基于云模型的自然災(zāi)害災(zāi)情等級(jí)評(píng)估

高玉琴，陳鴻玉,劉云蘋

(河海大學(xué)水利水電學(xué)院，江蘇 南京 210098)

自然災(zāi)害是自然變異產(chǎn)生的社會(huì)事件，對(duì)人身安全、農(nóng)業(yè)、工業(yè)、社會(huì)、經(jīng)濟(jì)和生態(tài)環(huán)境都會(huì)造成極大打擊和不利影響。如2016年全國自然災(zāi)害導(dǎo)致1.9億人受災(zāi)，1 706人死亡失蹤，910.1萬人需要緊急安置，52.1萬間房屋倒塌，334萬間房屋損壞，農(nóng)作物受災(zāi)面積達(dá)2 622.07萬hm2，農(nóng)作物絕收面積達(dá)290.22萬hm2，直接經(jīng)濟(jì)損失達(dá)5 032.9億元[1]。近年來，我國自然環(huán)境脆弱性不斷增高，生態(tài)環(huán)境問題突出，自然災(zāi)害呈頻發(fā)、高強(qiáng)度態(tài)勢。隨著城市化水平不斷提高和社會(huì)生產(chǎn)力發(fā)展，人口密度持續(xù)上升、經(jīng)濟(jì)總量和密度高速增長、區(qū)域間經(jīng)濟(jì)聯(lián)系與合作增強(qiáng)，災(zāi)害防御及救援措施不斷完善的同時(shí)，災(zāi)害造成的經(jīng)濟(jì)損失和社會(huì)影響不斷增大。災(zāi)害損失特性也在發(fā)生變化：因?yàn)?zāi)死亡人數(shù)下降,受災(zāi)人數(shù)上升，直接和間接經(jīng)濟(jì)損失大幅上升。據(jù)統(tǒng)計(jì)，20世紀(jì)90年代以來我國年均災(zāi)害損失比80年代高40%[2]。為了客觀、全方位地反映自然災(zāi)害破壞程度和損失特性，并為災(zāi)害救援和災(zāi)區(qū)恢復(fù)重建、未來減災(zāi)目標(biāo)及對(duì)策確定、防御措施優(yōu)化、減災(zāi)效益評(píng)價(jià)等提供基礎(chǔ)和依據(jù)，有必要進(jìn)行災(zāi)害災(zāi)情等級(jí)評(píng)估研究。

目前在洪澇、臺(tái)風(fēng)、風(fēng)暴潮及地質(zhì)災(zāi)害等的災(zāi)情評(píng)估方面已有諸多研究。如楊小玲等[3]選取死亡人數(shù)、受災(zāi)人數(shù)、倒塌房屋數(shù)、農(nóng)作物受災(zāi)面積、直接經(jīng)濟(jì)損失等指標(biāo)，利用熵值法計(jì)算權(quán)重，評(píng)估1999年我國22個(gè)地區(qū)洪災(zāi)損失；鞏在武等[4]對(duì)致災(zāi)因子、承災(zāi)體及防災(zāi)減災(zāi)能力三方面的25個(gè)因子與死亡人數(shù)、倒塌房屋數(shù)、農(nóng)作物受災(zāi)面積、直接經(jīng)濟(jì)損失及災(zāi)情指數(shù)5項(xiàng)評(píng)價(jià)指標(biāo)進(jìn)行了相關(guān)性分析，研究了臺(tái)風(fēng)災(zāi)害評(píng)估影響因子的選取問題；殷克東等[5]從人員傷亡損失、漁農(nóng)業(yè)及生活設(shè)施直接經(jīng)濟(jì)損失三方面建立指標(biāo)體系，由層次分析法和熵值法確定權(quán)重，評(píng)估廣東省7次風(fēng)暴潮災(zāi)害的社會(huì)經(jīng)濟(jì)損失；程立海等[6]選擇平均地震烈度、死亡失蹤人數(shù)、萬人死亡和失蹤率、倒塌房屋數(shù)、萬人倒塌房屋率、地質(zhì)災(zāi)害危險(xiǎn)度及萬人轉(zhuǎn)移安置率等指標(biāo)對(duì)2008年汶川地震重災(zāi)區(qū)中各市/縣災(zāi)情進(jìn)行等級(jí)評(píng)價(jià)；史蓮梅等[7]基于1984—2014年新疆雹災(zāi)受災(zāi)面積、總成災(zāi)面積、農(nóng)作物播種面積、新疆生產(chǎn)總值及以縣為單位的雹災(zāi)頻次等統(tǒng)計(jì)數(shù)據(jù)，構(gòu)建雹災(zāi)經(jīng)濟(jì)損失指標(biāo)和風(fēng)險(xiǎn)度指標(biāo)，評(píng)估新疆冰雹災(zāi)害。此外水利部于2012年批準(zhǔn)《洪澇災(zāi)情評(píng)估標(biāo)準(zhǔn)》，主要選取死亡人數(shù)、受災(zāi)人數(shù)、農(nóng)作物受災(zāi)面積、倒塌房屋數(shù)、直接經(jīng)濟(jì)損失及水利設(shè)施經(jīng)濟(jì)損失占直接經(jīng)濟(jì)損失比例等指標(biāo)進(jìn)行場次及區(qū)域年度洪澇災(zāi)情等級(jí)評(píng)估[8]。

