基于云模型和風(fēng)險矩陣的自然災(zāi)害風(fēng)險評價

洪成　王桂生　周家貴　徐艷

摘要：自然災(zāi)害風(fēng)險具有模糊性和隨機(jī)性等不確定性特點(diǎn)，基于云模型和風(fēng)險矩陣?yán)碚摰淖匀粸?zāi)害風(fēng)險評價新方法可綜合分析評價其模糊性和隨機(jī)性。模型先根據(jù)自然災(zāi)害風(fēng)險評價指標(biāo)分級標(biāo)準(zhǔn)，計(jì)算各指標(biāo)隸屬于不同自然災(zāi)害風(fēng)險等級的云數(shù)字特征值，再結(jié)合正向高斯云算法和各指標(biāo)之間的合成風(fēng)險矩陣，最終確定評價區(qū)域的綜合自然災(zāi)害風(fēng)險等級?；谌珖?1個省級行政區(qū)自然災(zāi)害實(shí)例的計(jì)算結(jié)果表明，該模型應(yīng)用于自然災(zāi)害風(fēng)險評價是可行有效的，且計(jì)算簡便，結(jié)果可靠，為分析解決類似問題提供了新的研究思路。

關(guān)鍵詞：自然災(zāi)害;風(fēng)險評價;不確定性分析;云模型;風(fēng)險矩陣;隨機(jī)性

中圖分類號：X43

文獻(xiàn)標(biāo)志碼：A

doi： 10.3969/j.issn.1000- 1379.2019.06.004

1 引言

自然災(zāi)害是自然要素和人類社會經(jīng)濟(jì)要素相互作用的結(jié)果，具有自然和社會雙重屬性，它造成的損失程度既受自然災(zāi)害種類（如地震、洪水和臺風(fēng)等）危險性的影響，也取決于承災(zāi)體（經(jīng)濟(jì)社會系統(tǒng)）的脆弱性。區(qū)域自然災(zāi)害危險性越大、承災(zāi)體（經(jīng)濟(jì)社會系統(tǒng)）越脆弱，自然災(zāi)害造成的損失越大，自然災(zāi)害風(fēng)險就越高。準(zhǔn)確評價區(qū)域的自然災(zāi)害風(fēng)險，可為制定科學(xué)合理的經(jīng)濟(jì)社會發(fā)展規(guī)劃提供依據(jù)，對于制定主動的防災(zāi)減災(zāi)戰(zhàn)略、進(jìn)行積極的風(fēng)險管理具有重大意義。目前，自然災(zāi)害的風(fēng)險評價方法較多，如模糊分析法[1-2]、投影尋蹤法[3]、神經(jīng)網(wǎng)絡(luò)法[4]、灰色關(guān)聯(lián)法[5-7]等，這些方法在實(shí)際應(yīng)用中取得了一定效果，但都不可避免地面臨數(shù)據(jù)和指標(biāo)的模糊性和隨機(jī)性問題，至今尚未找到綜合考慮這兩種不確定性難題的有效方法。云模型（ Cloud Model）理論可充分考慮定性概念所包含的不確定性和離散性，實(shí)現(xiàn)定性語言與定量表示之間的有效轉(zhuǎn)換，從而克服傳統(tǒng)評價方法在處理模糊性和隨機(jī)性方面的不足[8]。云模型理論已應(yīng)用于水資源及其他資源的短缺風(fēng)險評價中，但在評價過程中較難完全反映風(fēng)險系統(tǒng)中各風(fēng)險要素的作用機(jī)制。風(fēng)險矩陣是通過定性分析和定量分析，綜合考慮風(fēng)險發(fā)生概率和風(fēng)險影響兩方面因素構(gòu)造的，通過風(fēng)險矩陣可確定風(fēng)險評價等級和風(fēng)險評價結(jié)果，其核心思想是根據(jù)風(fēng)險發(fā)生概率與風(fēng)險影響之間相互作用的情況，確定風(fēng)險評價等級結(jié)果。本文基于云模型和風(fēng)險矩陣?yán)碚撎接懽匀粸?zāi)害風(fēng)險評價的新模型，使其綜合考慮風(fēng)險評價過程中存在的模糊性與隨機(jī)性，同時基于災(zāi)害損失風(fēng)險形成機(jī)制構(gòu)建各評價指標(biāo)之間的合成風(fēng)險矩陣，并以全國31個省級行政區(qū)（不含港澳臺）的自然災(zāi)害風(fēng)險實(shí)例驗(yàn)證該方法的有效性。

