賈枝潤 王若菌
【摘 要】脆弱性與城市安全關(guān)系密切,分析影響城市脆弱性的各類因素。提出運(yùn)用聚類分析法提煉城市脆弱性指標(biāo),建立基于神經(jīng)網(wǎng)絡(luò)的城市脆弱性模型,為城市脆弱性評估提供理論依據(jù)。
【關(guān)鍵詞】聚類分析;脆弱性;神經(jīng)網(wǎng)絡(luò)
A study of urban vulnerability model based on Neural Network
JIA Zhirun,WANG Ruojun
(School of Safety Engineering, Shenyang Aerospace University, Shenyang, 110136)
Abstract:Vulnerability is closely related to urban security, and various factors affecting urban vulnerability are analyzed. In order to provide a theoretical basis for urban vulnerability assessment, the paper proposes to use cluster analysis to extract urban vulnerability index and establish a neural network based urban vulnerability model.
Key words :Cluster analysis,Vulnerability,Neural network
引言
隨著社會文化進(jìn)步,世界各國對城市安全越來越重視。但是城市作為典型的復(fù)雜巨系統(tǒng),新的安全問題不斷涌現(xiàn)。我國2018年1月,印發(fā)的《關(guān)于推進(jìn)城市安全發(fā)展的意見》旨在指導(dǎo)與提升我國城市安全發(fā)展水平。國際公認(rèn),重大事故風(fēng)險為危害暴露程度和系統(tǒng)脆弱性的函數(shù)。脆弱性與城市安全關(guān)系密切,大量學(xué)者進(jìn)行了城市脆弱性研究,王松華進(jìn)行了城市脆弱性綜合評價體系建構(gòu)研究,王巖進(jìn)行了城市脆弱性研究,張曉瑞進(jìn)行了城市脆弱性的綜合測度研究,劉繼生進(jìn)行了遼源市社會系統(tǒng)的脆弱性及其規(guī)避措施的研究,劉毅發(fā)表了基于DEA模型的我國自然災(zāi)害區(qū)域脆弱性評價。學(xué)者們大多從經(jīng)濟(jì)、生態(tài)、社會等單一視角進(jìn)行論證,有必要在現(xiàn)有城市脆弱性相關(guān)研究的基礎(chǔ)上,從綜合視角對城市系統(tǒng)脆弱性進(jìn)行系統(tǒng)研究,對城市脆弱性量化方法做進(jìn)一步的綜合評價研究。本文在查閱大量國內(nèi)外文獻(xiàn)的基礎(chǔ)上,分析影響城市脆弱性的因素,同時考慮評估的目標(biāo)和指標(biāo)統(tǒng)計數(shù)據(jù)的可賦值性來確定指標(biāo),建立基于神經(jīng)網(wǎng)絡(luò)的城市脆弱性模型,以期深化城市脆弱性評估研究,為實(shí)現(xiàn)城市安全發(fā)展提供科學(xué)依據(jù)。
1聚類分析模型的建立與求解
脆弱性是一個多維度、多層次的模型體系,有不同的表現(xiàn)形式。城市脆弱性是由于人類社會各個系統(tǒng)(承災(zāi)體)對某種災(zāi)害或者突發(fā)事件發(fā)生時的暴露程度、敏感程度、易損程度、應(yīng)對能力以及缺乏應(yīng)對能力從而使系統(tǒng)的結(jié)構(gòu)和功能發(fā)生改變的一種屬性。因此,評價城市脆弱性可以從這幾方面整理相關(guān)影響因素進(jìn)行深入分析,同時兼顧評估的目標(biāo)和指標(biāo)統(tǒng)計數(shù)據(jù)的可賦值性。結(jié)合我國實(shí)際情況,選擇主要的影響城市脆弱性的因素:人口密度、老齡人口比例、人均占有社會資源量、失業(yè)率、恩格爾系數(shù)、物價指數(shù)、自然災(zāi)害強(qiáng)度、自然災(zāi)害次數(shù)、安全生產(chǎn)百萬工時死亡率、萬車死亡率、社會安全事件發(fā)生率、公共衛(wèi)生事件發(fā)生率、三廢產(chǎn)生總量。其中,某些指標(biāo)間存在較強(qiáng)的相關(guān)性,構(gòu)建聚類分析模型進(jìn)行分析,建立相關(guān)系數(shù)矩陣。