以上研究存在一些不足：①災(zāi)情評(píng)估選取的指標(biāo)不夠全面系統(tǒng)，只考慮了農(nóng)業(yè)影響，忽視工業(yè)及第三產(chǎn)業(yè)影響；考慮了社會(huì)經(jīng)濟(jì)影響，未考慮自然環(huán)境影響；指標(biāo)零散，未形成全面系統(tǒng)的評(píng)估指標(biāo)體系；災(zāi)情信息上報(bào)指標(biāo)有待全面擴(kuò)充。②采用的評(píng)估方法主要有模糊綜合評(píng)判法、熵權(quán)法、灰色聚類法、灰色關(guān)聯(lián)度法、物元分析法等，但大多數(shù)方法的權(quán)重和等級(jí)評(píng)估標(biāo)準(zhǔn)往往依靠經(jīng)驗(yàn)確定，主觀性較強(qiáng)。熵權(quán)法雖能確定客觀權(quán)重，但依賴于大量具有代表性的數(shù)據(jù)信息，當(dāng)數(shù)據(jù)代表性不強(qiáng)時(shí)效果較差。③一般方法通過比較案例評(píng)估值與等級(jí)臨界值的大小確定案例等級(jí)，同一災(zāi)情等級(jí)內(nèi)的不同案例的災(zāi)情差別難以準(zhǔn)確表達(dá)。于慶東等[9]基于灰色聚類的災(zāi)情分級(jí)模型研究了同一等級(jí)內(nèi)不同案例的排序方法，但不夠直觀。

本文歸納整理出一套較為全面的、考慮各方面影響的災(zāi)情評(píng)估指標(biāo)體系，可為不同災(zāi)種災(zāi)情評(píng)估的指標(biāo)選擇提供參考，為災(zāi)情信息上報(bào)指標(biāo)和內(nèi)容提供參考；將基于云模型的評(píng)價(jià)方法應(yīng)用于災(zāi)情評(píng)估的權(quán)重確定及模型構(gòu)建，從而客觀地將專家權(quán)重評(píng)價(jià)信息轉(zhuǎn)化為定量數(shù)據(jù)，有依據(jù)地提出等級(jí)評(píng)估標(biāo)準(zhǔn)以及直觀有效地確定等級(jí)。

1 災(zāi)害災(zāi)情評(píng)估指標(biāo)體系

災(zāi)害災(zāi)情評(píng)估是為了根據(jù)各方面造成的損失及影響大小進(jìn)行分等級(jí)綜合管理。在參考已有研究成果的基礎(chǔ)上，從災(zāi)情屬性、社會(huì)影響、經(jīng)濟(jì)影響、自然環(huán)境影響4方面構(gòu)建較為系統(tǒng)全面的災(zāi)情評(píng)估指標(biāo)體系，如表1所示。

