基于超限學(xué)習(xí)機(jī)的應(yīng)急物資分級(jí)研究

許成瑞,馮 云,汪貽生

(中國人民解放軍陸軍勤務(wù)學(xué)院 軍事物流系， 重慶 401331)

應(yīng)急物資是指為應(yīng)對(duì)嚴(yán)重自然災(zāi)害、突發(fā)性公共衛(wèi)生事件、公共安全事件及軍事沖突等突發(fā)公共事件應(yīng)急處置過程中所必需的保障性物資[1]。在《應(yīng)急保障重點(diǎn)物資分類目錄(2015年)》(后文中簡(jiǎn)稱《目錄》)中，將應(yīng)急物資分為四個(gè)層級(jí)：第一層級(jí)主要體現(xiàn)應(yīng)急保障工作的重點(diǎn)，分為現(xiàn)場(chǎng)管理與保障、生命救援與生活救助、工程搶險(xiǎn)與專業(yè)處置3個(gè)大類；第二層級(jí)將保障重點(diǎn)按照不同的應(yīng)急任務(wù)進(jìn)一步分解為16個(gè)中類；第三層級(jí)將為完成特定任務(wù)涉及的主要作業(yè)方式或物資功能細(xì)分為65個(gè)小類；第四層級(jí)針對(duì)每一個(gè)小類提出了若干種重點(diǎn)應(yīng)急物資名稱，體現(xiàn)了各類作業(yè)所需的工具、材料、裝備、用品等支撐條件。

上述應(yīng)急物資分類方法雖然結(jié)構(gòu)清晰、易于擴(kuò)展、方便實(shí)用，但是對(duì)于應(yīng)急物流運(yùn)輸過程中應(yīng)急物資的需求等級(jí)并沒有進(jìn)行分級(jí)研究。若想讓應(yīng)急物資在突發(fā)情況時(shí)真正發(fā)揮其應(yīng)有的作用，應(yīng)該考慮應(yīng)急物資間在需求等級(jí)上的存在的差別，包括時(shí)間階段、運(yùn)送能力和實(shí)效性等因素來確定應(yīng)急物資的需求等級(jí)，以便針對(duì)不同等級(jí)的應(yīng)急物資制定不同的調(diào)度方案，提高救援效率。

對(duì)于應(yīng)急物資分類分級(jí)問題，國內(nèi)一些學(xué)者運(yùn)用了模糊聚類[2-3]、后驗(yàn)概率支持向量機(jī)(PPSVM)[4]、模糊綜合評(píng)判[5]、投影尋蹤以及后向傳遞(BP)神經(jīng)網(wǎng)絡(luò)方法等[6]對(duì)應(yīng)急物資進(jìn)行分類分級(jí)研究，取得了一些成果，但存在以下不足：① 模糊聚類和模糊綜合評(píng)判等方法計(jì)算較為繁瑣，在計(jì)算指標(biāo)和權(quán)重方面存在較高的主觀成分；② BP神經(jīng)網(wǎng)絡(luò)算法和后驗(yàn)概率支持向量機(jī)學(xué)習(xí)速率較慢、逼近效果不明顯，容易陷入局部最優(yōu)；③ 部分算法訓(xùn)練參數(shù)較多，過于復(fù)雜，不具有良好的泛化能力。

本文提出運(yùn)用超限學(xué)習(xí)機(jī)方法(ELM)進(jìn)行對(duì)《目錄》中第三層級(jí)的65個(gè)小類進(jìn)行應(yīng)急物資分級(jí)研究。該方法是一種基于單層前饋神經(jīng)網(wǎng)絡(luò)(SLFN)，簡(jiǎn)單易用、有效的機(jī)器學(xué)習(xí)算法，擁有訓(xùn)練參數(shù)少、計(jì)算速率快和泛化能力好等優(yōu)勢(shì)，相比于支持向量學(xué)習(xí)機(jī)、BP神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)算法具有更快的學(xué)習(xí)速度和更好的逼近能力。如果將此算法應(yīng)用到應(yīng)急物資分類分級(jí)問題中，可以為此類問題的研究提供新的思路。

