大數(shù)據(jù)驅(qū)動(dòng)的極端氣象災(zāi)害態(tài)勢(shì)要素提取模型與優(yōu)化

楊繼君, 曾子軒, 鄭 琛

(1.廣東財(cái)經(jīng)大學(xué)公共管理學(xué)院,廣東廣州 510320;2.廣西財(cái)經(jīng)學(xué)院跨境電商智能信息處理重點(diǎn)實(shí)驗(yàn)室,廣西南寧 530003;3.中共北京市委黨校公共管理教研部,北京 100044)

0 引言

隨著全球氣候變暖,近些年來(lái)我國(guó)極端氣象災(zāi)害事件呈現(xiàn)高發(fā)態(tài)勢(shì),其影響范圍越來(lái)越廣,造成的生命財(cái)產(chǎn)損失也異常嚴(yán)重[1],比如2012年北京“7.21”特大暴雨、2014年“威馬遜”超強(qiáng)臺(tái)風(fēng)、2015年“東方之星”沉船事件(龍卷風(fēng))、2016年“霸王級(jí)”寒潮、2018年“山竹”超強(qiáng)臺(tái)風(fēng)、2019年“利奇馬”超強(qiáng)臺(tái)風(fēng)等等都給政府部門(mén)的應(yīng)急管理能力帶來(lái)了巨大的考驗(yàn)。極端氣象災(zāi)害的高效防范和快速應(yīng)對(duì)需要建立在極端氣象災(zāi)害態(tài)勢(shì)要素提取、態(tài)勢(shì)威脅評(píng)估和態(tài)勢(shì)預(yù)測(cè)的基礎(chǔ)之上。隨著大數(shù)據(jù)災(zāi)害治理2.0時(shí)代的到來(lái)[2],如何在海量的極端氣象災(zāi)害態(tài)勢(shì)要素中快速地提取關(guān)鍵態(tài)勢(shì)要素則成為關(guān)鍵。目前,關(guān)于態(tài)勢(shì)要素提取的研究多集中在軍事戰(zhàn)場(chǎng)[3-7]、網(wǎng)絡(luò)安全[8-13]等領(lǐng)域,而在自然災(zāi)害特別是極端氣象災(zāi)害領(lǐng)域鮮有涉及,但也有學(xué)者做了開(kāi)創(chuàng)性研究,比如,Moumita等[14]針對(duì)Twitter和Facebook等在線(xiàn)社交媒體上充斥著大量災(zāi)害信息的狀況,提出了基于互動(dòng)眾包的災(zāi)害態(tài)勢(shì)信息提取框架模型,以便對(duì)災(zāi)害損失和需求評(píng)估提供決策支持;黃偉等[15]基于態(tài)勢(shì)感知的3個(gè)階段,對(duì)電網(wǎng)臺(tái)風(fēng)預(yù)警防御系統(tǒng)中態(tài)勢(shì)要素采集、實(shí)時(shí)態(tài)勢(shì)理解和臺(tái)風(fēng)風(fēng)險(xiǎn)預(yù)測(cè)等關(guān)鍵技術(shù)進(jìn)行歸納,并構(gòu)建了臺(tái)風(fēng)預(yù)警防御系統(tǒng)的態(tài)勢(shì)要素指標(biāo)體系,但是其關(guān)鍵態(tài)勢(shì)要素究竟如何提取沒(méi)有涉及。