災(zāi)情屬性是對(duì)災(zāi)害影響波及范圍、時(shí)長、緊急救援安置和災(zāi)區(qū)恢復(fù)重建難度的描述。社會(huì)影響主要包括災(zāi)害對(duì)人類健康及生命的破壞，對(duì)房屋、生命線工程及公共基礎(chǔ)設(shè)施等的破壞，對(duì)農(nóng)業(yè)、工業(yè)、服務(wù)業(yè)等產(chǎn)業(yè)活動(dòng)的直接和間接影響。經(jīng)濟(jì)影響分為直接損失、間接損失以及緊急救援和災(zāi)區(qū)重建投入。其中直接損失主要是指災(zāi)害對(duì)社會(huì)造成的可用經(jīng)濟(jì)貨幣衡量的直接損失或修復(fù)費(fèi)用；間接損失主要是由直接損失和破壞所導(dǎo)致對(duì)災(zāi)區(qū)未來可持續(xù)發(fā)展和周邊地區(qū)無法起到支撐和流通作用而造成的損失；緊急救援和災(zāi)區(qū)重建投入是指災(zāi)時(shí)救援和安置受災(zāi)人員的人財(cái)物投入，以及災(zāi)后災(zāi)區(qū)恢復(fù)正常社會(huì)秩序、建設(shè)生產(chǎn)恢復(fù)到災(zāi)前水平的各類投入。自然環(huán)境影響主要是水土資源、礦產(chǎn)資源、林木植被資源、景觀資源、生物資源等的損失或污染，地形地質(zhì)地貌的改變，局部生態(tài)系統(tǒng)的平衡破壞等。災(zāi)害的自然環(huán)境影響可以理解為自然資源損失和在環(huán)境保護(hù)、生態(tài)重建中的更高投入。

表1災(zāi)害災(zāi)情評(píng)估指標(biāo)體系

2 基于云模型的災(zāi)情等級(jí)評(píng)估模型

為了客觀綜合地考慮所有專家依靠經(jīng)驗(yàn)給出的權(quán)重信息，反映主觀信息中蘊(yùn)含的模糊性和隨機(jī)性，提出基于云模型的專家評(píng)價(jià)信息的權(quán)重確定方法，并將云模型相關(guān)方法應(yīng)用到評(píng)估模型構(gòu)建與案例等級(jí)確定。

2.1 云模型理論

云模型是由李德毅[10-11]提出的用語言值表示的定性概念與其定量數(shù)值表示之間的不確定性轉(zhuǎn)換模型，構(gòu)成定性和定量間的不確定性映射，便于刻畫自然語言描述中蘊(yùn)含的隨機(jī)性和模糊性。用云的數(shù)字特征反映概念的整體特性，對(duì)理解定性概念的內(nèi)涵和外延有極其重要的作用[12]。云用期望Ex、熵En和超熵He這3個(gè)數(shù)字特征來整體表征一個(gè)概念。云模型是云的具體實(shí)現(xiàn)方式，從不同角度可分為不同模型：①根據(jù)定性概念和定量表示的轉(zhuǎn)換方向云模型可分為正向云模型和逆向云模型；②根據(jù)對(duì)稱性云模型可分為對(duì)稱云模型、半云模型、組合云模型；③根據(jù)維度可以從一維云模型推廣到二維乃至任意維云模型。正態(tài)分布和正態(tài)隸屬函數(shù)的普遍性奠定了正態(tài)云模型普適性的理論基礎(chǔ)[13]，研究中常用正態(tài)云模型。

2.2 云模型精度檢驗(yàn)與參數(shù)修正

逆向云模型有可能云滴離散度較大，需要對(duì)其進(jìn)行精度檢驗(yàn)與參數(shù)修正。

|(d-d0)/d|×100%≤20%

(1)

2.3 基于云模型的權(quán)重確定方法

基于云模型的專家評(píng)價(jià)信息的權(quán)重確定步驟如下：

步驟1邀請(qǐng)n位專家(為保證權(quán)重計(jì)算結(jié)果具有說服力，需邀請(qǐng)10位以上專家進(jìn)行評(píng)價(jià))給出m個(gè)指標(biāo)的權(quán)重分配結(jié)果，構(gòu)成評(píng)價(jià)矩陣V= (Vij),其中i=1,2,…,m;j=1,2,…,n。

