基于多數(shù)據(jù)學(xué)習(xí)與處理的社會脆弱性模型

韓欽宇

摘要 跟隨現(xiàn)代科技信息時(shí)代的快速發(fā)展，我國社會現(xiàn)已全面進(jìn)入大數(shù)據(jù)時(shí)代，計(jì)算機(jī)在各行各業(yè)領(lǐng)域均有涉及。筆者在參加了18年的ICM比賽之后，就其中某個(gè)問題進(jìn)行深一步的剖析，主要應(yīng)用多數(shù)據(jù)處理與相關(guān)氣候模型以及機(jī)器學(xué)習(xí)就氣候變化如何影響地區(qū)不穩(wěn)定性進(jìn)行分析與闡述。

【關(guān)鍵詞】大數(shù)據(jù)處理 多元線性回歸分析 灰度預(yù)測 氣候模型

氣候變化目前仍是全球最大的環(huán)境挑戰(zhàn)，在過去100年間，溫室氣體激增，全球變暖導(dǎo)致的一系列問題在與本來就管制不佳，社會分裂的國家相結(jié)合從而加劇了這些國家本來就不穩(wěn)定的國情。美國和平基金會曾公布了一系列年份的脆弱國家指數(shù)排名，上榜且排名靠前的國家均有因環(huán)境劇變而崩潰的風(fēng)險(xiǎn)。為了較為準(zhǔn)確的衡量一個(gè)國家甚至是一個(gè)地區(qū)的脆弱程度并以此評級作為首要處理國家進(jìn)行干預(yù)與改善以防止其崩潰，本文針對這幾點(diǎn)目的進(jìn)行了大規(guī)模數(shù)據(jù)的分析與整合，一方面計(jì)算與模擬出評分方式的細(xì)則，同時(shí)也針對影響地區(qū)經(jīng)濟(jì)的氣候等多方面因素進(jìn)行模擬從而進(jìn)行誤差分析與調(diào)整，形成一整套的環(huán)境脆弱評估體系，最后，對相關(guān)的防范與整治措施進(jìn)行了一定程度上的提議。

1 脆弱指數(shù)評價(jià)

就美國和平基金會公布的脆弱性指數(shù)數(shù)據(jù)，筆者隨機(jī)選取了比較有代表性的十個(gè)國家的近十年的脆弱性評價(jià)指數(shù)，該基金會提供的數(shù)據(jù)共分為十二個(gè)影響脆弱性的因素，每個(gè)因素或多或少影響脆弱性。為獲知該十二個(gè)官方評價(jià)指標(biāo)計(jì)算方式，筆者進(jìn)行了大量的數(shù)據(jù)查找，根據(jù)世界銀行以及美國農(nóng)業(yè)部等權(quán)威網(wǎng)站的數(shù)據(jù)查詢，找到了影響該十二個(gè)決定脆弱性指標(biāo)的因素?，F(xiàn)以其中的‘經(jīng)濟(jì)下滑與貧困指標(biāo)為例，其影響因素顯性的體現(xiàn)為GDP，通脹率，對外貿(mào)易往來等多方面因素，為求精簡，本文只考慮其中代表性強(qiáng)的五個(gè)因素進(jìn)行多元線性回歸分析從而分析其權(quán)重來進(jìn)行脆弱指標(biāo)的初步考察。部分?jǐn)?shù)據(jù)如圖1所示。

相應(yīng)系數(shù)對應(yīng)其權(quán)重，由此在評價(jià)其他未給出國家或者是大型城市以及預(yù)測脆弱性趨勢時(shí)，只需在一些權(quán)威網(wǎng)站上查詢相關(guān)的經(jīng)濟(jì)學(xué)數(shù)據(jù)即可初步的推算出相應(yīng)指標(biāo)的脆弱性評分。

2 基于氣候條件的指數(shù)修正

由于前述的指標(biāo)計(jì)算方法只是針對相應(yīng)領(lǐng)域的不同影響因素獨(dú)立的進(jìn)行分析，但由于氣候因素會在整體脆弱性上有宏觀的影響。因此，本文進(jìn)一步的定量計(jì)算氣候變化對此十二個(gè)指標(biāo)的影響趨勢（強(qiáng)弱，正負(fù)相關(guān)）。同樣，以經(jīng)濟(jì)指標(biāo)為例，在查閱了中國以及世界災(zāi)害年鑒以及美國農(nóng)業(yè)部數(shù)據(jù)后，筆者選取了洪澇，干旱以及農(nóng)作物病三個(gè)較普遍的因素來分析其對各個(gè)指標(biāo)的影響程度，并利用Excel做出了歷年洪澇等三因素對選取國家的經(jīng)濟(jì)影響因素的趨勢曲線，直接觀察可以看出干旱的影響因素最高。進(jìn)行回歸分析之后可以做出三個(gè)因素的具體影響系數(shù)。 （E=5.84-O.OIFlood+0.002droughr+O.Oldisease）

就其他幾個(gè)指標(biāo)，也同樣采取這種氣候影響分析，不在此贅述。

3 預(yù)估與預(yù)防措施

根據(jù)十二個(gè)因素的指標(biāo)總和，筆者根據(jù)統(tǒng)計(jì)定義了兩個(gè)轉(zhuǎn)折點(diǎn)，其中指標(biāo)和高于100定義為極度脆弱，低于50則定義為穩(wěn)定，之間的數(shù)據(jù)則定義為脆弱。由此，我們利用灰度預(yù)測預(yù)估出各個(gè)指標(biāo)在之后幾年的評估值。如表1所示。

在進(jìn)行GDP統(tǒng)計(jì)與人均碳排放統(tǒng)計(jì)時(shí)，筆者發(fā)現(xiàn)GDP的增長趨勢與C02排放呈現(xiàn)正趨勢關(guān)系，因此，在經(jīng)過擬合分析并加入滯后項(xiàng)作為解釋變量以后，可以檢驗(yàn)出人均GDP序列與人均002排放序列的二階差分平穩(wěn)，從而代入數(shù)據(jù)得到以下回歸方程：

從而判斷出兩者確切的正相關(guān)，至此可以看出，由于產(chǎn)業(yè)上的結(jié)構(gòu)現(xiàn)狀以及能源的要求限制導(dǎo)致GDP的發(fā)展必然伴隨C02的大量排放，因此，政府加大力度干預(yù)能源轉(zhuǎn)型以及產(chǎn)業(yè)結(jié)構(gòu)勢在必行。

4 結(jié)束語

綜上所述，本文主要通過收集大規(guī)模數(shù)據(jù)以及線性回歸歸納得到評分標(biāo)準(zhǔn)并利用誤差修正，將環(huán)境因素的影響納入總評分的影響因素中來考慮。并給出了不同國家在近幾年的評分趨勢并給出了解決的大體方式。

參考文獻(xiàn)

[1]任小成，基于大數(shù)據(jù)時(shí)代人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用分析[J].中國戰(zhàn)略新興產(chǎn)業(yè)，2018 （04）：17.

[2]彭凱.簡析大數(shù)據(jù)時(shí)代人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用[J]，計(jì)算機(jī)與網(wǎng)絡(luò)，2018，44 （01）：46-47.

[3]谷守軍，王海永.大數(shù)據(jù)時(shí)代人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用[J].電子制作，2017 （06）：30+37.