2 云模型理論

云模型理論是李德毅等[8]提出的一種實(shí)現(xiàn)定性概念與定量數(shù)值之間雙向轉(zhuǎn)換的模型，目前已在數(shù)據(jù)挖掘、信任管理和綜合評價等多個領(lǐng)域得到廣泛應(yīng)用[9-13]。

2.1 云的定義

設(shè)U是一個定量論域，可用實(shí)數(shù)值表示，C是U上的定性概念，若存在定量數(shù)值X∈U，且x是C的一次隨機(jī)實(shí)現(xiàn)，x對C的確定度u（x）∈[O，1]是有穩(wěn)定傾向的隨機(jī)數(shù)，即‘8，14]：

u：U→[0，1] （Vx∈U，x→u（x）） （1）則x在論域U上的分布u（x）稱為云，每一個x稱為一個云滴。從這一云的定義中可知，云模型理論是一種研究定性問題定量化的方法。云滴的確定度反映了模糊性，該值本身又是個隨機(jī)值，可以通過其概率分布函數(shù)來描述[8]。

2.2 云模型的數(shù)字特征

定性概念的整體特性可用云的數(shù)字特征來反映，這是定性概念的整體定量特性，對定量描述定性概念的內(nèi)涵和外延有著極其重要的意義[8]。一個概念可由云模型的期望Ex、熵En和超熵He三個數(shù)字特征值來整體表征[8-9]：期望E用于度量定性概念的基本確定性，它表示云滴在論域空間分布中的數(shù)學(xué)期望：熵En用于度量定性概念的不確定性，它由定性概念的隨機(jī)性和模糊性共同決定，熵不僅可以度量定性概念的隨機(jī)性，反映云滴的離散程度，同時還是隸屬于這個定性概念的度量，決定了論域空間中可被概念接受的云滴的確定度：超熵He是熵的熵，用于度量熵的不確定性，論域空間代表該語言值的所有點(diǎn)的不確定度的凝聚性可由超熵反映，云滴的厚度可由其值的大小間接反映。

2.3 云算法

3 基于云模型和風(fēng)險矩陣的自然災(zāi)害風(fēng)險評價方法

自然災(zāi)害風(fēng)險評價中，1個云滴可映射一次具體評價過程。根據(jù)選取的自然災(zāi)害風(fēng)險評價指標(biāo)及其等級標(biāo)準(zhǔn)集，自然災(zāi)害風(fēng)險可分為n個等級，每個綜合云用于表示每一個評價指標(biāo)隸屬于某一風(fēng)險等級的確定度。

本文將云模型應(yīng)用于自然災(zāi)害風(fēng)險評價之中，需作以下兩點(diǎn)假定[9，15]：①把一個自然語言的概念賦予每一定量的自然災(zāi)害風(fēng)險等級，每個風(fēng)險等級可映射成一朵云：②待評樣本的實(shí)例數(shù)據(jù)隸屬于某一風(fēng)險等級的確定度的分布，假定服從高斯分布。

根據(jù)上述兩點(diǎn)假定，基于云模型和風(fēng)險矩陣的自然災(zāi)害風(fēng)險評價方法的實(shí)現(xiàn)過程見圖1。①確定適當(dāng)?shù)淖匀粸?zāi)害風(fēng)險評價指標(biāo)及其等級標(biāo)準(zhǔn)集：②基于自然災(zāi)害風(fēng)險系統(tǒng)形成過程中各系統(tǒng)要素的作用機(jī)制，確定①中各評價指標(biāo)之間的合成風(fēng)險矩陣：③根據(jù)①中確定的等級標(biāo)準(zhǔn)集計(jì)算各風(fēng)險等級的3個云數(shù)字特征值，再依據(jù)En和En'生成用于構(gòu)成云滴的高斯分布隨機(jī)數(shù)，并由正向高斯云算法生成某評價指標(biāo)隸屬于某一自然災(zāi)害風(fēng)險等級的云模型：④讀取待評樣本的實(shí)例數(shù)據(jù)，計(jì)算各評價指標(biāo)屬于各風(fēng)險等級的確定度，確定度值最大的等級即為該指標(biāo)的風(fēng)險等級：⑤結(jié)合②中構(gòu)建的風(fēng)險矩陣，得到待評樣本的綜合自然災(zāi)害風(fēng)險等級。