步驟3對(duì)指標(biāo)i的權(quán)重云模型進(jìn)行精度檢驗(yàn)與參數(shù)修正。

步驟4對(duì)修正后的指標(biāo)i的權(quán)重云模型，運(yùn)用正向云算法隨機(jī)生成t個(gè)(如t=1 000)云滴，以云滴點(diǎn)確定度μ(xi)最大時(shí)對(duì)應(yīng)的xi作為指標(biāo)i的權(quán)重計(jì)算值。

步驟5對(duì)m個(gè)指標(biāo)的權(quán)重計(jì)算值進(jìn)行歸一化處理得到權(quán)重向量Ω=(ω1,ω2,…,ωm)T。

基于云模型的權(quán)重計(jì)算方法，可以在已有專家評(píng)價(jià)值的基礎(chǔ)上，通過提取專家評(píng)價(jià)期望(Ex)和不確定性特征值(En和He)，生成符合專家評(píng)價(jià)特點(diǎn)的任意數(shù)量的評(píng)價(jià)值(云滴)，最終計(jì)算得到權(quán)重向量，增加了權(quán)重計(jì)算的樣本數(shù)，提高了可信度。隨著t的增大，基于云模型計(jì)算的權(quán)重將趨向于權(quán)重云模型的期望值，趨向于指標(biāo)的專家權(quán)重打分的算術(shù)平均值?；谠颇Ｐ陀?jì)算的權(quán)重向量考慮了專家評(píng)價(jià)的隨機(jī)性和模糊性，對(duì)于定性評(píng)價(jià)權(quán)重計(jì)算的不確定性方法研究具有重要意義。

2.4 基于云模型的災(zāi)情等級(jí)評(píng)估流程

不同于以往研究中根據(jù)專家經(jīng)驗(yàn)直接確定災(zāi)情等級(jí)評(píng)估標(biāo)準(zhǔn)，本模型主要依據(jù)案例的評(píng)估總體情況結(jié)合實(shí)際確定具有隨機(jī)性和模糊性的災(zāi)情等級(jí)標(biāo)尺云，并以此確定各案例的災(zāi)情等級(jí)，具體步驟如下：

步驟1指標(biāo)數(shù)據(jù)歸一化。為了衡量單指標(biāo)的災(zāi)害損失程度，需要選定各指標(biāo)的參考上限?？梢愿鶕?jù)評(píng)估對(duì)象已有歷史資料中各指標(biāo)的歷史最大值作為指標(biāo)參考上限，以原始數(shù)據(jù)與相應(yīng)指標(biāo)參考上限的比值為指標(biāo)值。設(shè)p個(gè)案例的指標(biāo)數(shù)據(jù)矩陣Y= (Yik)，其中i=1,2,…,m;k=1,2,…,p。

表2 6次暴雨洪澇災(zāi)害損失統(tǒng)計(jì)數(shù)據(jù)

表3 指標(biāo)權(quán)重專家評(píng)估值及云模型計(jì)算值

步驟2評(píng)估向量計(jì)算。計(jì)算各案例的災(zāi)情評(píng)估值，形成災(zāi)情評(píng)估向量Z=(z1,z2,…,zp)T，其中向量中的元素zk可以表示為

(3)

步驟3云模型生成。對(duì)Z運(yùn)用無需確定度的逆向云算法求得總體災(zāi)情云模型，并進(jìn)行精度檢驗(yàn)與修正。

步驟4高水平災(zāi)情云與低水平災(zāi)情云計(jì)算。以總體災(zāi)情云的Ex值為分界線，將案例分為高水平和低水平案例：災(zāi)情評(píng)估值大于Ex的案例為高水平案例，反之為低水平案例。對(duì)所有高水平案例的災(zāi)情評(píng)估值重復(fù)步驟3得到高水平災(zāi)情云模型，同理得低水平災(zāi)情云模型。

