基于隨機(jī)森林的突發(fā)事件分級模型研究*

徐緒堪，王　京

(1.河海大學(xué) 企業(yè)管理學(xué)院，江蘇 常州，213000；2.南京大學(xué) 信息管理學(xué)院，江蘇 南京，210023)

0　引言

近年來，國內(nèi)自然災(zāi)害、事故災(zāi)害等突發(fā)事件頻發(fā)，如2013年10月發(fā)生的“余姚水災(zāi)”、2015年6月發(fā)生的“常州特大暴雨”、2015年8月發(fā)生的“8·12天津濱海新區(qū)爆炸事故”等，隨著各類突發(fā)事件風(fēng)險的日益增多，相關(guān)應(yīng)急管理工作面臨著更高的要求和更大的挑戰(zhàn)。而在實際應(yīng)急管理工作中，突發(fā)事件的分級是快速響應(yīng)和有效應(yīng)對的基礎(chǔ)，如果應(yīng)急決策者無法快速、有效地識別突發(fā)事件的級別，在應(yīng)急預(yù)案和處置方案的選擇上，將缺乏針對性，甚至延誤救援時機(jī)[1]。目前，我國已初步建立起突發(fā)事件“四類四級”的總體框架，在《特別重大、重大突發(fā)公共事件分級標(biāo)準(zhǔn)》中，對自然災(zāi)害、事故災(zāi)害、公共衛(wèi)生事件和社會安全事件分級處置標(biāo)準(zhǔn)也做了相應(yīng)的規(guī)定。如在水旱災(zāi)害中，符合特別重大的情況為：一個流域發(fā)生特大洪水，或多個流域同時發(fā)生大水；大江大河干流重要河段堤防發(fā)生決口；重點大型水庫發(fā)生垮堤等。而特別重大地震災(zāi)害則為：造成300人以上死亡，直接經(jīng)濟(jì)損失占該省(區(qū)、市)上年國內(nèi)生產(chǎn)總值1%以上的地震；發(fā)生在人口較密集地區(qū)7.0級以上地震。從以上內(nèi)容可以看出，目前針對不同類型的突發(fā)事件，分級評估指標(biāo)也不相同，而對于水旱災(zāi)害，其分級標(biāo)準(zhǔn)仍以 “多個”、“重點”等模糊性描述詞為主，缺乏量化指標(biāo)，操作性不強(qiáng)，加之突發(fā)事件爆發(fā)本身具有的不確定性、動態(tài)性和復(fù)雜性等特點，突發(fā)事件分級面臨著分級寬泛、主觀性強(qiáng)、過程繁雜和動態(tài)適應(yīng)性弱等問題。一旦發(fā)生突發(fā)事件，難以快速、準(zhǔn)確地定位到相應(yīng)的突發(fā)事件級別，難以達(dá)到針對性地響應(yīng)和應(yīng)對。因此，本文嘗試通過建立相應(yīng)的突發(fā)事件分級模型，用以快速識別突發(fā)事件的級別，進(jìn)而在界定突發(fā)事件自身級別的基礎(chǔ)上，提升突發(fā)事件快速響應(yīng)和應(yīng)急的有效性。

在突發(fā)事件分級方面，國內(nèi)外學(xué)者已經(jīng)開展相關(guān)工作。國外方面，Dragan，Vladimir[2]指出，結(jié)合原因、后果、強(qiáng)度等標(biāo)準(zhǔn)可以完成突發(fā)事件分級；Kuma等[3]提出多維度突發(fā)事件分級方法；Schulz等[4]基于控制理論，設(shè)計能源類突發(fā)事件分類分級。國內(nèi)方面，薛瀾和鐘開斌[5]系統(tǒng)地探討了我國應(yīng)急管理體制框架的建立，在突發(fā)事件分級的問題上，指出分級標(biāo)準(zhǔn)需要依據(jù)事件的性質(zhì)、嚴(yán)重程度、可控性和影響范圍等4個要素加以確定和細(xì)化；宋莎莎等[6]將模糊層次法和聚類分析結(jié)合，以旱災(zāi)為例，確定了突發(fā)事件分級的度量指標(biāo)，完成了自動分級；吳鳳平、程鐵軍[7]在聚類分析方法的基礎(chǔ)上，提出了基于三角模糊數(shù)的灰色定權(quán)聚類方法，用以實現(xiàn)具有不確定性和模糊性的突發(fā)事件的分級；鐘茂華、陳寶智[8]采用神經(jīng)網(wǎng)絡(luò)分類方法，訓(xùn)練出重大危險源分類器；徐國等[9]以洪澇災(zāi)害應(yīng)急響應(yīng)級別為研究對象，基于C4.5算法獲得分級結(jié)果；商麗媛、譚清美[10]借助支持向量機(jī)在小樣本、高維和非線性樣本中的分類優(yōu)勢，將其引入突發(fā)事件分級研究中，并通過地震樣本數(shù)據(jù)加以驗證。