4 實(shí)例應(yīng)用

以全國31個省級行政區(qū)的自然災(zāi)害風(fēng)險評價為計(jì)算實(shí)例16]，驗(yàn)證上述云模型和風(fēng)險矩陣?yán)碚撛谧匀粸?zāi)害風(fēng)險評價中的有效性。

4.1 自然災(zāi)害風(fēng)險評價指標(biāo)及其標(biāo)準(zhǔn)的確定

首先確定全國31個省級行政區(qū)的自然災(zāi)害風(fēng)險評價指標(biāo)及其等級標(biāo)準(zhǔn)，然后產(chǎn)生各指標(biāo)隸屬于各風(fēng)險等級的云模型。由于區(qū)域自然災(zāi)害風(fēng)險評價需衡量的因素較為復(fù)雜，不同區(qū)域的致災(zāi)因子強(qiáng)度（自然條件）和承災(zāi)體脆弱性程度（經(jīng)濟(jì)社會條件）差異較大，因此從區(qū)域自然災(zāi)害的危險性和脆弱性兩方面綜合考慮，選擇評價指標(biāo)體系[16]。

（1）災(zāi)害危險性指標(biāo)。選取地震、地質(zhì)、洪水和臺風(fēng)4種自然災(zāi)害，具體數(shù)據(jù)見表1。

（2）承災(zāi)體（經(jīng)濟(jì)社會系統(tǒng)）脆弱性指標(biāo)。該指標(biāo)由承災(zāi)體的經(jīng)濟(jì)、人口、財(cái)產(chǎn)等因素共同決定，可將其分為經(jīng)濟(jì)脆弱性和社會脆弱性。筆者選取國內(nèi)生產(chǎn)總值、全社會固定資產(chǎn)投資作為經(jīng)濟(jì)脆弱性評價指標(biāo)，選取人口密度作為社會脆弱性評價指標(biāo)，具體數(shù)據(jù)見表1。

災(zāi)害危險性指標(biāo)s.由4種自然災(zāi)害地震、地質(zhì)、洪水和臺風(fēng)的危險度綜合而成：經(jīng)濟(jì)脆弱性指標(biāo)s，由國內(nèi)生產(chǎn)總值和全社會固定資產(chǎn)投資綜合而成：社會脆弱性指標(biāo)s，由區(qū)域人口總數(shù)（萬人）和區(qū)域面積（104km2）綜合而成。評價指標(biāo)s1、s2、s3的具體計(jì)算公式見文獻(xiàn)[16]，計(jì)算結(jié)果見表1。

災(zāi)害危險性指標(biāo)s1、經(jīng)濟(jì)脆弱性指標(biāo)s：和社會脆弱性指標(biāo)s3構(gòu)成了全國31個省級行政區(qū)自然災(zāi)害風(fēng)險評價的指標(biāo)體系。3個評價指標(biāo)的風(fēng)險等級標(biāo)準(zhǔn)可由距平百分率P確定[16]：

P=指標(biāo)一平均值 × 100%

（3）

平均值

式中：平均值為某評價指標(biāo)的全國平均值。

將各評價指標(biāo)的風(fēng)險分為5級：當(dāng)P≤-20%時為極低風(fēng)險，-20%20%為極高風(fēng)險。計(jì)算得到3個評價指標(biāo)的風(fēng)險等級標(biāo)準(zhǔn)，見表2。