步驟5災(zāi)情等級(jí)標(biāo)尺云構(gòu)建。首先根據(jù)總體災(zāi)情云、高水平災(zāi)情云和低水平災(zāi)情云，結(jié)合各案例災(zāi)情等制定S′個(gè)評(píng)價(jià)等級(jí)的評(píng)估值區(qū)間。設(shè)第s等級(jí)的評(píng)估值區(qū)間為[as,bs] (s=1,2,…,S′)，其云參數(shù)(Exs,Ens)根據(jù)式(4)計(jì)算[17]，Hes根據(jù)評(píng)價(jià)語言的不確定性人為指定，一般取為0.005。其次對(duì)各等級(jí)云進(jìn)行精度檢驗(yàn)。各等級(jí)云即構(gòu)成災(zāi)情等級(jí)標(biāo)尺，生成標(biāo)尺云圖。

(4)

3 實(shí)例驗(yàn)證

將基于云模型的災(zāi)情等級(jí)評(píng)估模型應(yīng)用于6次典型的暴雨洪澇災(zāi)害災(zāi)情評(píng)估。其中案例1～3為2015年發(fā)生的3次暴雨洪澇災(zāi)害實(shí)例[18]，案例 4～6為《洪澇災(zāi)情評(píng)估標(biāo)準(zhǔn)》中的評(píng)估實(shí)例。

根據(jù)災(zāi)害損失數(shù)據(jù)統(tǒng)計(jì)情況，選取社會(huì)影響中的人口、建筑設(shè)施、農(nóng)業(yè)損失指標(biāo)，以及經(jīng)濟(jì)影響中的直接經(jīng)濟(jì)損失指標(biāo)進(jìn)行分析。其中人口指標(biāo)有受災(zāi)人數(shù)和死亡人數(shù)，分別記為u1、u2；建筑設(shè)施指標(biāo)選取房屋倒塌數(shù)量，記為u3；農(nóng)業(yè)損失指標(biāo)選取農(nóng)作物受災(zāi)面積，記為u4；直接經(jīng)濟(jì)損失記為u5。由于目前缺乏全面的統(tǒng)計(jì)資料，暫未選取災(zāi)情屬性及自然環(huán)境影響指標(biāo)。6次典型暴雨洪澇災(zāi)害損失統(tǒng)計(jì)數(shù)據(jù)如表2所示。

3.1 權(quán)重確定

邀請(qǐng)10名專家評(píng)估指標(biāo)權(quán)重， 以基于云模型的專家評(píng)價(jià)信息的賦權(quán)方法計(jì)算權(quán)重，專家評(píng)估權(quán)重情況及基于云模型計(jì)算權(quán)重結(jié)果如表3所示。

3.2 案例評(píng)估值與災(zāi)情云模型計(jì)算

根據(jù)式(3)計(jì)算得到6個(gè)案例的災(zāi)情評(píng)估值分別為0.100 6，0.133 5，0.106 4，0.636 5，0.387 9和0.530 4。對(duì)6個(gè)案例的災(zāi)情評(píng)估值運(yùn)用逆向云算法(公式(1)(2)(3))，經(jīng)精度檢驗(yàn)與參數(shù)修正，得到總體災(zāi)害云模型參數(shù)(Ex，En，He)為(0.309 2，0.222 8，0.012 2)。以總體災(zāi)情云Ex= 0.309 2為分界點(diǎn)，將6個(gè)案例分為低水平案例(案例1～3)和高水平案例(案例4～6)。同理可得經(jīng)精度檢驗(yàn)與參數(shù)修正后的高水平災(zāi)情云參數(shù)和低水平災(zāi)情云參數(shù)分別為(0.523 6，0.089 9，0.025 8)和(0.113 5，0.016 7，0.005 4)。對(duì)3個(gè)災(zāi)情云分別生成1 000個(gè)云滴，在[0,1]區(qū)間生成云圖如圖1 所示。

