網(wǎng)絡(luò)公眾對(duì)高放廢物深地質(zhì)處置接受性研究

張冰燾，趙帥維，李洪輝，謝龍龍，孟子賀

（中國(guó)輻射防護(hù)研究院，太原 030006）

隨著核電的發(fā)展，將會(huì)有越來(lái)越多的高放廢物產(chǎn)生，而高放廢物的安全處置是核能可持續(xù)發(fā)展和環(huán)境保護(hù)的重大問(wèn)題［1］。目前大多數(shù)有核國(guó)家都傾向于采用由美國(guó)國(guó)家科學(xué)院首先提出的深地質(zhì)處置方案來(lái)進(jìn)行高放廢物處置［2］。中國(guó)對(duì)于高放廢物處置的相關(guān)研究開(kāi)展較晚，于1985年由徐國(guó)慶等開(kāi)始了第1個(gè)高放廢物地質(zhì)處置研究課題［3-4］。從此，中國(guó)開(kāi)展了高放廢物地質(zhì)處置的跟蹤調(diào)研、高放廢物地質(zhì)處置規(guī)劃、處置庫(kù)場(chǎng)址區(qū)域篩選、地下實(shí)驗(yàn)室場(chǎng)址篩選、工程屏障、核素遷移和安全評(píng)價(jià)等多方面的研究。自21世紀(jì)開(kāi)始，中國(guó)高放廢物地質(zhì)處置相關(guān)的研究開(kāi)發(fā)工作進(jìn)入了一個(gè)穩(wěn)步發(fā)展的全新階段［3］，高放廢物地質(zhì)處置科研從選址、場(chǎng)址評(píng)價(jià)逐漸進(jìn)入為地下實(shí)驗(yàn)室建設(shè)做準(zhǔn)備的階段。

高放廢物深地質(zhì)處置地下實(shí)驗(yàn)室的建設(shè)涉及到許多的問(wèn)題，在使用的過(guò)程中肯定會(huì)涉及到放射性廢物的處置。一旦有關(guān)放射性廢物的處置研究勢(shì)必離不開(kāi)公眾的支持［5-7］。公眾接受性研究是政治學(xué)、心理學(xué)和公共政策等領(lǐng)域中公共輿論與風(fēng)險(xiǎn)治理研究的一大分支，是一項(xiàng)科學(xué)創(chuàng)新與公共管理的交叉研究［5］。地下實(shí)驗(yàn)室的公眾接受性會(huì)對(duì)國(guó)家未來(lái)的核退役治理工程發(fā)展的政策、技術(shù)、經(jīng)濟(jì)性等問(wèn)題都會(huì)產(chǎn)生影響。國(guó)家決策不僅要考慮經(jīng)濟(jì)成本，還要考慮社會(huì)成本，如果公眾對(duì)地下實(shí)驗(yàn)室存在較大爭(zhēng)議，甚至引發(fā)沖突，其結(jié)果所造成的巨大社會(huì)影響是政府在進(jìn)行決策時(shí)考慮的主要問(wèn)題之一［8］。因此，地下實(shí)驗(yàn)室的公眾接受性既影響核退役治理工程的發(fā)展，也影響安全目標(biāo)的制訂，在國(guó)外地下室實(shí)驗(yàn)的建設(shè)過(guò)程中，公眾的決定占據(jù)了主導(dǎo)地位。如芬蘭、瑞典，在建設(shè)的初期與公眾保持了良好的溝通，項(xiàng)目順利進(jìn)行；相反的是，法國(guó)、美國(guó)因?yàn)楣姷膹?qiáng)烈反對(duì)導(dǎo)致研發(fā)計(jì)劃終止或者延期。因此公眾的參與起到了決定性的作用［9-12］。