綜上所述,極端氣象災(zāi)害態(tài)勢(shì)要素提取雖有一些開(kāi)創(chuàng)性研究,但具體的可操作性的方法比較缺乏。因此,本文試圖采用數(shù)據(jù)降維的方法從諸多的極端氣象災(zāi)害態(tài)勢(shì)要素中提取關(guān)鍵態(tài)勢(shì)要素。首先以極端氣象災(zāi)害中的臺(tái)風(fēng)災(zāi)害為例,設(shè)計(jì)災(zāi)害態(tài)勢(shì)要素提取框架模型以及態(tài)勢(shì)要素提取的基本原則,隨后采用主成分分析法對(duì)極端氣象災(zāi)害態(tài)勢(shì)的諸多的態(tài)勢(shì)要素進(jìn)行數(shù)據(jù)降維處理并提取關(guān)鍵態(tài)勢(shì)要素。鑒于主成分分析法中主成分權(quán)重確定具有明顯的主觀性[16,17],為此引入合作博弈的思想,將所確定的主成分影射為合作博弈中的局中人并以態(tài)勢(shì)要素權(quán)重誤差平方和最小作為合作博弈目標(biāo)函數(shù)構(gòu)建態(tài)勢(shì)要素權(quán)重優(yōu)化模型,并采用Shaply值法求解優(yōu)化,以此確定態(tài)勢(shì)要素權(quán)重的大小(客觀賦權(quán)),進(jìn)而為災(zāi)害態(tài)勢(shì)威脅指標(biāo)體系構(gòu)建提供科學(xué)依據(jù)。

1 臺(tái)風(fēng)災(zāi)害態(tài)勢(shì)要素提取描述框架

災(zāi)害態(tài)勢(shì)要素是指描述災(zāi)害事件發(fā)展演化的內(nèi)在因子和外部條件,而災(zāi)害態(tài)勢(shì)要素提取就是從海量災(zāi)害數(shù)據(jù)中剔出冗余數(shù)據(jù)進(jìn)而提取描述災(zāi)害狀態(tài)的關(guān)鍵特征要素,為災(zāi)害態(tài)勢(shì)威脅評(píng)估和態(tài)勢(shì)預(yù)測(cè)奠定基礎(chǔ)。當(dāng)影響災(zāi)害態(tài)勢(shì)的某些關(guān)鍵要素超過(guò)臨界點(diǎn)或遇到一定的觸發(fā)條件時(shí)會(huì)導(dǎo)致災(zāi)害事件發(fā)生,在未超過(guò)臨界點(diǎn)或者沒(méi)有被觸發(fā)前不會(huì)造成破壞作用。依據(jù)宏觀公共安全體系的“三角形模型”理論[18]可知:致災(zāi)體是指可能對(duì)人、物或社會(huì)系統(tǒng)帶來(lái)災(zāi)害性破壞的事件;承災(zāi)體是指致災(zāi)體作用的對(duì)象;救災(zāi)體是指預(yù)防或減少災(zāi)害事件發(fā)生及其后果的各種措施和手段。這樣致災(zāi)體、承災(zāi)體和救災(zāi)體構(gòu)成了三角形的三條邊,連接三條邊的節(jié)點(diǎn)為災(zāi)害要素,構(gòu)成了一個(gè)完整的閉環(huán)三角形框架。該框架描述了公共安全體系中最重要的3個(gè)方面,彼此之間相互影響和動(dòng)態(tài)互動(dòng)。由此可見(jiàn),災(zāi)害嚴(yán)重程度不僅與致災(zāi)體直接相關(guān),還與承災(zāi)體的脆弱性、救災(zāi)體的應(yīng)急能力密切相關(guān)。因此,需要從致災(zāi)體、承災(zāi)體和救災(zāi)體等3個(gè)方面對(duì)極端氣象災(zāi)害態(tài)勢(shì)要素進(jìn)行描述和提取。

1.1 災(zāi)害態(tài)勢(shì)要素提取的原則

極端氣象災(zāi)害態(tài)勢(shì)要素提取是指在造成極端氣象災(zāi)害的諸多要素中提取描述災(zāi)害態(tài)勢(shì)的關(guān)鍵特征要素、去除冗余要素,從而形成災(zāi)害態(tài)勢(shì)指標(biāo)體系,為災(zāi)害態(tài)勢(shì)威脅評(píng)估和態(tài)勢(shì)預(yù)測(cè)奠定基礎(chǔ)。因此,災(zāi)害態(tài)勢(shì)要素提取的本質(zhì)是一個(gè)特征要素篩選過(guò)程,即通過(guò)相關(guān)簡(jiǎn)約規(guī)則去除冗余要素,從而提取必要且關(guān)鍵的災(zāi)害態(tài)勢(shì)要素。為了全面、準(zhǔn)確地為極端氣象災(zāi)害態(tài)勢(shì)威脅評(píng)估和態(tài)勢(shì)預(yù)測(cè)提供數(shù)據(jù)支持,災(zāi)害態(tài)勢(shì)要素提取須遵循如下原則:全面性和相關(guān)性;可操作性和經(jīng)濟(jì)性;科學(xué)性和顯著性;魯棒性。