從以上現(xiàn)有研究可以看出，學(xué)者們借助統(tǒng)計學(xué)習(xí)理論中聚類和分類方法，在突發(fā)事件分級標(biāo)準(zhǔn)定量化和分級過程動態(tài)化上，取得了一定的成果。但就研究內(nèi)容而言，根據(jù)事后統(tǒng)計，分析事件嚴(yán)重程度或影響范圍，屬于靜態(tài)評估，在統(tǒng)計所耗時間和精確度上存在不足；就研究方法而言，一方面，聚類分析不依賴于預(yù)先定義的類別標(biāo)簽，這使得不同聚類分析方法下，突發(fā)事件分級結(jié)果存在差異；另一方面，由于目前突發(fā)事件在分級問題上多采用單分類器，導(dǎo)致突發(fā)事件分級結(jié)果面臨樣本擬合過度和分類精度低等風(fēng)險，為了避免聚類分析中分類標(biāo)準(zhǔn)的不確定性，改善單分類器在樣本選擇和參數(shù)設(shè)定上的局限，提高分類準(zhǔn)確率，采用多個分類器組合進(jìn)行分類，在機(jī)器學(xué)習(xí)領(lǐng)域得到了應(yīng)用[11]。隨機(jī)森林[12](Random Forest，RF)是一種組合分類器，它能很好的容忍異常值和噪聲，且不容易出現(xiàn)過度擬合，在分類精度上高于單分類器，目前已經(jīng)在多個領(lǐng)域得到應(yīng)用研究，如：Chen[13]基于隨機(jī)森林模型分析基因組數(shù)據(jù)；蔡加欣等[14]基于局部輪廓和隨機(jī)森林，完成人體行為識別；賴成光等[15]基于隨機(jī)森林，構(gòu)建風(fēng)險評價模型，并應(yīng)用于洪澇災(zāi)害評估領(lǐng)域。在分類分級的問題上，隨機(jī)森林也取得了一定的成果，郭東鋒等[16]實現(xiàn)了烤煙香型分類；馬玥等[17]研究了農(nóng)耕區(qū)土地利用分類；Dong等[18]使用隨機(jī)森林預(yù)測巖爆事件分級。因此，本文基于隨機(jī)森林方法在分類精度、擬合程度和樣本參數(shù)設(shè)定上的優(yōu)勢以及在多領(lǐng)域的應(yīng)用實踐，將其引入突發(fā)事件分級的問題中，以洪澇災(zāi)害事件為例，探索實現(xiàn)突發(fā)事件分級標(biāo)準(zhǔn)定量化和分級過程動態(tài)化的新途徑。

1　突發(fā)事件分級的隨機(jī)森林模型

1.1　隨機(jī)森林模型的建立

隨機(jī)森林是由多個決策樹{h(x,θn)}組成的分類器，其中x是輸入向量；θn是獨立同分布的隨機(jī)向量，n是分類樹個數(shù)。

隨機(jī)森林模型的構(gòu)建步驟如圖1所示：

1)隨機(jī)、有放回地從訓(xùn)練集S中抽取n個子訓(xùn)練樣本集組成分類樹，未被抽到的樣本組成袋外數(shù)據(jù)。

2)在n棵分類樹中，每1個分類樹節(jié)點處有m個特征指標(biāo)，從特征指標(biāo)中抽取變量mtry，其中mtry≤m，選擇最具有分類能力的變量完成分類樹的分裂。

3)不修剪分類樹，實現(xiàn)其最大限度地生長。

4)隨機(jī)森林分類器就由這些生長的分類樹組成，最終可獲得分類結(jié)果。

圖1　隨機(jī)森林模型Fig.1　Random forest model

1.2　基于隨機(jī)森林的突發(fā)事件分級過程

突發(fā)事件的分級是依據(jù)事件類別屬性而建立的。因此在選擇分級特征指標(biāo)時，需要立足于突發(fā)事件的共有特性，如事件性質(zhì)、嚴(yán)重程度和影響范圍等，形成隨機(jī)森林預(yù)測所需的屬性訓(xùn)練集。基于隨機(jī)森林的突發(fā)事件分級過程如圖2所示。