由于中國(guó)高放廢物地質(zhì)處置地下實(shí)驗(yàn)室工程初步建立，而高放廢物潛在的安全性以及公眾對(duì)其的擔(dān)心和影響決定后續(xù)發(fā)展，特別是工程周圍的居民的接受度對(duì)其擁有巨大的影響力，他們對(duì)高放廢物的認(rèn)知水平將對(duì)工程的建設(shè)起到了重要的作用。調(diào)研國(guó)內(nèi)、外分析公眾接受性的方法，以及收集有關(guān)公眾接受性的數(shù)據(jù)，是目前了解高放廢物地質(zhì)處置地下實(shí)驗(yàn)室建設(shè)公眾接受性的基礎(chǔ)。然后再選擇合適的分析與研究方法總結(jié)影響公眾對(duì)高放廢物地質(zhì)處置地下實(shí)驗(yàn)室工程接受度的關(guān)鍵因素，進(jìn)而了解公眾參與的接受程度。這有利于對(duì)后續(xù)過(guò)程中加強(qiáng)高放廢物知識(shí)的宣傳普及，提高公眾的核應(yīng)急意識(shí)，解決由于高放廢物地質(zhì)處置研究室對(duì)他們生活、生活環(huán)境中造成問(wèn)題提供幫助。因此，尋求影響地下實(shí)驗(yàn)室公眾接受性的關(guān)鍵因素，一方面有助于社會(huì)科學(xué)研究者提煉出公共輿論、政策過(guò)程和政府回應(yīng)的一般知識(shí)；另一方面有助于決策者把握公眾心理，從而制訂出技術(shù)可行、人民滿意的政策，實(shí)現(xiàn)科學(xué)化和民主化［5］。

1 網(wǎng)絡(luò)爬蟲(chóng)確定關(guān)鍵因素

以網(wǎng)絡(luò)爬蟲(chóng)（Web crawler）的方式從各大新聞網(wǎng)站上爬取核相關(guān)新聞數(shù)據(jù)進(jìn)行研究，對(duì)爬取的數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，并進(jìn)行分析、歸納和整理，最終得到公眾接受性關(guān)鍵因素。

爬蟲(chóng)就是請(qǐng)求網(wǎng)站并提取數(shù)據(jù)的自動(dòng)化程序，本研究采用Scrapy框架來(lái)實(shí)現(xiàn)爬蟲(chóng)，其具體步驟如下：（1）打開(kāi)一個(gè)網(wǎng)站，找到處理該網(wǎng)站的爬蟲(chóng)（Spider），并請(qǐng)求第1個(gè)要爬取的網(wǎng)址（Uniform Resource Location，URL）［13］；（2）通過(guò)調(diào)度器（Scheduler）以請(qǐng)求（Request）的形式進(jìn)行調(diào)度，并請(qǐng)求下一個(gè)要爬取的URL；（3）Scheduler返回下一個(gè)要爬取的URL，同時(shí)下載頁(yè)面；（4）頁(yè)面下載完畢后，將其發(fā)送給引擎（Engine）；（5）將下載的頁(yè)面交給Spider處理，并返回爬取到的項(xiàng)目（Item）及新的Request；（6）將返回的Item給項(xiàng)目管道（Item Pipeline），將 新 的Request給Scheduler；（7）重 復(fù) 以 上 步驟，直到Scheduler中沒(méi)有更多的Request，關(guān)閉該網(wǎng)站，爬取結(jié)束。

通過(guò)以上步驟，一共爬取到11 508條數(shù)據(jù)，涉及包括性別、年齡、學(xué)歷、住址、職業(yè)、年收入、對(duì)核的了解、對(duì)政府和專家的信任程度、知情權(quán)、監(jiān)督權(quán)、參與權(quán)和對(duì)核退役的態(tài)度等29個(gè)屬性，如表1所示。

表1 各個(gè)因素指標(biāo)含義Table 1 The meaning of each factor index

2 各個(gè)因素權(quán)重的計(jì)算

2 .1層次分析模型的建立

根據(jù)表1所得到的網(wǎng)絡(luò)上公眾接受性的指標(biāo)與分類，因素中人口性別、年齡、職業(yè)和家庭收入是通過(guò)其他因素等間接影響到公眾的接受性。公眾對(duì)于接受程度的判斷結(jié)果是非常主觀的［14］。雖然年齡、性別等客觀因素可能影響到公眾的接受情況，但并不能作為公眾接受性的評(píng)價(jià)標(biāo)準(zhǔn)［15］。因此，對(duì)于公眾接受性影響因素當(dāng)中的性別、年齡、職業(yè)和家庭收入的客觀因素進(jìn)行刪除，最終可以構(gòu)建出層次分析模型，如圖1所示。

圖1 網(wǎng)絡(luò)因素的層次分析模型Fig.1 AHP mode of factors in the internet

2 .2 XGBoost算法確定各個(gè)因素的權(quán)重

層次分析法確認(rèn)權(quán)重一般通過(guò)專家打分法進(jìn)行打分，但是這種方法個(gè)人主觀性太強(qiáng)，不能很好地表示出民眾的意愿。為了更好地結(jié)合網(wǎng)絡(luò)工具，采用大數(shù)據(jù)處理的方法對(duì)采集到的數(shù)據(jù)進(jìn)行整理，以確定各個(gè)因素的權(quán)重。