對每個指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理,變量間的相近性度量采用相關(guān)系數(shù),類與類之間的相近性度量采用離差平均和,聚類樹形圖如下圖1所示。
從聚類圖中可以看出,某些指標(biāo)之間具有較大的相關(guān)性,最先被聚到一起,所以我們可以用其中一個指標(biāo)來替代另外一些指標(biāo),這樣就從多個指標(biāo)中選出來部分分析指標(biāo)。它們是評價指標(biāo)為人口密度、老齡人口比例、恩格爾系數(shù)、自然災(zāi)害強(qiáng)度、安全生產(chǎn)百萬工時死亡率、萬車死亡率、社會安全事件發(fā)生率、公共衛(wèi)生事件發(fā)生率、“三廢”總量,進(jìn)而利用這些指標(biāo)構(gòu)建城市脆弱性神經(jīng)網(wǎng)絡(luò)模型。
2城市脆弱性神經(jīng)網(wǎng)絡(luò)模型建立
2.1模型假設(shè)
(1)輸入層不計在層數(shù)之內(nèi)。
(2)設(shè)層與層之間的神經(jīng)元都有信息交換,但同一層的神經(jīng)元之間無信息交換。
(3)設(shè)信息的傳輸方向是從輸入層到輸出層方向。
2.2模型的建立與求解
BP算法屬于δ學(xué)習(xí)律,計算中的激發(fā)函數(shù)f(x)必須可導(dǎo),采用Simoid函數(shù)做為激發(fā)函數(shù):
一個三層的BP神經(jīng)網(wǎng)絡(luò)模型可以擬合任意一個非線性映射。確定任務(wù)定價方案模型為三層網(wǎng)絡(luò)模型,該模型有三部分組成:輸入層,隱含層和輸出層。
對輸入層節(jié)點(diǎn)數(shù)進(jìn)行確認(rèn),神經(jīng)網(wǎng)絡(luò)模型的輸入層是起緩沖存儲器的作用,把數(shù)據(jù)源加到網(wǎng)絡(luò)模型上,其節(jié)點(diǎn)數(shù)目取決于數(shù)據(jù)源的維數(shù),即這些節(jié)點(diǎn)能夠代表每個數(shù)據(jù)源。
確定隱含層的神經(jīng)元數(shù)目,網(wǎng)絡(luò)的隱含層為一層,隱含層神經(jīng)元個數(shù)表達(dá)了網(wǎng)絡(luò)輸入與輸出之間的非線性程度,對神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練速度和預(yù)報能力有重要的作用,隱含層神經(jīng)元的個數(shù)少,不能滿足精度需要,隱含層神經(jīng)元的個數(shù)多則影響訓(xùn)練速度依靠經(jīng)驗(yàn)公式對神經(jīng)元數(shù)目進(jìn)行選?。?/p>
選擇最大輸入節(jié)點(diǎn)數(shù)時,最大為2,因此,編程時可選取為2,本模型仿真試驗(yàn)時使用隱含層節(jié)點(diǎn)數(shù)為2個,并在使用學(xué)習(xí)過程中,可以采用自適應(yīng)方法進(jìn)行調(diào)整。輸出層神經(jīng)元數(shù)目取決于神經(jīng)網(wǎng)絡(luò)模型的輸出變量。本模型的輸出變量為城市脆弱性評分。因此,輸出層神經(jīng)元數(shù)目為1,編程時取2。確定學(xué)習(xí)速率,沖量系數(shù),系統(tǒng)誤差,樣本誤差,訓(xùn)練次數(shù),最大樣本數(shù)等。學(xué)習(xí)速率決定著權(quán)職改變的幅度值。值越大,權(quán)值改變的越劇烈,也可能引起系統(tǒng)誤差震蕩,所以應(yīng)在不導(dǎo)致系統(tǒng)誤差震蕩的情況下盡可能取大些,一般學(xué)習(xí)速率,與迭代次數(shù)呈明顯的規(guī)律。通常越大跌代次數(shù)越少。