圖2　基于隨機(jī)森林的突發(fā)事件分級過程Fig.2　Emergency classification process based on random forests

1) 依據(jù)突發(fā)事件類別屬性挖掘共有特征，提取分級指標(biāo)，以洪澇災(zāi)害為例，依據(jù)事件性質(zhì)、嚴(yán)重程度和影響范圍等，選擇含受災(zāi)人口(萬人)、死亡人口(人)、房屋倒塌(萬間)、房屋損壞(萬間)、農(nóng)作物受災(zāi)面積(千公頃)、農(nóng)作物絕收面積(千公頃)和直接經(jīng)濟(jì)損失(億元)等7個特征變量。

2)根據(jù)分級指標(biāo)采集突發(fā)事件數(shù)據(jù)信息，構(gòu)成訓(xùn)練樣本集，本文主要從中華人民共和國民政部網(wǎng)站獲取2012—2016年洪澇災(zāi)害事件信息，以事件發(fā)生時間作為劃分訓(xùn)練樣本和待分級樣本依據(jù)，將2012—2015年洪澇事件劃分為訓(xùn)練數(shù)據(jù)，2016年洪澇事件則為待分級樣本。

3)借助隨機(jī)森林模型，輸入待分級對象指標(biāo)，主要借助R語言實現(xiàn)隨機(jī)森林參數(shù)設(shè)置和模型構(gòu)建。

4)完成分類學(xué)習(xí)，得到突發(fā)事件分級結(jié)果。

2　基于洪澇災(zāi)害的案例應(yīng)用分析

2.1　樣本選取

隨著國家自然災(zāi)害管理系統(tǒng)在我國災(zāi)情管理工作中日益普及，各省民政部門近年來已能夠較好地按照《自然災(zāi)害情況統(tǒng)計制度》中的時間節(jié)點規(guī)定進(jìn)行報送，從而在報災(zāi)系統(tǒng)中形成較為完整的災(zāi)情指標(biāo)時間序列，為研究洪澇災(zāi)害提供了必要的數(shù)據(jù)支撐和基礎(chǔ)[19]。因此，本文以中華人民共和國民政部門網(wǎng)站提供的洪澇災(zāi)害事件為例，選取了2012-2016年210個洪澇災(zāi)害數(shù)據(jù)，其中205個作為訓(xùn)練數(shù)據(jù)，5個作為測試數(shù)據(jù)，以此驗證隨機(jī)森林模型下突發(fā)事件分級方法的可行性。選取的洪澇災(zāi)害數(shù)據(jù)包括特征屬性7個：受災(zāi)人口(萬人)、死亡人口(人)、房屋倒塌(萬間)、房屋損壞(萬間)、農(nóng)作物受災(zāi)面積(千公頃)、農(nóng)作物絕收面積(千公頃)和直接經(jīng)濟(jì)損失(億元)，分別由a～g字母表示。由于我國特大洪澇災(zāi)害數(shù)據(jù)樣本較少，本文僅選取等級為嚴(yán)重、中等和一般3個級別的數(shù)據(jù)，分別以Ⅰ、Ⅱ、Ⅲ表示。部分?jǐn)?shù)據(jù)如表1所示。

表1　2014—2016年部分洪澇災(zāi)害數(shù)據(jù)

資料來源：中華人民共和國民政部

2.2　模型實現(xiàn)及參數(shù)設(shè)定

借助開源軟件R語言附帶的軟件程序包randomForest，對所構(gòu)建的隨機(jī)森林方法模型進(jìn)行分類預(yù)測。建立模型需要對參數(shù)mtry和ntree進(jìn)行設(shè)定。其中，參數(shù)mtry表示在分割數(shù)據(jù)時，抽取的變量數(shù)據(jù)，通常選擇解釋變量數(shù)目的平方根，本文輸入變量有7個，所以參數(shù)設(shè)置為2；ntree表示模型中包括的單棵樹數(shù)量，數(shù)量過多并不會對模型造成影響，一般建議不要小于100，本文將其設(shè)為10 000。