XGBoost（Extreme Gradient Boosting）算 法是基于決策樹(shù)的集成機(jī)器學(xué)習(xí)算法，使用梯度上升框架，適用于分類和回歸問(wèn)題［15］。它可以有效地構(gòu)建增強(qiáng)樹(shù)并能夠并行運(yùn)行，假設(shè)有T顆樹(shù)，那么模型的輸出值為：

式中：T—樹(shù)的數(shù)目；F—樹(shù)的集合空間；yi—模型的預(yù)測(cè)值；xi—第i個(gè)數(shù)據(jù)點(diǎn)的特征向量，且xi∈R（i=1，2，…，n）；ft—第t棵獨(dú)立樹(shù)的結(jié)構(gòu)，與葉子的權(quán)重向量有關(guān)。每一棵的參數(shù)包括它的結(jié)構(gòu)與葉子結(jié)點(diǎn)的值，不妨將每一顆樹(shù)作為參數(shù)來(lái)進(jìn)行優(yōu)化，目標(biāo)函數(shù)可改寫(xiě)為：

采用前向分布算法把學(xué)習(xí)過(guò)程分解為先學(xué)習(xí)第一顆樹(shù)，然后基于學(xué)習(xí)好的第一顆樹(shù)再去學(xué)習(xí)第二棵樹(shù)，以此類推，直到通過(guò)第t?1顆樹(shù)來(lái)學(xué)習(xí)第T顆樹(shù)為止。即要找到這樣一個(gè)樹(shù)，使下面的目標(biāo)函數(shù)最?。?/p>

在一個(gè)基學(xué)習(xí)器（CART）中，影響其復(fù)雜度的因素主要有葉子結(jié)點(diǎn)數(shù)、葉子的權(quán)值，因此樹(shù)復(fù)雜度函數(shù)Ω（ft）可以寫(xiě)為：

問(wèn)題轉(zhuǎn)換為使得目標(biāo)函數(shù)Obj（T）最小

解得

代入目標(biāo)函數(shù)得

XGBoost算法從根的節(jié)點(diǎn)開(kāi)始，用遞歸的方法選擇樹(shù)結(jié)構(gòu)的最優(yōu)特征，以此對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行分割［16］。信息增益最大的分割為該節(jié)點(diǎn)的最優(yōu)分割，其計(jì)算如公式

式中：中括號(hào)第1項(xiàng)—左子樹(shù)分?jǐn)?shù)；第2項(xiàng)—右子樹(shù)分?jǐn)?shù)；第3項(xiàng)—不分割時(shí)的分?jǐn)?shù)；γ—加入新葉子節(jié)點(diǎn)引入的復(fù)雜度代價(jià)，當(dāng)Gain<0時(shí)，放棄分割［17］。

XGBoost根據(jù)結(jié)構(gòu)分?jǐn)?shù)的增益情況，計(jì)算出選擇哪個(gè)特征作為分割點(diǎn)，而這個(gè)特征的重要性就是它在所有樹(shù)中出現(xiàn)的次數(shù)之和［18］。也就是說(shuō)一個(gè)屬性越多地被用來(lái)在模型中構(gòu)建決策樹(shù)，它的重要性就相對(duì)越高，相應(yīng)的對(duì)結(jié)果的預(yù)測(cè)影響更高。

以是否同意所在的地區(qū)被選定為高放廢物處置庫(kù)建設(shè)區(qū)為類別標(biāo)簽，同意為1，反對(duì)為0，訓(xùn)練集和測(cè)試集的數(shù)據(jù)比例按照7：3進(jìn)行劃分。最終XGBoost模型相關(guān)性能指標(biāo)結(jié)果如表2所示。由 表2可 見(jiàn)，XGBoost模 型 的AUC達(dá) 到 了91.22%，預(yù)測(cè)效果良好。Accuracy（ACC）代表模型準(zhǔn)確率，XGBoost模型的ACC為82.18%，表示模型具有良好的準(zhǔn)確率。Recall和Precision分別代表查全率及精確率，F(xiàn)1-score代表F1得分。這三個(gè)指標(biāo)都在80%以上，代表模型預(yù)測(cè)精度好，結(jié)果的可信度較高。