1.2 災(zāi)害態(tài)勢(shì)要素提取框架設(shè)計(jì)

依據(jù)范維澄院士提出的公共安全三角形理論,以臺(tái)風(fēng)災(zāi)害為例,設(shè)計(jì)如圖1所示的災(zāi)害態(tài)勢(shì)要素提取框架模型。從圖1可知,臺(tái)風(fēng)災(zāi)害態(tài)勢(shì)的描述涉及致災(zāi)體、承災(zāi)體和救災(zāi)體等3個(gè)方面的諸多要素。

在圖1中,所設(shè)計(jì)的框架模型列出了26個(gè)影響臺(tái)風(fēng)災(zāi)害態(tài)勢(shì)的要素,并且各態(tài)勢(shì)要素之間關(guān)系錯(cuò)綜復(fù)雜。倘若對(duì)每一個(gè)要素都加以考慮分析,勢(shì)必會(huì)對(duì)災(zāi)害態(tài)勢(shì)威脅評(píng)估和應(yīng)急處置的及時(shí)性造成影響,因此,有必要找到一種快速高效的態(tài)勢(shì)要素提取方法,在保障災(zāi)害原始信息盡量不損失或損失很少的情況下提取造成災(zāi)害的關(guān)鍵態(tài)勢(shì)要素,從而有利于對(duì)災(zāi)害態(tài)勢(shì)進(jìn)行快速威脅評(píng)估和快速應(yīng)急處置。

圖1 臺(tái)風(fēng)災(zāi)害態(tài)勢(shì)要素提取框架模型

2 基于主成分分析法的災(zāi)害態(tài)勢(shì)要素提取模型

2.1 主成分分析法極其改進(jìn)策略

主成分分析法(又稱(chēng)主分量分析法或主軸分析法)是由Hotelling[19]于1933年首次提出來(lái)的,是一種兼顧數(shù)據(jù)降維與特征提取的多元統(tǒng)計(jì)分析方法。其基本思路是將多個(gè)具有一定相關(guān)性的指標(biāo)通過(guò)線(xiàn)性變換轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)(主成分),其中每個(gè)主成分都能反映原始變量的大部分信息,而且所含信息相互不重復(fù)。該方法雖然具有上述優(yōu)點(diǎn),但也存在明顯不足即各主成分的權(quán)重確定帶有明顯的主觀性[16,17]。為了更好地發(fā)揮主成分分析法的數(shù)據(jù)降維優(yōu)勢(shì)并克服其不足,引入合作博弈理論構(gòu)建基于合作博弈的災(zāi)害態(tài)勢(shì)要素權(quán)重優(yōu)化模型(通過(guò)要素權(quán)重的大小提取關(guān)鍵態(tài)勢(shì)要素)即將確定的各主成分影射為合作博弈中的局中人,其可能的組合方式影射為策略集,以誤差平方和最小為目標(biāo)函數(shù),將臺(tái)風(fēng)災(zāi)害態(tài)勢(shì)要素提取問(wèn)題轉(zhuǎn)化為對(duì)態(tài)勢(shì)要素權(quán)重合作博弈模型的求解問(wèn)題。