2.3　實證結(jié)果分析

使用上述參數(shù)mtry=2，ntree=10 000，對205個樣本進(jìn)行訓(xùn)練，得到隨機(jī)模型分類結(jié)果。同時，基于R語言附帶的e1071軟件程序包，實現(xiàn)支持向量機(jī)下樣本分類，得到2種方法下分類測試精度評估，如表2所示。

表2　測試精度評估

由表2可以看出，支持向量機(jī)方法下，Ⅰ類誤判數(shù)為26，Ⅱ類誤判數(shù)為14，Ⅲ類錯判數(shù)為24，總體分類精度為68.78%；隨機(jī)森林方法下，突發(fā)事件Ⅰ類誤判數(shù)為1，Ⅱ類誤判數(shù)為2，Ⅲ類誤判數(shù)為2，總體袋外數(shù)據(jù)誤差率為2.44%，總體精度為97.56%。與支持向量機(jī)相比，隨機(jī)森林誤判率低，總體分類精度高，在洪澇災(zāi)害事件分級上效果更為理想。

隨機(jī)森林的每棵分類樹都是有放回的重抽樣后生成，本身算法類似于交叉驗證，因此其結(jié)果內(nèi)含判別函數(shù)，可以直接使用R語言中的Predict函數(shù)，基于歷史數(shù)據(jù)對新的數(shù)據(jù)進(jìn)行判別和分類，實現(xiàn)突發(fā)事件分級問題的快速識別和實時更新。以“2016年4月20日強(qiáng)降雨致南方9省區(qū)15人死亡失蹤”為例，借助Predict函數(shù)實現(xiàn)預(yù)測，判別為Ⅰ，Ⅱ和Ⅲ的概率分別為88.68%，11.26%和0.06%，最終判別結(jié)果為Ⅰ?；诖藢?個測試樣本進(jìn)行分級預(yù)測，預(yù)測結(jié)果如表3所示。

表3　對測試樣本的分級結(jié)果

由表3可知，5個測試樣本中有3個測試結(jié)果與實際結(jié)果相同，結(jié)果表明：基于隨機(jī)森林多分類器的分級可較好地避免主觀性和隨意性，能快速有效識別突發(fā)事件，并完成動態(tài)分級，分級結(jié)果可為應(yīng)急決策部門提供信息支撐和參考。

3　結(jié)論

1)隨機(jī)森林作為機(jī)器學(xué)習(xí)的一種，其模型構(gòu)建的關(guān)鍵在于特征指標(biāo)的選擇。在洪澇災(zāi)害突發(fā)事件分級中，選用事件性質(zhì)、嚴(yán)重程度和影響范圍等共有特征提取分級指標(biāo)，完成洪澇災(zāi)害分級。

2)以洪澇災(zāi)害事件為例，基于隨機(jī)森林模型對樣本數(shù)據(jù)進(jìn)行處理和測試，結(jié)果表明其能較好地容忍異常值和噪聲，預(yù)測精度高于支持向量機(jī)，其在突發(fā)事件分級標(biāo)準(zhǔn)定量化和分級上是可行的。

3)借助隨機(jī)森林分類器，應(yīng)急決策部門可以根據(jù)采集到的事件數(shù)據(jù)信息，實時分析、更新事件級別，并采取相應(yīng)的措施，達(dá)到科學(xué)、合理地配置應(yīng)急資源的目的，最終降低突發(fā)事件帶來的損失和危害。

[1]楊靜，陳建明，趙紅. 應(yīng)急管理中的突發(fā)事件分類分級研究[J]. 管理評論，2005，17(4):37-41.

YANG Jing，CHEN Jianming，ZHAO Hong. Research on emergency classification in emergency management[J]. Journal of management review，2005，17(4):37-41.

[3]KUMAR V，MOVAHEDI B M，MOVAHEDI K M. E-Marketplace Emergence: Evolution，Developments and Classification[J]. Journal of Electronic Commerce in Organizations，2012，10(1):14-32.

[4]SCHULZ R P，PRICE W W. Classification and identification of power system emergencies[J]. IEEE Transactions on Power Apparatus & Systems，1984，PAS-103(12):3470-3479.

[5]薛瀾，鐘開斌. 突發(fā)公共事件分類、分級與分期:應(yīng)急體制的管理基礎(chǔ)[J]. 中國行政管理，2005(2):102-107.

XUE Lan，ZHONG Kaibin. Classification of types，levels and stages for emergencies: managerial foundation of government emergency response system[J]. Chinese Public Administration，2005(2):102-107.