表2 XGBoost模型性能指標(biāo)Table 2 Performance index of XGBoost mode

由于集成模型中的XGBoost仍然屬于樹(shù)模型，對(duì)于樹(shù)模型可以判斷每個(gè)特征變量對(duì)模型的貢獻(xiàn)程度，從而判斷哪些特征變量對(duì)于是否同意所在的地區(qū)被選定為高放廢物處置庫(kù)建設(shè)區(qū)的影響更為顯著，其結(jié)果如圖2所示。

圖2 因素的特征重要性Fig.2 The characteristic importance of factors

圖2顯示了每個(gè)特征變量對(duì)模型的貢獻(xiàn)程度，通過(guò)程度的強(qiáng)弱來(lái)表示每種因素的權(quán)重，最終筆者通過(guò)以下公式確定每個(gè)因素的權(quán)重。

式中：q—子因素對(duì)模型的貢獻(xiàn)程度，Q—該子因素所對(duì)應(yīng)的主要因素的貢獻(xiàn)程度，V—該子因素的權(quán)重，以此可以計(jì)算出每個(gè)因素的權(quán)重。根據(jù)構(gòu)建好的公眾接受性評(píng)價(jià)指標(biāo)體系，建立評(píng)價(jià)指標(biāo)集。

一級(jí)指標(biāo)：

U=｛V1；V2；V3；V4｝=｛認(rèn)知水平；信任水平；感知風(fēng)險(xiǎn)；感知利益｝

二級(jí)指標(biāo)：

V1=｛V11；V12；V13；V14；V15；V16；V17｝=｛是否了解核泄漏；是否了解核污染；是否了解核；是否了解核電；是否了解核能；是否了解核技術(shù)；是否了解核退役｝；

V2=｛V21；V22；V23｝=｛對(duì)當(dāng)?shù)卣男湃?；?duì)核事故防范的信任；對(duì)企業(yè)和科學(xué)家的信任｝；

V3=｛V31；V32；V34；V35；V36；V37；V38｝=｛建造高放廢物處理地區(qū)的位置；遏制本地經(jīng)濟(jì)的發(fā)展；參與權(quán)；對(duì)本地生態(tài)環(huán)境的破壞；對(duì)本地居民造成心理負(fù)擔(dān)；監(jiān)督權(quán)；生命安全；知情權(quán)｝；

V4=｛V41；V42；V43；V44；V45；V46｝=｛對(duì) 發(fā)展核退役工程持何種態(tài)度；補(bǔ)償收入得到提高；提供更多的就業(yè)機(jī)會(huì)；促進(jìn)本地經(jīng)濟(jì)發(fā)展；基礎(chǔ)服務(wù)設(shè)施得到提高；引進(jìn)人才｝。

通過(guò)上述方式，進(jìn)而計(jì)算各因素權(quán)重值，得出U的具體權(quán)重為：

U=｛V1；V2；V3；V4｝=｛0.176；0.268；0.315；0.241｝

設(shè)Vi各因素的權(quán)重分配為：

3 公眾接受性綜合評(píng)價(jià)

3.1 建立評(píng)語(yǔ)集

建立公眾接受性的評(píng)語(yǔ)集S=｛S1；S2；S3；S4；S5｝［14］。其中S1為非常差，S2為較差，S3為一般，S4為較高，S5為非常高，如表3所示。

表3 公眾接受性評(píng)語(yǔ)等級(jí)Table 3 The comment grade of public acceptance

3.2 綜合評(píng)價(jià)

如果rij（i=1，2，…，m；j=1，2，…，n）可以用來(lái)表示指標(biāo)vi對(duì)第j級(jí)評(píng)語(yǔ)vj的隸屬程度，根據(jù)調(diào)查結(jié)果，并進(jìn)行整理分析，則

因此，根據(jù)rij值就可以得到各因素對(duì)不同評(píng)價(jià)的隸屬程度所組成行向量元rij，根據(jù)行向量元rij，可以得到相應(yīng)的評(píng)價(jià)矩陣。對(duì)于研究不同因素的權(quán)重值，通過(guò)以下公式：

形成相應(yīng)的評(píng)價(jià)向量Bi，所得的Bi組成矩陣B，即

根據(jù)指標(biāo)權(quán)重集U=｛V1；V2；V3；V4｝，得到向量Bv的具體公式：

根據(jù)計(jì) 算得出Bv=（0.060，0.338，0.097，0.431，0.074）。為了得到具體的結(jié)果，將評(píng)語(yǔ)集S=｛S1；S2；S3；S4；S5｝設(shè)分值并組成一個(gè)列向量W=［W1，W2，W3，W4，W5］T。分值定為每個(gè)等級(jí)范圍的中值，即W=［95，85，70，50，20］T，具體公式：