合作博弈[20]所描述的情形是單個(gè)局中人為了克服自身的不足,為了最大限度提高自己的效用水平,具有與他人合作的動(dòng)機(jī)和行動(dòng),在合作中他們彼此交換情報(bào)、充分協(xié)商,并制定具有約束力的協(xié)議,從而形成穩(wěn)定的合作聯(lián)盟。合作博弈通常采用Shapley值法[21]求取,該法的最大優(yōu)點(diǎn)是Shapley值法的構(gòu)造是以合作博弈中局中人對(duì)聯(lián)盟的潛在貢獻(xiàn)為基礎(chǔ),充分體現(xiàn)了多勞多得、同工同酬和不勞不得的公平原則,從而有力保障了合作聯(lián)盟的長(zhǎng)期穩(wěn)定性[22]。

2.2 基于合作博弈的災(zāi)害態(tài)勢(shì)要素權(quán)重優(yōu)化策略描述

(1)局中人(主成分)

假設(shè)一項(xiàng)綜合評(píng)價(jià)中有k個(gè)主成分(即有k個(gè)主成分權(quán)重需要確定),那么這k個(gè)主成分就構(gòu)成災(zāi)害態(tài)勢(shì)要素權(quán)重博弈的局中人集合,記為K={i=1,2,…,k},其中,i∈K表示第i個(gè)主成分。

(2)博弈策略

集合K的任一子集C∈2K構(gòu)成的集合就形成合作博弈中的一個(gè)聯(lián)盟,結(jié)成聯(lián)盟的目的就是通過(guò)對(duì)不同主成分的權(quán)重相互博弈,最終實(shí)現(xiàn)降低總體權(quán)重誤差的目的。在主成分組成的所有聯(lián)盟中(聯(lián)盟用C表示),任意一個(gè)或幾個(gè)主成分都構(gòu)成聯(lián)盟的博弈策略,其集合記為Si。

(3)博弈收益

對(duì)特定的主成分來(lái)說(shuō),與其他主成分的不同組合可以形成不同的災(zāi)害態(tài)勢(shì)要素權(quán)重博弈聯(lián)盟,這些不同的組合聯(lián)盟將會(huì)產(chǎn)生一定的收益,該收益采用態(tài)勢(shì)要素權(quán)重誤差量的倒數(shù)來(lái)表示,即誤差越小,則收益越大。合作聯(lián)盟的收益記為P(C)。

(4)收益函數(shù)

定義1設(shè)主成分個(gè)數(shù)集合K={i=1,2,…,k},P(C)是定義在K的一切子集C上實(shí)值函數(shù),且滿(mǎn)足如下條件:

則P(C)定義為該聯(lián)盟的收益函數(shù),在態(tài)勢(shì)要素權(quán)重合作博弈過(guò)程中,收益函數(shù)用權(quán)重誤差的倒數(shù)來(lái)表示即誤差越小,其收益越大。另外,P({i})表示局中人i不結(jié)盟時(shí)的單獨(dú)收益。

假設(shè)由不同主成分組合成兩個(gè)不同的聯(lián)盟C,D∈K并且C∩D=Φ,聯(lián)盟C能獲得的最大收益記為P(C),聯(lián)盟D能獲得的最大收益記為P(D)。即使聯(lián)盟C和聯(lián)盟D在不合作的情況下也能取得最大收益P(C)+P(D),為此,如果這兩個(gè)聯(lián)盟進(jìn)行合作組成一個(gè)更大的聯(lián)盟M=C∪D,若式(8)成立,則這兩個(gè)聯(lián)盟有合作的可能,在經(jīng)濟(jì)學(xué)上稱(chēng)為超可加性(也稱(chēng)協(xié)同效應(yīng)),即所謂1+1＞2。

若一個(gè)聯(lián)盟不滿(mǎn)足超可加性,那么其成員也就沒(méi)有形成聯(lián)盟的動(dòng)機(jī),即使已形成的聯(lián)盟隨時(shí)都面臨著解散的風(fēng)險(xiǎn)。此外,P(C∪D)=P(C)+P(D)稱(chēng)為聯(lián)盟的可加性。

(5)博弈模型

災(zāi)害態(tài)勢(shì)要素權(quán)重博弈聯(lián)盟的形成是為了進(jìn)一步減少態(tài)勢(shì)要素權(quán)重的誤差,其模型可以表示為k個(gè)主成分之間的合作博弈:

其中,Vi為局中人i(即第i個(gè)主成分)在合作博弈中的效用函數(shù)即在一個(gè)特定的組合策略下局中人i期望得到的效用水平。對(duì)于k人合作博弈G={K,(Si)i∈K,(Vi)i∈K,P(C)},分配集中P(K)中不被任何分配優(yōu)超的分配全體稱(chēng)為核心[23]。一個(gè)合作博弈的核心是由滿(mǎn)足如下方程的全體支付向量組成:

其中,式(10)為個(gè)體理性條件即x提供給聯(lián)盟C的收益分配不少于C自身所得的總收益P(C);式(11)為集體理性條件即滿(mǎn)足式(11)的支付向量使合作成員最大限度地獲得合作帶來(lái)的好處。

在災(zāi)害態(tài)勢(shì)要素權(quán)重博弈中,第i個(gè)主成分確定災(zāi)害的第ξ個(gè)態(tài)勢(shì)要素(ξ=1,2,…,m)的權(quán)重記為ωξi,對(duì)應(yīng)的博弈方法確定的權(quán)重為ωξG,其誤差記為:

為滿(mǎn)足所有指標(biāo)誤差平方和最小的要求,構(gòu)造如下非線(xiàn)性規(guī)劃函數(shù):

(6)博弈目標(biāo)

態(tài)勢(shì)要素權(quán)重合作博弈的目標(biāo)就是要滿(mǎn)足整體權(quán)重誤差平方和最小,從而實(shí)現(xiàn)整體效用最大化。此處,局中人i的效用函數(shù)采用誤差的倒數(shù)表示即則博弈聯(lián)盟C的目標(biāo)函數(shù)具體如下:

3.3 合作博弈模型求解

采用Shapley值法求解上述合作博弈G應(yīng)該首先滿(mǎn)足如下3個(gè)公理[24]:

(1)有效性公理

假設(shè)對(duì)所有包含i的子聯(lián)盟C?K都有P(C{i})=P(C),則有P(C)=0;同時(shí),合作聯(lián)盟中所有成員收益滿(mǎn)足:為合作聯(lián)盟的總收益,該公理體現(xiàn)了不勞不得(即沒(méi)有貢獻(xiàn)就沒(méi)有收獲)的原則。

(2)對(duì)稱(chēng)性公理

假設(shè)局中人i∈K,j∈K,對(duì)任一的子聯(lián)盟C?K{i,j},總有P(C∪i)=P(C∪j),則有Pi=Pj。該條公理表明在合作博弈G中每一個(gè)局中人都是平等關(guān)系,體現(xiàn)了同工同酬的原則。

(3)累加性公理

對(duì)合作博弈G中任意兩個(gè)C?K,D?K,有Pi(C+D)=Pi(C)+Pj(D)。該條公理體現(xiàn)了多勞多得的原則即在合作博弈G中每一成員展開(kāi)了多項(xiàng)相互獨(dú)立的合作,則所得收益為各項(xiàng)獨(dú)立合作的收益之和。

如一個(gè)合作博弈G滿(mǎn)足上述3條公理,則Shapley值法可以確定G的唯一解而達(dá)成合作博弈之目標(biāo)即:

其中,|C|表示聯(lián)盟C中局中人的個(gè)數(shù);P(Ci)表示局中人i離開(kāi)聯(lián)盟C后聯(lián)盟的收益值。

3 實(shí)證分析

本文選取2006~2018年間對(duì)我國(guó)造成災(zāi)害損失的13個(gè)臺(tái)風(fēng)案例為樣本,具體數(shù)據(jù)如表1所示。臺(tái)風(fēng)采用編號(hào)表示,比如0608表示2006年第8號(hào)“桑美”臺(tái)風(fēng)。表1中的數(shù)據(jù)主要來(lái)源于《熱帶氣旋年鑒》[25]、《中國(guó)海洋災(zāi)害公報(bào)》[26]、《中國(guó)統(tǒng)計(jì)年鑒》[27]、中國(guó)臺(tái)風(fēng)網(wǎng)[31]、中國(guó)氣象數(shù)據(jù)網(wǎng)[32]、應(yīng)急管理部災(zāi)害統(tǒng)計(jì)數(shù)據(jù)庫(kù)[33]、中國(guó)統(tǒng)計(jì)信息網(wǎng)[28]。