4.2 構(gòu)造自然災(zāi)害風(fēng)險評價指標(biāo)的合成風(fēng)險矩陣

自然災(zāi)害危險性一經(jīng)濟(jì)脆弱性合成的風(fēng)險矩陣見表3。自然災(zāi)害危險性等級與承災(zāi)體經(jīng)濟(jì)脆弱性等級相同時，取合成等級與危險性和脆弱性的等級相同：災(zāi)害危險性等級與經(jīng)濟(jì)脆弱性等級相差一級時，考慮到自然災(zāi)害的危險性是災(zāi)害損失風(fēng)險形成的首要條件，是風(fēng)險系統(tǒng)輸入，其對區(qū)域自然災(zāi)害風(fēng)險形成機(jī)制的作用更為明顯，故取合成等級與危險性等級相同，例如，若危險性等級為I級（極低風(fēng)險），脆弱性等級為Ⅱ級（低風(fēng)險），則合成等級為I級（極低風(fēng)險）;災(zāi)害危險性等級與經(jīng)濟(jì)脆弱性等級相差兩級時，取合成等級介于危險性和脆弱性等級之間，例如，若危險性等級為I級（極低風(fēng)險），脆弱性等級為Ⅲ級（中等風(fēng)險），考慮到危險性與脆弱性對風(fēng)險形成的綜合影響，則取合成等級為Ⅱ級（低風(fēng)險）;災(zāi)害危險性等級與經(jīng)濟(jì)脆弱性相差三級時，考慮到災(zāi)害危險性風(fēng)險系統(tǒng)輸入的首要作用，故取合成等級介于危險性和脆弱性等級之間且稍偏于危險性等級，例如，若危險性等級為I級（極低風(fēng)險），脆弱性等級為Ⅳ級（高風(fēng)險），則合成等級為Ⅱ級（低風(fēng)險）;災(zāi)害危險性等級與經(jīng)濟(jì)脆弱性等級相差四級時，取合成等級介于危險性和脆弱性等級之間，例如，若危險性等級為I級（極低風(fēng)險），脆弱性等級為V級（極高風(fēng)險），考慮到危險性與脆弱性對風(fēng)險形成的綜合影響，則取合成等級為Ⅲ級（中等風(fēng)險）。

基于上述合成規(guī)則，自然災(zāi)害危險性一社會脆弱性合成的風(fēng)險矩陣和自然災(zāi)害危險性一經(jīng)濟(jì)脆弱性與災(zāi)害危險性一社會脆弱性合成的風(fēng)險矩陣分別見表4和表5。

與傳統(tǒng)的指標(biāo)權(quán)重法相比，風(fēng)險矩陣方法更能充分體現(xiàn)自然災(zāi)害風(fēng)險系統(tǒng)中各要素之間的作用機(jī)制。具體地說，如對于表3中災(zāi)害危險性和經(jīng)濟(jì)脆弱性指標(biāo)，若采用傳統(tǒng)權(quán)重法，兩者的重要程度僅通過2個指標(biāo)的權(quán)重體現(xiàn)，關(guān)系相對固定;而采用風(fēng)險矩陣法，通過2個指標(biāo)在各自風(fēng)險等級下的合成法則，能完全反映它們之間的等級關(guān)系隨各指標(biāo)風(fēng)險等級的變化過程，兩者的重要程度因各指標(biāo)所處風(fēng)險等級不同而改變，更具災(zāi)害風(fēng)險形成機(jī)理性。

4.3 云模型數(shù)字特征值的計(jì)算

基于已確定的全國31個省級行政區(qū)自然災(zāi)害風(fēng)險評價指標(biāo)及其等級標(biāo)準(zhǔn)，可采用式（4）計(jì)算得到所需的3個云模型數(shù)字特征，如對于某一具有上下邊界的評價指標(biāo)s（ [Amin，Amax]），3個云模型數(shù)字特征值可通過下式得到[10.15]。式中：Amin、Amax分別為評價指標(biāo)s的最小與最大邊界;k為常數(shù)，可通過評價指標(biāo)的模糊閾度進(jìn)行適當(dāng)調(diào)整，本文取0.01。

而對于單邊界限的某評價指標(biāo)，形如S[Amin，+∞]或[一∞，Amax]，可先通過實(shí)例樣本數(shù)據(jù)的上下限確定其缺省邊界參數(shù)或期望值，再依據(jù)式（4）計(jì)算云模型數(shù)字特征值。本文最終采用的云模型數(shù)字特征值計(jì)算規(guī)則見表6。

表6中的參數(shù)a至e分別為全國31個省級行政區(qū)自然災(zāi)害風(fēng)險評價指標(biāo)等級標(biāo)準(zhǔn)的各邊界值。如某評價指標(biāo)s的5個評價區(qū)間為：（0，a]、（a，b]、（b，c]、（c，d]、（d，e]。以評價指標(biāo)災(zāi)害危險性s1為例，各參數(shù)值分別為a= 0.602，6=0.677，c=0.827，d= 0.902，e=1.000n