1 應(yīng)急物資分級(jí)必要性及評(píng)價(jià)體系

1.1 應(yīng)急物資分級(jí)必要性

1) 實(shí)際的應(yīng)急救災(zāi)中，應(yīng)急物資的種類多種多樣，如果將所有應(yīng)急物資視為同一情況運(yùn)送，這可能會(huì)將需求等級(jí)較低的物資與需求等級(jí)較高的物資一同運(yùn)送到救災(zāi)點(diǎn)，一方面既占有了有效的應(yīng)急運(yùn)送資源，在應(yīng)急物資到達(dá)時(shí)，對(duì)于需求等級(jí)較低的應(yīng)急物資如果沒有及時(shí)分配，會(huì)妨礙應(yīng)急救援工作；另一方面又會(huì)降低需求等級(jí)高的應(yīng)急物資應(yīng)該發(fā)揮的價(jià)值。

2) 應(yīng)急救援中，由于不同救援時(shí)間階段對(duì)應(yīng)的運(yùn)輸能力是不同的，在多數(shù)情況下沒有能力將所有的物資都運(yùn)送到救災(zāi)點(diǎn)，所以不能盲目追求將所有物資都作為第一時(shí)間的運(yùn)輸對(duì)象，因此要有針對(duì)性的、分階段的將物資分級(jí)處理，以達(dá)到更高的救援效率。

3) 《目錄》是為了方便應(yīng)急準(zhǔn)備、指導(dǎo)救援一線應(yīng)對(duì)和規(guī)范化、標(biāo)準(zhǔn)化應(yīng)急保障工作的，并沒有對(duì)應(yīng)急物資需求的緊迫程度進(jìn)行分級(jí)。目前的分類主要按照使用范圍、用途和種類分類，雖然能促進(jìn)應(yīng)急產(chǎn)業(yè)發(fā)展，指導(dǎo)應(yīng)急物資存儲(chǔ)管理，但對(duì)于真正的運(yùn)送和調(diào)度借鑒意義不大。

綜合以上三點(diǎn)可知，如何對(duì)應(yīng)急物資進(jìn)行合理有效的分類分級(jí)，將有助于提高應(yīng)對(duì)突發(fā)公共事件的運(yùn)輸和調(diào)度效率。

1.2 建立應(yīng)急物資分級(jí)評(píng)價(jià)體系

由于涉及應(yīng)急物資分級(jí)研究的影響因素比較多，在考慮突發(fā)事件的處理流程和應(yīng)急物資的各方面特點(diǎn)情況基礎(chǔ)上，深入了解應(yīng)急物資的需求特點(diǎn)，建立了如圖1所示的應(yīng)急物資分級(jí)評(píng)價(jià)體系。該評(píng)價(jià)體系共分為兩層，第一層是一級(jí)指標(biāo)，為應(yīng)急物資的重要性、稀缺性和時(shí)效性[7]，是評(píng)價(jià)后得到的主要輸入值。第二層為一級(jí)指標(biāo)相應(yīng)的影響因子，對(duì)于三個(gè)一級(jí)指標(biāo)都具有不同的二級(jí)指標(biāo)。專家對(duì)每一項(xiàng)二級(jí)指標(biāo)打分后，通過計(jì)算得到的平均值作為一級(jí)指標(biāo)。

1) 重要性指的是該種應(yīng)急物資在突發(fā)公共事件中能夠發(fā)揮的作用，體現(xiàn)了此類應(yīng)急物資在突發(fā)公共事件中的重要程度。一般情況下，例如生命搜救設(shè)備、氣液壓動(dòng)力設(shè)備等與生命救援相關(guān)性比較高的重要性都比較大。該一級(jí)指標(biāo)下包含有物資不可替代性、物資價(jià)格、應(yīng)急效果影響程度和缺貨損失四個(gè)細(xì)化的二級(jí)指標(biāo)。

2) 稀缺性指的是該種應(yīng)急物資可獲得的難易程度，反映了此類物資在突發(fā)公共事件中的稀缺程度。如果某種物資不能在事發(fā)地輕易獲取，需要從外地調(diào)取，這種物資的稀缺性就比較大。相反，如果在當(dāng)?shù)鼐涂梢詽M足該物資的需求，稀缺性就比較小。稀缺性越大的物資相應(yīng)的需求級(jí)別也就越高。該指標(biāo)下包含了采購困難度、庫存缺貨率、供應(yīng)商供貨能力和調(diào)運(yùn)困難度四個(gè)二級(jí)指標(biāo)。