表1 臺(tái)風(fēng)樣本數(shù)據(jù)

3.1 要素初始權(quán)重確定

采用MATLAB[29]編程求解各主成分特征值、特征向量、權(quán)重以及累計(jì)權(quán)重如表2所示。

從表2可知,前4個(gè)主成分的累計(jì)權(quán)重為83.21%,滿(mǎn)足大于80%的要求[30,31],因此可以選擇前4個(gè)主成分進(jìn)行臺(tái)風(fēng)災(zāi)害綜合態(tài)勢(shì)描述,即:

表2 各主成分特征值、特征向量及其累計(jì)權(quán)重

而每一主成分又由26個(gè)態(tài)勢(shì)要素線(xiàn)性構(gòu)成即

將式(11)代入式(10)得:

式(12)中F的系數(shù)參見(jiàn)表2(從右至左第2列),26個(gè)態(tài)勢(shì)要素系數(shù)的大小反應(yīng)了對(duì)災(zāi)害嚴(yán)重程度的影響,系數(shù)越大說(shuō)明對(duì)災(zāi)害影響越重要。另外,系數(shù)前面的正負(fù)號(hào)分別表示對(duì)災(zāi)害的正向影響和負(fù)向影響,比如態(tài)勢(shì)要素中心最低氣壓(x1)的系數(shù)為負(fù),表示臺(tái)風(fēng)中心氣壓越低,造成的災(zāi)害越嚴(yán)重。通過(guò)對(duì)26個(gè)態(tài)勢(shì)要素系數(shù)絕對(duì)值大小的比較,排名前10的關(guān)鍵態(tài)勢(shì)要素為:①中心最低氣壓(x1);②登錄最大風(fēng)速(x2);③每萬(wàn)人擁有醫(yī)療機(jī)構(gòu)床位數(shù)(x22);④臺(tái)風(fēng)持續(xù)時(shí)間(x3);⑤過(guò)程降雨量極值(x5);⑥農(nóng)作物種植面積(x7);⑦房屋總間數(shù)(x8);⑧日最大降雨量(x4);⑨風(fēng)暴增水極值(x6);⑩每萬(wàn)人醫(yī)護(hù)人員數(shù)(x21)。

3.2 基于合作博弈的災(zāi)害態(tài)勢(shì)要素權(quán)重優(yōu)化方法

現(xiàn)將描述極端氣象災(zāi)害態(tài)勢(shì)的4個(gè)主成分(F1,F2,F3,F4)構(gòu)成一個(gè)合作博弈的局中人集合,記為K={i=1,2,3,4},而4個(gè)主成分中的某一個(gè)或幾個(gè)所形成的集合構(gòu)成此合作博弈中的一個(gè)聯(lián)盟C,則該合作博弈的聯(lián)盟共有如下幾種形式:

上述聯(lián)盟的收益函數(shù)按照主成分中各自的權(quán)重求取,具體如下:

另外,將極端氣象災(zāi)害態(tài)勢(shì)要素提取的4個(gè)主成分的權(quán)重分別設(shè)為ω1,ω2,ω3,ω4,且滿(mǎn)足ω1+ω2+ω3+ω4=1,0≤ω1、ω2、ω3、ω4≤1,故 有P({F1,F2,F3,F4})=1。

上述合作博弈滿(mǎn)足Shapley值求解算法的3個(gè)公理,故依據(jù)方程(9)求解該合作博弈的核心如下:

同 理 可 求 得:ω2(P)=0.261 5;ω3(P)=0.127 4;ω4(P)=0.115 7

將所求的ω1(P),ω2(P),ω(P)3,ω4(P)代入下式:

則有:

式(14)中Fimproved的系數(shù)參見(jiàn)表2最后一列,排名前10的關(guān)鍵態(tài)勢(shì)要素為:①中心最低氣壓(x1);②日最大降雨量(x4);③登錄最大風(fēng)速(x2);④人口密度(x11);⑤農(nóng)作物種植面積(x7);⑥每萬(wàn)人擁有醫(yī)療機(jī)構(gòu)床位數(shù)(x22);⑦房屋總間數(shù)(x8);⑧過(guò)程降雨量極值(x5);⑨每萬(wàn)人醫(yī)護(hù)人員數(shù)(x21);⑩臺(tái)風(fēng)持續(xù)時(shí)間(x3)。此時(shí),根據(jù)式(13)求得最小總體誤差平方和為:

則最小總體誤差為e=0.083 6。

3.3 結(jié)果對(duì)比分析

改進(jìn)前后的前10個(gè)關(guān)鍵態(tài)勢(shì)要素如表3所示。通過(guò)結(jié)果對(duì)比分析,可以得出如下結(jié)論:

表3 模型改進(jìn)前后關(guān)鍵態(tài)勢(shì)要素提取結(jié)果對(duì)比

(1)所設(shè)計(jì)的災(zāi)害態(tài)勢(shì)要素提取模型是有效的。如前所述,為了完整地提取災(zāi)害關(guān)鍵態(tài)勢(shì)要素,需要從致災(zāi)體、承災(zāi)體和救災(zāi)體等三個(gè)方面進(jìn)行綜合考量。本文的災(zāi)害態(tài)勢(shì)要素提取模型本著這一要求進(jìn)行設(shè)計(jì),從提取結(jié)果來(lái)看,臺(tái)風(fēng)災(zāi)害10個(gè)關(guān)鍵態(tài)勢(shì)要素分別分布在致災(zāi)體、承災(zāi)體和救災(zāi)體之中,并且致災(zāi)體中的態(tài)勢(shì)要素占主導(dǎo)地位(超過(guò)一半),故模型構(gòu)建滿(mǎn)足了設(shè)計(jì)要求。另外,本模型提取結(jié)果與文獻(xiàn)[32]的分析結(jié)論基本一致,也間接說(shuō)明該模型是有效的和可行的。

(2)如表3所示,臺(tái)風(fēng)中心最低氣壓(x1)這個(gè)描述臺(tái)風(fēng)災(zāi)害的最為關(guān)鍵的態(tài)勢(shì)要素在提取模型改進(jìn)前后都排在了第一位的位置,這是符合科學(xué)事實(shí)的。根據(jù)臺(tái)風(fēng)形成原理可知,臺(tái)風(fēng)中心氣壓的高低是形成臺(tái)風(fēng)風(fēng)速大小和降雨量多少的內(nèi)在動(dòng)因。一般情況下,臺(tái)風(fēng)中心氣壓越低,空氣流動(dòng)就越快,從而形成的風(fēng)速和雨量越大,破壞力就越強(qiáng)。另外,從這13個(gè)臺(tái)風(fēng)樣本的實(shí)際情況來(lái)看,也符合這一規(guī)律即中心氣壓越低,所形成的風(fēng)速越強(qiáng),雨量也越大。

(3)從式(16)可知,第一、第二、第三、第四主成分的權(quán)重為45.33%、21.94%、8.55%、7.39%,而式(19)中前四個(gè)主成分的權(quán)重(49.54%、26.15%、12.74%、11.57%)與之存在較大差異,這是因?yàn)槭?19)給出的權(quán)重是基于合作博弈模型算出的,具有客觀性。另外,由于權(quán)重的變化,各態(tài)勢(shì)要素在表2中的排序也發(fā)生了明顯的變化,尤其是日最大降雨量(x4)由原來(lái)的第8位上升到了第2位(參見(jiàn)表3),為此排在前三位的核心態(tài)勢(shì)要素分別為:臺(tái)風(fēng)中心最低氣壓(x1)、日最大降雨量(x4)、臺(tái)風(fēng)登陸最大風(fēng)速(x2),這也是與實(shí)際情況相符的,因?yàn)榕_(tái)風(fēng)災(zāi)害的嚴(yán)重程度主要是由上述3個(gè)核心態(tài)勢(shì)要素造成的。