4.4 評價指標(biāo)云模型的生成

基于云模型理論確定的3個數(shù)字特征值（Ex，En，He），運(yùn)用正向高斯云算法按照3個自然災(zāi)害風(fēng)險評價指標(biāo)生成相應(yīng)的云圖，如圖2所示，圖2中橫坐標(biāo)表示的是某評價指標(biāo)的取值，縱坐標(biāo)表示的是該指標(biāo)對應(yīng)的確定度。圖2（a）、（b）、（c）中，從左至右分別代表3個評價指標(biāo)自然災(zāi)害風(fēng)險等級I至V對應(yīng)的云，其中，處于風(fēng)險等級I左半?yún)^(qū)間（0，a/2]和等級V右半?yún)^(qū)間（（d+e）/2，e]的各評價指標(biāo)值，其確定度均為1，即完全隸屬于該風(fēng)險等級，故呈“半云”狀。

可通過正向高斯云算法計(jì)算全國31個省級行政區(qū)自然災(zāi)害風(fēng)險評價的3個指標(biāo)實(shí)例數(shù)據(jù)隸屬于某云的確定度，且確定度值最大的等級即為各指標(biāo)的風(fēng)險等級，再依據(jù)表3、表4和表5中各評價指標(biāo)之間的合成風(fēng)險矩陣規(guī)則，最終得到各行政區(qū)的綜合自然災(zāi)害風(fēng)險等級。如：某地區(qū)災(zāi)害危險性的指標(biāo)值隸屬于風(fēng)險等級Ⅲ的確定度最大，則該指標(biāo)處于中等風(fēng)險（Ⅲ）;若該地區(qū)經(jīng)濟(jì)脆弱性指標(biāo)處于低風(fēng)險（Ⅱ），社會脆弱性指標(biāo)處于高風(fēng)險（Ⅳ），則先根據(jù)表3得到災(zāi)害危險性一經(jīng)濟(jì)脆弱性合成的風(fēng)險等級，為中等風(fēng)險（Ⅲ），再根據(jù)表4得到災(zāi)害危險性一社會脆弱性合成的風(fēng)險等級，為中等風(fēng)險（Ⅲ），最后根據(jù)表5中的合成規(guī)則得到3個指標(biāo)的綜合風(fēng)險等級，為中等風(fēng)險（Ⅲ）。

若采用傳統(tǒng)的權(quán)重分配法，則將各指標(biāo)隸屬于某云的確定度分別乘以相應(yīng)評價指標(biāo)的權(quán)重，最終計(jì)算得到綜合確定度u。根據(jù)最大的綜合確定度值，判別全國31個省級行政區(qū)的自然災(zāi)害風(fēng)險等級[9，l5]，計(jì)算公式為

采用文獻(xiàn)[16]中的數(shù)據(jù)驗(yàn)證所構(gòu)建模型的正確性和有效性。實(shí)例中全國31個省級行政區(qū)的自然災(zāi)害風(fēng)險評價選用了災(zāi)害危險性、經(jīng)濟(jì)脆弱性和社會脆弱性3個指標(biāo)，風(fēng)險等級分為極低風(fēng)險I、低風(fēng)險Ⅱ、中等風(fēng)險Ⅲ、高風(fēng)險Ⅳ和極高風(fēng)險V，各評價指標(biāo)實(shí)例數(shù)值和風(fēng)險等級標(biāo)準(zhǔn)分別見表1、表2。

