災(zāi)害應(yīng)急物資需求預(yù)測(cè)模型研究

傅志妍　陳　堅(jiān)

摘要:災(zāi)害應(yīng)急物流管理是災(zāi)害應(yīng)急管理體系中的重要組成部分,而災(zāi)害應(yīng)急物資需求預(yù)測(cè)則是災(zāi)害應(yīng)急物流管理的前提條件,“5.12汶川地震”更突出了其在災(zāi)害應(yīng)急物流管理中的重要作用。針對(duì)傳統(tǒng)災(zāi)害應(yīng)急物資需求預(yù)測(cè)方法的不足,基于歸一化處理后的歐氏算法,尋求最佳相似源案例,以確定源案例中的關(guān)鍵因素,建立了案例推理——關(guān)鍵因素模型,為目標(biāo)案例進(jìn)行災(zāi)害應(yīng)急物資需求預(yù)測(cè)。最后將該模型運(yùn)用于“汶川地震”的實(shí)例中,進(jìn)行物資需求預(yù)測(cè),驗(yàn)證了模型科學(xué)有效。

關(guān)鍵詞:應(yīng)急物資;案例推理;關(guān)鍵因素;歐氏算法;需求預(yù)測(cè)模型

中圖分類(lèi)號(hào):F252文獻(xiàn)標(biāo)識(shí)碼:A

Abstract: Emergency logistics management in disaster is an important part of disaster emergency management system. Emergency material demand forecast in disaster is a prerequisite for disaster emergency logistics management, whose importance is highlighted in“5.12 earthquake in Wenchuan”. This paper addressed oneself to the deficient of traditional methods of emergency material demand forecasts, came up with the best similar source cases by normalization of the Euclidean algorithm and determined the key factors in the source case, and then established case-based reasoning-the key factor model to forecast emergency material demands for objective case. Finally, the model is used in“Wenchuan earthquake”example to forecast material demand to verify the scientific and effectiveness of the model.

Key words: emergency materials; case-based reasoning; key factors; euclidean algorithm; material demand model

0引言

“5.12汶川大地震”造成災(zāi)區(qū)交通、通訊中斷,災(zāi)區(qū)成為一座座陸地“孤島”,災(zāi)區(qū)物資需求信息無(wú)法獲取,對(duì)應(yīng)急物資的籌集、供應(yīng)造成重大影響。災(zāi)害應(yīng)急物資需求預(yù)測(cè)的準(zhǔn)確性直接關(guān)系到救災(zāi)實(shí)施效率。傳統(tǒng)災(zāi)害物資需求預(yù)測(cè)僅以專(zhuān)家經(jīng)驗(yàn)判斷為主,尚沒(méi)有成熟的預(yù)測(cè)方法,加上突發(fā)事件具有非例行性、不確定性等特點(diǎn),更增加了對(duì)應(yīng)急物資需求預(yù)測(cè)研究的難

度[1-2]。但是,當(dāng)突發(fā)事件類(lèi)型相同、發(fā)生環(huán)境相似、處理方式相同的前提條件下,應(yīng)急物資的需求也具有相近性,因此可以考慮利用歷史數(shù)據(jù)建立案例庫(kù),通過(guò)選取相似源案例并從中抽取決定物資需要的關(guān)鍵因素,考慮此次災(zāi)區(qū)基本情況,建立案例推理——關(guān)鍵因素模型進(jìn)行災(zāi)害應(yīng)急物資需求預(yù)測(cè)。

1災(zāi)害應(yīng)急物資需求內(nèi)容

(1)應(yīng)急物資的數(shù)量需求。災(zāi)害應(yīng)急物資的數(shù)量需求是物資需求內(nèi)容中最基本、最重要的,指突發(fā)災(zāi)害事件發(fā)生后,為保障災(zāi)區(qū)人民的基本生活物資需求所必需的最小的物資需求數(shù)量[3]。如汶川地震事件中某一地區(qū)一天需要“方便面1 000箱,礦泉水2 000箱”等。

(2)應(yīng)急物資的質(zhì)量需求。應(yīng)急物資的質(zhì)量需求是指物資供應(yīng)的及時(shí)性、物資供應(yīng)數(shù)量的準(zhǔn)確性、物資的安全性和成本等方面的要求。如地震事件中造成災(zāi)區(qū)交通中斷,物資的及時(shí)供應(yīng)受到阻礙;而信號(hào)中斷則給物資需求數(shù)量的信息收集造成困難,這些都屬于應(yīng)急物資的質(zhì)量需求。

