配算法［J］.軟件學(xué)報，2006，17（2）：185-192.

［6］ 盛光磊，甄姬娜.一種網(wǎng)絡(luò)信道拓?fù)浣Y(jié)構(gòu)堅韌度的測量方法研究［J］.科技通報，2014，29（02）：152-154.

［7］ GardnerA T S，d Bernardo D，Lorenz D，et al.Inferring genetic networks and identifying compound mode of action via expression profiling［J］.Science，2003，301（5629）：102-105.

［8］ Bongard J，Lipson H.Automated reverse engineering of nonlinear dynamical systems［J］.Proc Natl Acad Sci USA，2007，104（24）：9943-9948.

［9］ Timme M.Revealing network connectivity from response dynamics［J］.Phys Rev Lett，2007，98（22）：224101-1-4.

［10］Yu D，Righero M，Kocarev L.Estimating topology of networks［J］.Phys Rev Lett，2006，97（18）：188701-1-4.

［11］Wang W X，Yang R，Lai Y C，et al.Predicting catastrophes in nonlinear dynamical systems by compressive sensing［J］.Phys Rev Lett，2011，106（15）：154101-1-4.

［12］WangW X，Yang R，Lai Y C，etal.Time-series based prediction of complex oscillator networks via compressive sensing［J］. EPL，2011，94（4）：48006-1-6.

Com plex Network Construction M ethod of Disaster Regional Association based on Time Series

Yang Qiuge1，Wu Peng2，Sun Xuguang1and Chen Danqi1
（1.Institute of Disaster Prevention，Disaster Information Engineering Department，Langfang 065201，China；2.Institute of Disaster Prevention，Information Management Center，Langfang 065201，China）

Aiming at the disaster regional-related issues，a complex network construction method of disaster regional association based on time series is proposed.The disaster system dynamic equations of network node are obtained through the use of power series expansion and the correlation coefficients between nodes are obtained through the use of compressed sensing theory，so as to realize the construction of the network topology.Experimental results show that，complete network construction requires less amount of time series information and the construction result has a certain rationality.

disaster；time series；compressive sensing；regional association；complex network

X43；TP18

A

1000-811X（2015）04-0021-04

10.3969／j.issn.1000-811X.2015.04.004

楊秋格，吳鵬，孫旭光，等.基于時間序列的災(zāi)害區(qū)域關(guān)聯(lián)網(wǎng)絡(luò)構(gòu)建方法［J］.災(zāi)害學(xué)，2015，30（4）：21-24.［Yang Qiuge，Wu Peng，Sun Xuguang，etal.Complex Network Construction Method of Disaster Regional Association based on Time Series［J］. Journal of Catastrophology，2015，30（4）：21-24.］

2015-04-13

2015-05-21

中央高校青年教師資助計劃項目（ZY20130213）；中央高校創(chuàng)新團(tuán)隊資助計劃項目（ZY20120104）

楊秋格（1981-），女，山東聊城人，碩士，講師，研究方向為物聯(lián)網(wǎng)技術(shù).E-mail：yangqiuge0302＠163.com