基于上述自然災(zāi)害風(fēng)險評價模型和表1，可得到各評價指標(biāo)對應(yīng)的風(fēng)險等級標(biāo)準(zhǔn)上下界限值A(chǔ)min和Amax，代人式（4）可以計(jì)算自然災(zāi)害5個風(fēng)險等級的云模型數(shù)字特征值，并生成每個評價指標(biāo)隸屬于某一風(fēng)險等級的云圖。由式（2）和全國31個省級行政區(qū)自然災(zāi)害風(fēng)險評價的實(shí)例指標(biāo)值，計(jì)算其在風(fēng)險等級的確定度，確定各指標(biāo)的風(fēng)險等級，然后依據(jù)表3、表4和表5，可得到全國31個省級行政區(qū)的綜合自然災(zāi)害風(fēng)險等級。基于云模型的3個自然災(zāi)害風(fēng)險指標(biāo)的評價結(jié)果見表7，基于云模型和風(fēng)險矩陣的自然災(zāi)害風(fēng)險評價結(jié)果及與其他方法的評價結(jié)果比較見表8。在此以北京的自然災(zāi)害風(fēng)險（s1=0. 800，s2=0.800，s3=1. 000，表1）說明實(shí)際確定度的計(jì)算過程。由正向高斯云算法得到s.災(zāi)害危險性評價指標(biāo)隸屬于5個風(fēng)險等級的確定度：μI=μⅡ=μv=0，μⅢ=0. 189 2，μIV=0. 015 1（表7），反映到實(shí)際情況中，s1=0.800應(yīng)隸屬于風(fēng)險等級Ⅲ，而計(jì)算結(jié)果μⅢ>μIv>μI=μⅡ=μv，表明s1= 0.800隸屬于風(fēng)險Ⅲ級的程度較大，不隸屬于其他的風(fēng)險等級，符合實(shí)際。同理可計(jì)算得到經(jīng)濟(jì)脆弱性指標(biāo)和社會脆弱性指標(biāo)對某一風(fēng)險等級的確定度，其中，經(jīng)濟(jì)脆弱性指標(biāo)s2=0. 800隸屬于風(fēng)險Ⅲ級的程度較大，社會脆弱性指標(biāo)s3= 1.000隸屬于風(fēng)險V級的程度較大，均與實(shí)際相符。再根據(jù)表3、表4和表5，災(zāi)害危險性一經(jīng)濟(jì)脆弱性合成為風(fēng)險Ⅲ級，災(zāi)害危險性一社會脆弱性合成為風(fēng)險Ⅳ級，最終災(zāi)害危險性一經(jīng)濟(jì)脆弱性和災(zāi)害危險性一社會脆弱性合成為風(fēng)險Ⅲ級（表8）。

由表8可知，全國31個省級行政區(qū)中自然災(zāi)害風(fēng)險等級為I的地區(qū)有0個：等級為Ⅱ的地區(qū)有10個，分別為內(nèi)蒙古、吉林、黑龍江、上海、重慶、貴州、西藏、青海、寧夏和新疆;等級為Ⅲ的地區(qū)有10個，分別為北京、山西、安徽、江西、河南、湖北、四川、云南、陜西和甘肅;等級為Ⅳ的地區(qū)有9個，分別為天津、遼寧、江蘇、浙江、福建、山東、湖南、廣西和海南;等級為V的地區(qū)有2個，為河北和廣東。

為驗(yàn)證本文所建立評價模型的有效性，將本文的評價結(jié)果與F值法[16]和集對分析法[17]以及云模型一權(quán)重分配法的自然災(zāi)害風(fēng)險評價結(jié)果作了比較分析。由表8可知，本文風(fēng)險評價結(jié)果與集對分析法和云模型一權(quán)重分配法的綜合結(jié)果較為吻合，表明基于云模型一風(fēng)險矩陣法的自然災(zāi)害風(fēng)險評價是可行有效的。文獻(xiàn)[16]的評價方法存在一定的缺陷，例如當(dāng)某個指標(biāo)值很小時，評價結(jié)果會趨于較低的風(fēng)險等級[17]，而云模型充分考慮了評價指標(biāo)風(fēng)險分級邊界的模糊性，因此基于云模型的評價結(jié)論更為合理。

5 結(jié)語

自然災(zāi)害風(fēng)險評價受眾多不確定性因素影響，本文把在定性與定量轉(zhuǎn)化方面具有明顯優(yōu)勢的云模型應(yīng)用于自然災(zāi)害風(fēng)險評價，不僅實(shí)現(xiàn)了自然災(zāi)害風(fēng)險等級“極低風(fēng)險”“低風(fēng)險”“中等風(fēng)險”“高風(fēng)險”“極高風(fēng)險”的定性描述，而且將其進(jìn)一步轉(zhuǎn)化為每個相應(yīng)風(fēng)險等級的定量數(shù)值，有效彌補(bǔ)了其他風(fēng)險評價方法不能綜合考慮評價指標(biāo)隨機(jī)性和模糊性等不確定性的缺陷，同時將風(fēng)險矩陣?yán)碚搼?yīng)用于各風(fēng)險指標(biāo)評價結(jié)果的合成，比原有指標(biāo)權(quán)重分配方法更能反映自然災(zāi)害風(fēng)險形成機(jī)制。全國31個省級行政區(qū)的自然災(zāi)害風(fēng)險評價結(jié)果表明，基于云模型和風(fēng)險矩陣的自然災(zāi)害風(fēng)險評價方法比其他方法的應(yīng)用過程更為直觀、簡便，且結(jié)果可靠，具有一定的機(jī)理性，為綜合處理風(fēng)險評價過程中存在的模糊性與隨機(jī)性問題提供了一種新思路。