(3)應(yīng)急物資的結(jié)構(gòu)需求。物資的結(jié)構(gòu)需求主要是指需求的各類(lèi)物資之間的結(jié)構(gòu)比例關(guān)系,用一個(gè)相對(duì)的指標(biāo)來(lái)刻畫(huà),通常用數(shù)量比來(lái)表示。突發(fā)事件的類(lèi)型通常決定著物資的結(jié)構(gòu)需求,不同類(lèi)型的突發(fā)事件需要不同種類(lèi)的物資需求組合。如在抗震救災(zāi)中,對(duì)傷員進(jìn)行緊急搶救時(shí),不僅要考慮到醫(yī)藥品的需求量,同時(shí)還要考慮到一定比例的配套醫(yī)療器械的需求量,這些不同類(lèi)型的物資之間存在著一定的數(shù)量比例關(guān)系。

2案例推理——關(guān)鍵因素模型

案例推理技術(shù)首先是對(duì)目標(biāo)案例進(jìn)行數(shù)學(xué)特征描述,根據(jù)這些特征,采用歸一化后的歐氏算法從案例庫(kù)中檢索出最佳相似案例,然后確定出決定物資需要的關(guān)鍵因素,再根據(jù)源案例中相關(guān)關(guān)鍵因素的數(shù)據(jù),構(gòu)建案例推理——關(guān)鍵因素模型進(jìn)行目標(biāo)案例的物資需求預(yù)測(cè)(如圖1所示)。

2.1案例的表示

假設(shè)案例庫(kù)中有n個(gè)案例,記源案例集為C=C,C,…,C;每個(gè)案例有m個(gè)屬性,記屬性集為F=F,F,…,F;屬性集F的影響權(quán)重集為ω=ω,ω,…,ω,且滿(mǎn)足ω=1,j=1,2…,m;記新目標(biāo)案例為T(mén)=T,T,…,T,構(gòu)造屬性矩陣如下:X=

式中,X代表第i個(gè)案例的第j個(gè)屬性值。

2.2最佳相似源案例的確定

本文采用相似度計(jì)算方法——?dú)W氏距離算法來(lái)確定最相似源案例,在運(yùn)用歐式距離算法之前,把案例屬性值按照某種函數(shù)歸一化到某一無(wú)量綱區(qū)間并且使所有相關(guān)屬性歸一化到同一數(shù)量級(jí)內(nèi),以便計(jì)算結(jié)果更能準(zhǔn)確地反應(yīng)源案例與目標(biāo)案例之間的匹配程度[4-6]。

(1)屬性值歸一化。由于多數(shù)情況下各因素量綱不同且有時(shí)屬性間的數(shù)量級(jí)懸殊,故需要對(duì)原始矩陣的數(shù)據(jù)進(jìn)行歸一化處理,從而使得每一指標(biāo)值統(tǒng)一于某種共同的數(shù)值特性范圍。

X=(1)

式中:

X為指標(biāo)i的無(wú)量綱值,X為指標(biāo)i的實(shí)際值。X、X指原始指標(biāo)最大和最小值。

(2)屬性值權(quán)重的計(jì)算。==X V=

則各屬性值的權(quán)重為:ω=, j=1,2,…,m

(3)歐氏距離算法。歐氏距離公式如下:d=ωX-T

式中,T為目標(biāo)案例第j個(gè)屬性的值,d為新目標(biāo)案例T與源案例庫(kù)中第i個(gè)案例之間的歐氏距離,d 越小說(shuō)明它們之間越相似。

屬性值歸一化后,采用以下公式計(jì)算案例相似度,確定最佳相似案例。

d=ωX-T (2)

2.3關(guān)鍵因素確定及相關(guān)需求預(yù)測(cè)

(1)關(guān)鍵因素確定。確定最近相似源案例后,分析其物資需求的品類(lèi)和結(jié)構(gòu),抽取出決定主要物資需求的關(guān)鍵因素,如災(zāi)區(qū)人口數(shù)量、災(zāi)區(qū)面積等。

假設(shè)最近相似源案例中,主要物資需求品類(lèi)有食品類(lèi)、衣物類(lèi)、工程器械類(lèi)3種,其中食品類(lèi)、衣物類(lèi)的物資需求量都是由災(zāi)區(qū)人口數(shù)量直接決定的,而工程機(jī)械類(lèi)需求量則由受損的道路面積、房屋面積等決定,因此關(guān)鍵因素即為災(zāi)區(qū)人口數(shù)量和道路面積。

(2)目標(biāo)案例的物資需求預(yù)測(cè)。假設(shè)最近相似源案例中的災(zāi)區(qū)人口數(shù)量為M,受損道路面積為S,食物類(lèi)、衣物類(lèi)、工程機(jī)械類(lèi)需求數(shù)量分別為N、N、N。K、K、K分別為食品需求量與人口數(shù)量比、衣物需求量與人口數(shù)量比、工程器械需求量與道路面積比,即K=,K=,K=;目標(biāo)案例中的災(zāi)區(qū)人口數(shù)量為M,受損道路面積為S。