圖1 各災(zāi)情云圖

3.3 災(zāi)情等級(jí)標(biāo)尺云計(jì)算

由圖1可直觀看出，低水平案例的災(zāi)情評(píng)估值集中在 [0.06,0.16]，評(píng)估值越接近0.113 5對(duì)應(yīng)的“低水平案例災(zāi)情云”的確定度越接近1。同時(shí)對(duì)案例1～3的災(zāi)情分析發(fā)現(xiàn)災(zāi)情影響均較小，所以初步界定低水平案例整體屬于一般災(zāi)害。高水平案例的災(zāi)情評(píng)估值集中在 [0.25,0.80]，評(píng)估值越接近0.523 6對(duì)應(yīng)的“高水平案例災(zāi)情云”的確定度越接近1。對(duì)案例4～6的災(zāi)情分析發(fā)現(xiàn)災(zāi)情影響很大，初步界定高水平案例整體屬于重大災(zāi)害。總體災(zāi)情云的災(zāi)情評(píng)估值主要集中在[0,0.8]，評(píng)估值越接近0.309 2對(duì)應(yīng)的“總體災(zāi)情云”的確定度越接近1?？傮w災(zāi)情云融合了一般災(zāi)情與重大災(zāi)情，反映了災(zāi)害損失的平均水平，初步認(rèn)定評(píng)估值處于0.309 2附近的案例屬于較大災(zāi)害。

根據(jù)上述分析，考慮到比重大災(zāi)害更嚴(yán)重的災(zāi)害(即“特別重大災(zāi)害”)發(fā)生的可能性，以及構(gòu)建等距的災(zāi)情等級(jí)標(biāo)尺，制定災(zāi)情等級(jí)的評(píng)估區(qū)間如表4所示。其中，直線區(qū)間[0, 0.115)和(0.805, 1]分別表示評(píng)估值屬于該區(qū)間時(shí)對(duì)“一般災(zāi)害”和“特別重大災(zāi)害”的確定度為1。

表4 災(zāi)情等級(jí)評(píng)估區(qū)間

按照式(4)對(duì)各云模型區(qū)間計(jì)算云參數(shù)，得到一般災(zāi)害、較大災(zāi)害、重大災(zāi)害、特別重大災(zāi)害的云模型參數(shù)(Ex，En，He)分別為(0.115，0.077，0.005)、(0.345，0.077，0.005)、(0.575，0.077，0.005)、(0.805，0.077，0.005)。經(jīng)云模型精度檢驗(yàn)可知均符合要求。生成災(zāi)害等級(jí)評(píng)估標(biāo)尺云圖如圖2所示。

圖2 災(zāi)情等級(jí)評(píng)估標(biāo)尺云圖

3.4 案例災(zāi)情等級(jí)確定

計(jì)算各案例的災(zāi)情評(píng)估值與標(biāo)尺云中各等級(jí)云的確定度，并根據(jù)最大確定度原則確定案例等級(jí)，結(jié)果如表5、圖3所示(圖中數(shù)字標(biāo)號(hào)表示各案例序號(hào)，虛線與各等級(jí)云模型的交點(diǎn)為案例評(píng)估值對(duì)各等級(jí)云的確定度)。

表5 各案例等級(jí)確定度及等級(jí)評(píng)估結(jié)果

圖3 案例等級(jí)確定

由表5和圖3可知：案例4和案例6確定度最大的等級(jí)均為“重大災(zāi)害”，確定度第二大的等級(jí)分別是“特別重大災(zāi)害”和“較大災(zāi)害”。除了簡單地認(rèn)為二者均為“重大災(zāi)害”等級(jí)，也可以說案例4的災(zāi)害等級(jí)為“重大災(zāi)害并偏向特別重大災(zāi)害”，案例6的災(zāi)害等級(jí)為“重大災(zāi)害并偏向較大災(zāi)害”。這是符合實(shí)際情況的：案例4指標(biāo)數(shù)據(jù)中，除死亡人數(shù)小于案例6的外，其他指標(biāo)值為案例6的2.2～9.4倍。因此，綜合來看，案例4的災(zāi)情影響比案例6嚴(yán)重。這說明云模型方法能表達(dá)同一等級(jí)不同案例的災(zāi)情等級(jí)偏向，直觀地反映同等級(jí)災(zāi)害的災(zāi)情差異。