3) 時(shí)效性指的是該種應(yīng)急物資受時(shí)間的影響程度，隨著時(shí)間的消逝，其對(duì)突發(fā)公共事件所起到的作用效果減弱，體現(xiàn)了此類物資對(duì)時(shí)間需求的緊迫程度。通常，很多應(yīng)急物資在救援時(shí)間過去一段之后，對(duì)救援產(chǎn)生的效果都會(huì)減弱。例如地質(zhì)災(zāi)害發(fā)生后的“黃金72小時(shí)”中破拆起重設(shè)備、傷員固定與轉(zhuǎn)運(yùn)等設(shè)備對(duì)于這“黃金72小時(shí)”來說時(shí)間緊迫性就很大，當(dāng)過了這“黃金72小時(shí)”之后，這些設(shè)備所起到的效果將會(huì)逐漸減小[8]。時(shí)效性越高說明該類物資對(duì)時(shí)間的需求緊迫性越大。該指標(biāo)包含了需求緊急度和需求階段性兩個(gè)二級(jí)指標(biāo)。

2 超限學(xué)習(xí)機(jī)算法

超限學(xué)習(xí)機(jī)(Extreme Learning Machine,ELM)，是由黃廣斌[9]博士提出來的，該學(xué)習(xí)方法具有高速和高效的特性，能夠避免冗雜的迭代學(xué)習(xí)過程。ELM是一個(gè)單隱層前饋神經(jīng)網(wǎng)絡(luò)，它能保證算法具有良好的泛化表現(xiàn)的同時(shí)，又可以避免傳統(tǒng)算法造成的學(xué)習(xí)繁瑣問題，例如隨機(jī)設(shè)定參數(shù)、容易陷入局部最優(yōu)等。

Sun等[10]和Meng等[11]將ELM算法應(yīng)用到多分類問題中。解決該問題有很多關(guān)鍵點(diǎn)，首先是從單極轉(zhuǎn)化為雙極表示的輸入過程。對(duì)應(yīng)輸入序列多分類輸出通常用“-1”和“1”表示每類的特征值，“1”表示與輸入樣本相關(guān)較大的指標(biāo)，“-1”表示相關(guān)小的指標(biāo)。第二步是通過訓(xùn)練集得到ELM網(wǎng)絡(luò)結(jié)構(gòu)。如圖2所示，ELM是一個(gè)三層神經(jīng)網(wǎng)絡(luò)，而且僅有一個(gè)隱層。設(shè)ELM的隱層神經(jīng)元數(shù)量為L(zhǎng)，激活函數(shù)為g(x)。

ELM多指標(biāo)分類學(xué)習(xí)網(wǎng)絡(luò)的數(shù)學(xué)模型可以表示為式(1)和式(2):

(1)

s.t.f(xi)=h(xi)β=Yi-ξi, 1≤i≤m

(2)

β=[βi,…,βL]T是隱層的輸出權(quán)重，C是價(jià)值指標(biāo)(也叫做嶺回歸指標(biāo))，ξi是理論輸出Yi與實(shí)際輸出f(xi)的誤差，h(xi)是隱層的樣本xi的輸出向量。根據(jù)Karush-Kuhn-Tucker(KKT)優(yōu)化條件，隱層輸出權(quán)重β可以通過公式(3)得到：

(3)

H=[hT(x1),…,hT(xm)]T是訓(xùn)練集的隱層輸出矩陣，Y=[Y1,…,Ym]T是訓(xùn)練集的目標(biāo)矩陣，I是一個(gè)m階單位矩陣。

ELM算法的輸出f(x)是隱層輸出矩陣H和隱層輸出權(quán)重β的乘積，可以通過式(4)計(jì)算：

(4)

對(duì)于多指標(biāo)分類問題，m×q輸出的值作為參數(shù)傳遞給雙階躍函數(shù)，0的臨界值可以應(yīng)用于合成值。臨界過程可以通過式(5)表示，結(jié)果矩陣中列的集合和數(shù)值1給出了對(duì)應(yīng)輸入的指標(biāo)歸屬。

(5)