(4)態(tài)勢(shì)要素提取模型改進(jìn)后也出現(xiàn)了一些新問(wèn)題,需要進(jìn)一步探索和完善。比如該災(zāi)害態(tài)勢(shì)要素提取模型改進(jìn)后,影響災(zāi)害態(tài)勢(shì)的關(guān)鍵要素風(fēng)暴增水極值(x6)跌出了前10的位置(如表3所示,在模型改進(jìn)前x6雖然比較靠后,但仍處于第9位),這一點(diǎn)是違背臺(tái)風(fēng)災(zāi)害常識(shí)的。據(jù)相關(guān)資料統(tǒng)計(jì)[37,38],臺(tái)風(fēng)一般都會(huì)引發(fā)不同程度的風(fēng)暴潮,并且目前每年因臺(tái)風(fēng)引發(fā)較強(qiáng)風(fēng)暴潮的頻率有增大的趨勢(shì),為此造成的災(zāi)害損失也越來(lái)越嚴(yán)重。出現(xiàn)上述情況的原因大概有兩個(gè)方面:一方面可能是模型本身存在不足,比如在數(shù)據(jù)處理過(guò)程中,各指標(biāo)數(shù)據(jù)是按線(xiàn)性處理的,而實(shí)際上有些指標(biāo)數(shù)據(jù)之間可能是非線(xiàn)性的,這樣必然導(dǎo)致提取結(jié)果出現(xiàn)偏差;另一方面可能是本文采用的樣本數(shù)據(jù)太少(僅13個(gè)臺(tái)風(fēng)樣本),不具有完整的代表性。

4 結(jié)語(yǔ)

極端氣象災(zāi)害態(tài)勢(shì)要素提取是災(zāi)害態(tài)勢(shì)威脅評(píng)估和災(zāi)害態(tài)勢(shì)預(yù)測(cè)的前提和基礎(chǔ),大數(shù)據(jù)時(shí)代背景下,在海量的災(zāi)害數(shù)據(jù)中快速高效地提取災(zāi)害關(guān)鍵態(tài)勢(shì)要素尤為重要。本文從致災(zāi)體、承災(zāi)體和救災(zāi)體等三個(gè)方面設(shè)計(jì)了極端氣象災(zāi)害態(tài)勢(shì)要素提取框架模型,采用主成分分析法對(duì)影響極端氣象災(zāi)害態(tài)勢(shì)的關(guān)鍵要素進(jìn)行提取。鑒于主成分分析法在態(tài)勢(shì)要素權(quán)重確定過(guò)程中存在明顯的主觀性,引入合作博弈的思想,將各主成分映射為合作博弈中的局中人,從而設(shè)計(jì)了基于合作博弈的災(zāi)害態(tài)勢(shì)要素權(quán)重優(yōu)化方法。實(shí)證結(jié)果表明,改進(jìn)后的態(tài)勢(shì)要素提取模型更加合理和有效,也具有更強(qiáng)的解釋力。此外,改進(jìn)后的模型也存在不足之處,比如關(guān)鍵態(tài)勢(shì)要素x6(風(fēng)暴增水極值)沒(méi)有被提取,這與實(shí)際情況不太相符,故該提取模型需要進(jìn)一步的探索和完善,這為下一步的研究工作指明了方向?；跇O端氣象災(zāi)害態(tài)勢(shì)要素提取模型的優(yōu)化,通過(guò)推動(dòng)自然災(zāi)害類(lèi)突發(fā)事件監(jiān)測(cè)與預(yù)警理論創(chuàng)新,推動(dòng)應(yīng)急管理由注重災(zāi)后救助向注重災(zāi)前預(yù)防轉(zhuǎn)變,更好地從根本上減輕災(zāi)害風(fēng)險(xiǎn)。