由表5可知，應(yīng)用云模型方法的評(píng)估結(jié)果與按照《洪澇災(zāi)情評(píng)估標(biāo)準(zhǔn)》認(rèn)定的結(jié)果相比，案例1～5結(jié)果相同，案例6結(jié)果不同。案例1～5結(jié)果的一致性表明本文模型應(yīng)用于暴雨洪澇災(zāi)害災(zāi)情評(píng)估的合理性和適用性。案例6在《洪澇災(zāi)情評(píng)估標(biāo)準(zhǔn)》評(píng)價(jià)中，既適用于指標(biāo)體系認(rèn)定方法，也適用于直接認(rèn)定方法(“死亡人口達(dá)到100人或直接經(jīng)濟(jì)損失達(dá)到200億元時(shí)，認(rèn)定為特別重大災(zāi)害；死亡人口達(dá)到50人不足100人或直接經(jīng)濟(jì)損失達(dá)到100億元不足200億元時(shí)，認(rèn)定為重大災(zāi)害。”)。前者結(jié)論與本文結(jié)果相同，為“重大災(zāi)害”；后者結(jié)論與本文結(jié)果不同，為“特別重大災(zāi)害”。根據(jù)就高原則，得出采用《洪澇災(zāi)情評(píng)估標(biāo)準(zhǔn)》評(píng)價(jià)的結(jié)論為“特別重大災(zāi)害”。本文模型與《洪澇災(zāi)情評(píng)估標(biāo)準(zhǔn)》的指標(biāo)體系認(rèn)定方法得出的結(jié)果相同，驗(yàn)證了本文模型的合理性和適用性。在用直接認(rèn)定法評(píng)價(jià)災(zāi)情時(shí)，本文模型與其評(píng)價(jià)結(jié)果可能不一致(例如本文算例中的案例6)，這種情況將在后續(xù)研究中進(jìn)一步分析。

4 結(jié) 語

本文從災(zāi)情屬性、社會(huì)影響、經(jīng)濟(jì)影響和自然環(huán)境影響4方面歸納整理形成一套較為全面的、考慮各方面影響的災(zāi)情評(píng)估指標(biāo)體系，可為不同災(zāi)種災(zāi)害的災(zāi)情評(píng)估指標(biāo)選擇提供參考。不足之處是自然環(huán)境影響中的地形地質(zhì)地貌影響和生態(tài)環(huán)境影響需要根據(jù)災(zāi)害損失特性進(jìn)一步細(xì)化研究，提出更為具體的評(píng)估指標(biāo)。

基于云模型的權(quán)重確定方法，考慮了主觀評(píng)估的隨機(jī)性和模糊性，實(shí)現(xiàn)多位專家的評(píng)估權(quán)重到綜合權(quán)重?cái)?shù)據(jù)的不確定性轉(zhuǎn)換，可以充分、綜合地考慮專家意見，與普通權(quán)重確定方法相比更為客觀。

提出了基于云模型的災(zāi)害災(zāi)情等級(jí)評(píng)估模型，模型評(píng)估結(jié)果與《洪澇災(zāi)害評(píng)估標(biāo)準(zhǔn)》評(píng)估結(jié)果基本一致，驗(yàn)證了模型的合理性和適用性。該模型能充分考慮所研究災(zāi)種的災(zāi)情總體情況，降低了對(duì)專家經(jīng)驗(yàn)的主觀依賴性。采用最大確定度原則確定案例等級(jí)，用第二大確定度等級(jí)反映同一等級(jí)不同案例的災(zāi)情等級(jí)偏向，在有效地進(jìn)行災(zāi)情等級(jí)分類基礎(chǔ)上提高了同一等級(jí)不同案例的災(zāi)情辨識(shí)度，與一般評(píng)估方法相比更為客觀科學(xué)。案例等級(jí)確定過程反映了云模型在定量評(píng)估數(shù)據(jù)轉(zhuǎn)換為等級(jí)評(píng)語時(shí)能體現(xiàn)語言的模糊性和隨機(jī)性。