本模型初選,學(xué)習(xí)過程中采用自適應(yīng)方法進(jìn)行調(diào)整。沖量系數(shù)的加入可以在一定程度上抑制震蕩,避免系統(tǒng)誤差突升突降情況的發(fā)生,相當(dāng)于對權(quán)空間中誤差曲面的高次分量的濾波,在當(dāng)前全值修正量加入前次修正量的影響,相當(dāng)于使用了誤差修正的慣性。系統(tǒng)最大誤差,為單個樣本最大誤差,網(wǎng)絡(luò)訓(xùn)練時如果要求每個樣本都達(dá)到最大誤差以下,訓(xùn)練時間就會相當(dāng)長,模型實(shí)際訓(xùn)練時只采用系統(tǒng)最大誤差。9690B240-422A-49BF-8E87-D916C614A1FC
為網(wǎng)絡(luò)訓(xùn)練時系統(tǒng)誤差,其表達(dá)式為:
時,達(dá)到訓(xùn)練要求,越小,網(wǎng)絡(luò)模型越精確,但訓(xùn)練時間越長,取。為最大訓(xùn)練次數(shù),主要考慮一次訓(xùn)練時間不能過長,取。 為樣本集中最大樣本數(shù),根據(jù)經(jīng)驗(yàn),訓(xùn)練樣本集中樣本不少于180時,網(wǎng)絡(luò)可以穩(wěn)定,編程時取最大樣本數(shù)為220模型時實(shí)際訓(xùn)練時取180。
歸一化處理時,Sigmoid函數(shù)值在(0,1)之間 故模型輸入輸出值都應(yīng)在(0,1)之間,另一方面,對于樣本對中輸入向量中。輸入?yún)?shù)的單位不同絕對差值大必須進(jìn)行歸一化處理本模型采用下式處理:
X(p,i)-訓(xùn)練樣本值;
Xact(p,i)-樣本實(shí)際值;
Xmin-訓(xùn)練樣本集中節(jié)點(diǎn)的最小值;
Xmax-訓(xùn)練樣本集中節(jié)點(diǎn)的最大值。
神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程實(shí)際上就是通過對訓(xùn)練樣本的學(xué)習(xí)。神經(jīng)網(wǎng)絡(luò)模型在對訓(xùn)練樣本進(jìn)行學(xué)習(xí)時要求有一定數(shù)量的樣本個數(shù)。如果訓(xùn)練樣本數(shù)量較少,而且訓(xùn)練樣本自身存在的誤差較大,則在學(xué)習(xí)樣本的過程中神經(jīng)網(wǎng)絡(luò)模型將是不收斂的或不能擬合。將利用神經(jīng)網(wǎng)絡(luò)模型探究所得到的城市脆弱性等級。
3結(jié)束語
(1)提出運(yùn)用聚類分析方法,篩選了影響城市脆弱性的關(guān)鍵因素,人口密度、老齡人口比例、恩格爾系數(shù)、自然災(zāi)害強(qiáng)度、安全生產(chǎn)百萬工時死亡率、萬車死亡率、社會安全事件發(fā)生率、公共衛(wèi)生事件發(fā)生率、“三廢”總量。
(2)提出基于神經(jīng)網(wǎng)絡(luò)的城市脆弱性預(yù)測模型,為城市脆弱性評估提供理論依據(jù)。
參考文獻(xiàn)
[1] 中華人民共和國中央人民政府.中共中央辦公廳 國務(wù)院辦公廳關(guān)于推進(jìn)城市安全發(fā)展的意見,2018.
[2] 王松華,趙玲.城市脆弱性綜合評價體系建構(gòu)研究[J].蘇州大學(xué)學(xué)報,2014 (5):30-37.
[3] 王巖,方創(chuàng)琳,張薔.城市脆弱性研究評述與展望[J].地理科學(xué)進(jìn)展,2013,32(5):755-768.
[4]張曉瑞,李濤,方創(chuàng)琳,等.城市脆弱性的綜合測度研究[J].地理與地理信息科學(xué),2016,32(2):89-93.
[5] 劉繼生,那偉,房艷剛.遼源市社會系統(tǒng)的脆弱性及其規(guī)避措施[J].經(jīng)濟(jì)地理,2010,30(6):944-948.
[6]劉毅,黃建毅,馬麗.基于DEA模型的我國自然災(zāi)害區(qū)域脆弱性評價[J].地理研究,2010,29(7):1153-1162.
本文系沈陽航空航大學(xué)創(chuàng)新訓(xùn)練項目,項目編號110418013。9690B240-422A-49BF-8E87-D916C614A1FC