參考文獻(xiàn)：

[l] 袁永博，竇玉丹，劉妍，等.基于組合權(quán)重模糊可變模型的旱澇災(zāi)害評價[J].系統(tǒng)工程理論與實(shí)踐，2013，33（ 10）：2583-2589.

[2]

11 Y L，WANG T，SONC X Y， et al.Optimal Resource Al-location for Anti - Terrorism in Protecting Overpass BridgeBased on AHP Risk Assessment Model[J].KSCE Joumal ofCivil Engineering， 2016， 20（1）：309-322.

[3] 王益?zhèn)?，羅周全，楊彪，等，基于投影尋蹤模型的礦山地下水災(zāi)害分級評價[J].中國安全生產(chǎn)科學(xué)技術(shù)，2014，10 （3）：41-47.

[4]金菊良，魏一鳴，楊曉華，基于遺傳算法的洪水災(zāi)情評估神經(jīng)網(wǎng)絡(luò)模型探討[J].災(zāi)害學(xué)，1998，13（2）：6-11.

[5] 陳亞寧，楊思全.自然災(zāi)害的灰色關(guān)聯(lián)災(zāi)情評估模型及應(yīng)用研究[J].地理科學(xué)進(jìn)展，1999，18（2）：158-162.

[6]CAIN A K， MOJTAHED V， BISCARO C，et al.An Inte-grated Approach of Flood Risk Assessment in the EasternPart of Dhaka City[ J]. Natural Hazards， 2015， 79（3）：1499-1530.

[7]

DAHAL P，SHRESTHA N S，SHRESTHA M L，et al.DroughtRisk Assessment in Central Nepal：Temporal and Spatial Anal-ysis [J]. Natural Hazards， 2016， 80（3）：1913-1932.

[8]李德毅，杜鶿，不確定性人工智能[M].2版，北京：國防工業(yè)出版社，2014：50-53.

[9]李健，汪明武，徐鵬，等.基于云模型的圍巖穩(wěn)定性分類[J].巖土工程學(xué)報(bào)，2014，36（1）：83-87.

[10] 張秋文，章永志，鐘鳴，基于云模型的水庫誘發(fā)地震風(fēng)險多級模糊綜合評價[J].水利學(xué)報(bào)，2014，45（1）：87-95.

[11] 邵蓮芬，辛酉陽.基于投影尋蹤一正態(tài)云模型的某土石壩安全評價[J].水電能源科學(xué)，2015，33（ 12）：81-84.

[12]

LIU Y C，MA Y T，ZHANC H S，et al.A Method for TrustManagement in Cloud Computing： Data Coloring by CloudWatermarking[J].Intemational Journal of Automation andComputing， 2011， 8（3）： 280-285.

[13]

WANC S L，LID R， SHI W Z，et al.Cloud Model-BasedSpatial Data Mining[J].Geographic Information Sciences，2003.9（ 1-2）：60-70.

[14] 羅赟騫，夏靖波，陳天平，基于云模型和熵權(quán)的網(wǎng)絡(luò)性能綜合評估模型[J].重慶郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，21（6）：771-775.

[15] 丁昊，王棟，基于云模型的水體富營養(yǎng)化程度評價方法[J].環(huán)境科學(xué)學(xué)報(bào)，2013，33（1）：251-257.

[16]劉麗，代宏霞，中國自然災(zāi)害保險風(fēng)險度綜合評判與區(qū)劃[J].山地學(xué)報(bào)，2004，22（4）：477-482.

[17]王文圣，金菊良，李躍清，基于集對分析的自然災(zāi)害風(fēng)險度綜合評價研究[J].四川大學(xué)學(xué)報(bào)（工程科學(xué)版）， 2009，41（6）：6-12.