式中：Bi—評(píng)價(jià)向量jW—分值向量；G—綜合評(píng)價(jià)分?jǐn)?shù)。根據(jù)公式計(jì)算可以得出：認(rèn)知水平G1=60.753；信任水平G2=56.050；感知風(fēng)險(xiǎn)G3=58.770；感知利益G4=63.529；公眾接受性G=59.537。根據(jù)評(píng)價(jià)結(jié)果可以得到相應(yīng)的網(wǎng)絡(luò)上公眾接受性水平，具體情況見(jiàn)表4。

表4 網(wǎng)絡(luò)群眾的公眾接受性評(píng)價(jià)結(jié)果Table 4 The evaluation results of Internet public acceptance

從分析該結(jié)果可以得出，網(wǎng)絡(luò)公眾的整體接受性處于較差水平。其中感知風(fēng)險(xiǎn)和信任水平的公眾接受性水平較低，說(shuō)明網(wǎng)絡(luò)上公眾接受性受到個(gè)人狀況的影響較大，另外總體對(duì)政府部門(mén)、科學(xué)信任以及處理能力信任的水平不夠高。感知利益的公眾接受處于一般水平，這可能是由于網(wǎng)絡(luò)上的群眾并非是選址區(qū)域的受益方，導(dǎo)致感知利益方面上與選址區(qū)域群眾可能存在差異。認(rèn)知水平的公眾接受性處于一般水平，說(shuō)明網(wǎng)絡(luò)群眾整體對(duì)核的相關(guān)知識(shí)不太了解，從而造成對(duì)專家和政府的能力還不是十分信任。

4 結(jié)論

通過(guò)對(duì)網(wǎng)絡(luò)上公眾接受性進(jìn)行研究，得到了以下的結(jié)論。

通過(guò)爬蟲(chóng)爬取網(wǎng)絡(luò)上與核相關(guān)的信息評(píng)論，借鑒已有相關(guān)文獻(xiàn)的基礎(chǔ)上和通過(guò)數(shù)據(jù)整理歸納知識(shí)，建立公眾接受性的層次結(jié)構(gòu)模型。通過(guò)該模型的識(shí)別，信任水平、認(rèn)知水平、感知利益、感知風(fēng)險(xiǎn)是影響網(wǎng)民公眾接受性的主要因素。

根據(jù)網(wǎng)絡(luò)上高放廢物深地質(zhì)處置公眾接受性的主要影響因素，建立了由4個(gè)一級(jí)指標(biāo)和29個(gè)二級(jí)指標(biāo)所組成的高放廢物深地質(zhì)處置公眾接受性的評(píng)價(jià)指標(biāo)體系。采用層次分析法建立模型，并通過(guò)XGBoost算法對(duì)每一項(xiàng)評(píng)價(jià)指標(biāo)賦予權(quán)重值，結(jié)合模糊層次綜合評(píng)價(jià)法對(duì)高放廢物深地質(zhì)處置公眾接受性進(jìn)行綜合評(píng)價(jià)，得到評(píng)價(jià)結(jié)果為59.537分，根據(jù)所建立的公眾接受性的評(píng)語(yǔ)等級(jí)，可以得出，網(wǎng)絡(luò)上高放廢物深地質(zhì)處置的公眾接受性處于較差水平。

通過(guò)所得的評(píng)價(jià)結(jié)果對(duì)網(wǎng)絡(luò)群眾高放廢物深地質(zhì)處置公眾接受性進(jìn)行綜合分析，網(wǎng)絡(luò)上高放廢物深地質(zhì)處置在多個(gè)方面存在著不足，其中信任水平和感知風(fēng)險(xiǎn)處于較差水平，而認(rèn)知水平和感知利益僅僅處于一般水平，說(shuō)明網(wǎng)絡(luò)上公眾對(duì)于高放廢物深地質(zhì)處置的信任不足，認(rèn)知不夠。根據(jù)這些不足，可以加強(qiáng)有關(guān)高放廢物深地質(zhì)處置知識(shí)的普及，建立該領(lǐng)域?qū)＜?、政府、環(huán)保局等新聞發(fā)布制度，提升高放廢物深地質(zhì)處置的相關(guān)技術(shù)和管理水平，進(jìn)而為提高網(wǎng)絡(luò)上高放廢物深地質(zhì)處置的公眾接受性提供依據(jù)。