則目標(biāo)案例中食物類(lèi)、衣物類(lèi)、工程機(jī)械類(lèi)的需求數(shù)量N、N、N的確定如下:

2.4模型構(gòu)建

基于案例推理——關(guān)鍵因素模型,確定應(yīng)急物資需求預(yù)測(cè)模型的步驟如下:

Step1:根據(jù)案例推理技術(shù),對(duì)案例進(jìn)行數(shù)學(xué)表示;

Step2:引入歸一化效用函數(shù),對(duì)屬性值進(jìn)行歸一化處理;

Step3:應(yīng)用歐氏距離算法,確定最佳相似源案例;

Step4:分析最佳相似源案例及災(zāi)區(qū)實(shí)際情況,確定關(guān)鍵因素;

Step5:根據(jù)關(guān)鍵因素,對(duì)目標(biāo)案例進(jìn)行相應(yīng)的物資需求預(yù)測(cè)。

2.5實(shí)例分析

以汶川地震發(fā)生后的應(yīng)急物資需求預(yù)測(cè)為例,設(shè)案例庫(kù)中有3個(gè)地震事件的物資需求案例,即C=C,C,C,每個(gè)案例C中都包含有過(guò)去某次地震事件中的物資需求信息,包括物資的數(shù)量需求、質(zhì)量需求和結(jié)構(gòu)需求。假設(shè)每次地震事件中應(yīng)對(duì)目標(biāo)、應(yīng)對(duì)方式和應(yīng)對(duì)過(guò)程都相同,則影響物資需求的因素只與地震突發(fā)事件的情景信息有關(guān),抽取4個(gè)主要的情景特征因素,F=震級(jí)大小,地震持續(xù)時(shí)間,地震波及范圍,震區(qū)人口密度。目標(biāo)案例汶川地震的4個(gè)屬性值分別為8里氏、60秒、10萬(wàn)平方公里、26人/平方公里[7]。即T=T,T,T,T=8,60,10,26。

3個(gè)源案例的屬性值矩陣如下:X==

由式(1)可得:X=;T=1,1,1,0.6

最后可計(jì)算得目標(biāo)案例與3個(gè)源案例的相似度:d=0.65;d=0.44;d=0.74

通過(guò)比較各相似度的大小,可得汶川地震事件與案例C比較相似,所以,此次地震事件的物資需求預(yù)測(cè)可參照案例C的關(guān)鍵因素比值。

案例C中M=50 000(人),S=1 000(平方公里),N=10 000(噸),N=60 000(件),N=500(輛);M=60 000(人),S=1 500(平方公里)。由式(3)、(4)、(5)可得目標(biāo)案例的物資需求預(yù)測(cè)結(jié)果:N=12 000(噸),N=72 000(件),N=750(輛)。

3結(jié)束語(yǔ)

本文運(yùn)用歸一化處理后的歐氏算法,尋求最佳相似源案例,并根據(jù)目標(biāo)案例的實(shí)際情況確定關(guān)鍵因素,建立了案例推理——關(guān)鍵因素物資需求預(yù)測(cè)模型。同時(shí)將模型運(yùn)用于“汶川地震”實(shí)例分析中,驗(yàn)證了模型的科學(xué)、有效性。但該模型僅對(duì)災(zāi)害應(yīng)急物資的數(shù)量需求進(jìn)行了預(yù)測(cè),質(zhì)量需求和結(jié)構(gòu)需求在模型中的體現(xiàn)有待于進(jìn)一步研究。

參考文獻(xiàn):

[1]Linet Ozdamar. Emergency Logistics Planning in Natural Disasters[J]. Annals of Operations Research, 2004(129):217-245.

[2]Derere L. Case-based Reasoning: Diagnosis of Faults in Complex Systems Through Reuse of Experience[Z]. In: Test Conference, Proceedings, International, 2000.

[3] 劉寶旋,趙瑞清,王綱. 不確定規(guī)劃及應(yīng)用[M]. 北京:清華大學(xué)出版社,2003.

[4] 楊慶芳,李善梅,等. 城市交通控制與誘導(dǎo)系統(tǒng)協(xié)同效果評(píng)價(jià)方法[J]. 交通與計(jì)算機(jī),2006(24):1-4.

[5] 郭瑞鵬. 應(yīng)急物資動(dòng)員決策的方法與模型研究[D]. 北京:北京理工大學(xué),2006.

[6] 羅忠良,王克運(yùn),康仁科,等. 基于案例推理系統(tǒng)中案例檢索算法的探索[J]. 計(jì)算機(jī)工程與應(yīng)用,2005(25):230-232.

[7] 唐曉春. 四川5?12地震災(zāi)害鏈探討[J]. 西南民族大學(xué)學(xué)報(bào):自然科學(xué)版,2008(34):1091-1095.