[6]宋莎莎，戴鋒，衛(wèi)保璐. 基于模糊層次分析法和聚類分析的突發(fā)事件分級研究[J]. 科學(xué)決策，2010(10):68-72.

SONG Shasha，DAI Feng，WEI Baolu. A research of emergency classification based fuzzy AHP and cluster analysis[J]. Scientific Decision Making，2010(10):68-72.

[7]吳鳳平，程鐵軍. 基于改進(jìn)的灰色定權(quán)聚類分析的突發(fā)事件分級研究[J]. 中國管理科學(xué)，2013(s1):110-113.

WU Fengping，CHENG Tiejun. The classification of emergency based on improved gray clustering model[J]. Chinese journal of management Science，2013(s1):110-113.

[8]鐘茂華，陳寶智. 基于神經(jīng)網(wǎng)絡(luò)的重大危險源動態(tài)分級研究[J]. 中國安全科學(xué)學(xué)報，1997(2):6-9.

ZHONG Maohua，CHEN Baozhi. Study in dynamic risk classification of major hazards based on neural networks[J]. China Safety Science Journal，1997(2):6-9.

[9]徐國，烏云，王儒敬,等. 基于C4.5算法的洪澇災(zāi)害應(yīng)急響應(yīng)級別分析[J]. 計算機(jī)系統(tǒng)應(yīng)用，2012，21(4):55-58.

XU Guo,WU Yun,WANG Rujing，et al. Flood disaster emergency response level analysis based on C4.5 algorithm[J]. Computer systems and application，2012，21(4):55-58.

[10]商麗媛，譚清美. 基于支持向量機(jī)的突發(fā)事件分級研究[J]. 管理工程學(xué)報，2014，28(1):119-123.

SHANG Liyuan，TAN Qingmei. Emergency classification based on support vector machine[J]. Journal of management engineering，2014，28(1):119-123.

[11]DIETTERICH T G. Ensemble methods in machine learning[J]. Proc. 1st International Workshgp on Multiple Classifier Systems，2000，1857(1):1-15.

[12]BREIMAN L. Random Forests[J]. Machine Learning，2001，45(1):5-32.

[13]CHEN X，ISHWARAN H. Random forests for genomic data analysis[J]. Genomics，2012，99(6):323-329.

[14]蔡加欣，馮國燦，湯鑫,等. 基于局部輪廓和隨機(jī)森林的人體行為識別[J]. 光學(xué)學(xué)報，2014，34(10):204-213.

CAI Jiaxin，F(xiàn)ENG Guocan，TANG Xin，et al. Human action recognition based on local image contour and random forest[J]. Acta Optica Sinica，2014，34(10):204-213.

[15]賴成光，陳曉宏，趙仕威,等. 基于隨機(jī)森林的洪災(zāi)風(fēng)險評價模型及其應(yīng)用[J]. 水利學(xué)報，2015，46(1):58-66.

LAI Chengguang，CHEN Xiaohong,ZHAO Shiwei，et al. A flood risk assessment model based on random forest and its application[J]. Journal of Hydraulic Engineering，2015，46(1):58-66.

[16]郭東鋒，胡海洲，汪季濤,等. 基于隨機(jī)森林的烤煙香型分類研究[J]. 中國農(nóng)學(xué)通報，2015，31(6):241-246.

GUO Dongfeng,HU Haizhou,WANG Jitao，et al. Study on the classification of flue-cured tobacco based on the random forest algorithm[J].Chinese Agricultural Science Bulletin，2015，31(6):241-246.

[17]馬玥,姜琦剛,孟治國,等. 基于隨機(jī)森林算法的農(nóng)耕區(qū)土地利用分類研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報,2016(1):297-303.

MA Yue，JIANG Qigang，MENG Zhiguo，et al. Classification of land use in farming area based on random forest algorithm[J]. Transactions of the Chinese Society for Agricultural Machinery，2016(1):297-303.

[18]DONG L J，L I X B，PENG K. Prediction of rockburst classification using Random Forest[J]. Transactions of Nonferrous Metals Society of China，2013，23(2):472-477.

[19]張鵬，郭邵俊，劉哲，等. 重大洪澇災(zāi)害過程災(zāi)情時變模式挖掘[J].自然災(zāi)害學(xué)報，2014，23(4)：13-18.

ZHANG Peng,GUO Shaojun,LIU Zhe,et al.Tapping the temporal pattern of diaster loss data on critical floods[J].Journal of natrual of natrual diaseters,2014,23(4):13-18.