ELM解決多指標(biāo)分類問題的具體流程如表1所示。

表1 ELM算法流程

3 應(yīng)急物資分類過程

當(dāng)前我國對(duì)于應(yīng)急物資分級(jí)問題尚沒有一個(gè)權(quán)威的規(guī)范標(biāo)準(zhǔn)，本文借鑒我國《國家突發(fā)公共事件總體應(yīng)急預(yù)案》中對(duì)突發(fā)公共事件的性質(zhì)、嚴(yán)重程度、可控性和影響范圍等因素分為特別重大、重大、較大和一般四個(gè)等級(jí)，也將應(yīng)急物資分為四個(gè)等級(jí)：Ⅰ級(jí)(特別緊急)、Ⅱ級(jí)(緊急)、Ⅲ級(jí)(較緊急)和Ⅳ級(jí)(一般)。

首先選用一部分應(yīng)急物資分級(jí)評(píng)價(jià)等級(jí)中的三個(gè)一級(jí)指標(biāo)，并結(jié)合專家分類結(jié)果，作為ELM算法的輸入，組成ELM算法的訓(xùn)練集。結(jié)合應(yīng)急物流領(lǐng)域的專家打分，得到表2所示的樣本數(shù)據(jù)，由于篇幅原因，表2展示的為部分樣本數(shù)據(jù)。

表2 部分應(yīng)急物資樣本數(shù)據(jù)

然后通過ELM算法對(duì)訓(xùn)練集的學(xué)習(xí)和訓(xùn)練，對(duì)其余的應(yīng)急物資進(jìn)行分類計(jì)算，并與專家給出的分級(jí)結(jié)果對(duì)比。

4 算例分析

本文對(duì)《目錄》中的“主要作業(yè)方式或物資功能”的65個(gè)小類進(jìn)行分級(jí)。先選取21組數(shù)據(jù)作為ELM算法的輸入數(shù)值，用作算法學(xué)習(xí)與訓(xùn)練的訓(xùn)練集。21組數(shù)據(jù)如表3所示。

實(shí)驗(yàn)是在黃廣斌[9]博士提供的ELM算法程序基礎(chǔ)上改寫的，采用Matlab編譯實(shí)現(xiàn)。為了避免取值范圍小的指標(biāo)劣勢(shì)過大，首先將樣本指標(biāo)數(shù)據(jù)處理到[-1,1]范圍內(nèi)，算法中隱藏神經(jīng)元數(shù)量選取為20，激活函數(shù)選取Sigmoid函數(shù)，優(yōu)化問題的KKT條件誤差為10-3。通過ELM算法進(jìn)行對(duì)剩下43種應(yīng)急物資進(jìn)行分級(jí)計(jì)算，得到分類結(jié)果并與專家分級(jí)進(jìn)行對(duì)比如圖3所示，計(jì)算其準(zhǔn)確度。

結(jié)果表明，運(yùn)用ELM算法對(duì)43種應(yīng)急物資分級(jí)的結(jié)果僅有兩組分級(jí)結(jié)果與專家的分類不同，準(zhǔn)確率為95.35%。上述結(jié)果說明該算法能夠有效地對(duì)應(yīng)急物資進(jìn)行分級(jí)，并且具有較高的準(zhǔn)確率。并且，本文還運(yùn)用了SVM和BP神經(jīng)網(wǎng)絡(luò)兩種方法對(duì)該樣本進(jìn)行計(jì)算，其準(zhǔn)確精度分別為93.02%和90.69%，并且運(yùn)算時(shí)間較長(zhǎng)。因此可看出ELM算法精確度和運(yùn)算速度方面相較于其他算法都具有較大的優(yōu)勢(shì)。

表3 訓(xùn)練樣本數(shù)據(jù)

5 結(jié)論

1) 通過建立應(yīng)急物資分級(jí)評(píng)價(jià)體系，得到重要性、稀缺性、時(shí)效性以及專家分級(jí)結(jié)果作為算法的輸入，通過學(xué)習(xí)與訓(xùn)練，對(duì)其他樣本進(jìn)行分級(jí)，最終得到了較好的結(jié)果。

2) 實(shí)驗(yàn)結(jié)果表明：將超限學(xué)習(xí)機(jī)引入到應(yīng)急物資分級(jí)研究中，切實(shí)可行，分類結(jié)果合理，為應(yīng)急物資分級(jí)研究提供了新的科學(xué)方法。

3) 可以將該方法擴(kuò)展應(yīng)用到《目錄》中第四層級(jí)的250多種具體應(yīng)急物資中去，進(jìn)行更細(xì)化的分級(jí)研究。