災害應急物資需求預測模型研究

傅志妍　陳　堅

摘要:災害應急物流管理是災害應急管理體系中的重要組成部分,而災害應急物資需求預測則是災害應急物流管理的前提條件,“5.12汶川地震”更突出了其在災害應急物流管理中的重要作用。針對傳統災害應急物資需求預測方法的不足,基于歸一化處理后的歐氏算法,尋求最佳相似源案例,以確定源案例中的關鍵因素,建立了案例推理——關鍵因素模型,為目標案例進行災害應急物資需求預測。最后將該模型運用于“汶川地震”的實例中,進行物資需求預測,驗證了模型科學有效。

關鍵詞:應急物資;案例推理;關鍵因素;歐氏算法;需求預測模型

中圖分類號:F252文獻標識碼:A

Abstract: Emergency logistics management in disaster is an important part of disaster emergency management system. Emergency material demand forecast in disaster is a prerequisite for disaster emergency logistics management, whose importance is highlighted in“5.12 earthquake in Wenchuan”. This paper addressed oneself to the deficient of traditional methods of emergency material demand forecasts, came up with the best similar source cases by normalization of the Euclidean algorithm and determined the key factors in the source case, and then established case-based reasoning-the key factor model to forecast emergency material demands for objective case. Finally, the model is used in“Wenchuan earthquake”example to forecast material demand to verify the scientific and effectiveness of the model.

Key words: emergency materials; case-based reasoning; key factors; euclidean algorithm; material demand model

0引言

“5.12汶川大地震”造成災區交通、通訊中斷,災區成為一座座陸地“孤島”,災區物資需求信息無法獲取,對應急物資的籌集、供應造成重大影響。災害應急物資需求預測的準確性直接關系到救災實施效率。傳統災害物資需求預測僅以專家經驗判斷為主,尚沒有成熟的預測方法,加上突發事件具有非例行性、不確定性等特點,更增加了對應急物資需求預測研究的難

度[1-2]。但是,當突發事件類型相同、發生環境相似、處理方式相同的前提條件下,應急物資的需求也具有相近性,因此可以考慮利用歷史數據建立案例庫,通過選取相似源案例并從中抽取決定物資需要的關鍵因素,考慮此次災區基本情況,建立案例推理——關鍵因素模型進行災害應急物資需求預測。

1災害應急物資需求內容

(1)應急物資的數量需求。災害應急物資的數量需求是物資需求內容中最基本、最重要的,指突發災害事件發生后,為保障災區人民的基本生活物資需求所必需的最小的物資需求數量[3]。如汶川地震事件中某一地區一天需要“方便面1 000箱,礦泉水2 000箱”等。

(2)應急物資的質量需求。應急物資的質量需求是指物資供應的及時性、物資供應數量的準確性、物資的安全性和成本等方面的要求。如地震事件中造成災區交通中斷,物資的及時供應受到阻礙;而信號中斷則給物資需求數量的信息收集造成困難,這些都屬于應急物資的質量需求。

(3)應急物資的結構需求。物資的結構需求主要是指需求的各類物資之間的結構比例關系,用一個相對的指標來刻畫,通常用數量比來表示。突發事件的類型通常決定著物資的結構需求,不同類型的突發事件需要不同種類的物資需求組合。如在抗震救災中,對傷員進行緊急搶救時,不僅要考慮到醫藥品的需求量,同時還要考慮到一定比例的配套醫療器械的需求量,這些不同類型的物資之間存在著一定的數量比例關系。

2案例推理——關鍵因素模型

案例推理技術首先是對目標案例進行數學特征描述,根據這些特征,采用歸一化后的歐氏算法從案例庫中檢索出最佳相似案例,然后確定出決定物資需要的關鍵因素,再根據源案例中相關關鍵因素的數據,構建案例推理——關鍵因素模型進行目標案例的物資需求預測(如圖1所示)。

2.1案例的表示

假設案例庫中有n個案例,記源案例集為C=C,C,…,C;每個案例有m個屬性,記屬性集為F=F,F,…,F;屬性集F的影響權重集為ω=ω,ω,…,ω,且滿足ω=1,j=1,2…,m;記新目標案例為T=T,T,…,T,構造屬性矩陣如下:X=

式中,X代表第i個案例的第j個屬性值。

2.2最佳相似源案例的確定

本文采用相似度計算方法——歐氏距離算法來確定最相似源案例,在運用歐式距離算法之前,把案例屬性值按照某種函數歸一化到某一無量綱區間并且使所有相關屬性歸一化到同一數量級內,以便計算結果更能準確地反應源案例與目標案例之間的匹配程度[4-6]。

(1)屬性值歸一化。由于多數情況下各因素量綱不同且有時屬性間的數量級懸殊,故需要對原始矩陣的數據進行歸一化處理,從而使得每一指標值統一于某種共同的數值特性范圍。

X=(1)

式中:

X為指標i的無量綱值,X為指標i的實際值。X、X指原始指標最大和最小值。

(2)屬性值權重的計算。==X V=

則各屬性值的權重為:ω=, j=1,2,…,m

(3)歐氏距離算法。歐氏距離公式如下:d=ωX-T

式中,T為目標案例第j個屬性的值,d為新目標案例T與源案例庫中第i個案例之間的歐氏距離,d 越小說明它們之間越相似。

屬性值歸一化后,采用以下公式計算案例相似度,確定最佳相似案例。

d=ωX-T (2)

2.3關鍵因素確定及相關需求預測

(1)關鍵因素確定。確定最近相似源案例后,分析其物資需求的品類和結構,抽取出決定主要物資需求的關鍵因素,如災區人口數量、災區面積等。

假設最近相似源案例中,主要物資需求品類有食品類、衣物類、工程器械類3種,其中食品類、衣物類的物資需求量都是由災區人口數量直接決定的,而工程機械類需求量則由受損的道路面積、房屋面積等決定,因此關鍵因素即為災區人口數量和道路面積。

(2)目標案例的物資需求預測。假設最近相似源案例中的災區人口數量為M,受損道路面積為S,食物類、衣物類、工程機械類需求數量分別為N、N、N。K、K、K分別為食品需求量與人口數量比、衣物需求量與人口數量比、工程器械需求量與道路面積比,即K=,K=,K=;目標案例中的災區人口數量為M,受損道路面積為S。

則目標案例中食物類、衣物類、工程機械類的需求數量N、N、N的確定如下:

2.4模型構建

基于案例推理——關鍵因素模型,確定應急物資需求預測模型的步驟如下:

Step1:根據案例推理技術,對案例進行數學表示;

Step2:引入歸一化效用函數,對屬性值進行歸一化處理;

Step3:應用歐氏距離算法,確定最佳相似源案例;

Step4:分析最佳相似源案例及災區實際情況,確定關鍵因素;

Step5:根據關鍵因素,對目標案例進行相應的物資需求預測。

2.5實例分析

以汶川地震發生后的應急物資需求預測為例,設案例庫中有3個地震事件的物資需求案例,即C=C,C,C,每個案例C中都包含有過去某次地震事件中的物資需求信息,包括物資的數量需求、質量需求和結構需求。假設每次地震事件中應對目標、應對方式和應對過程都相同,則影響物資需求的因素只與地震突發事件的情景信息有關,抽取4個主要的情景特征因素,F=震級大小,地震持續時間,地震波及范圍,震區人口密度。目標案例汶川地震的4個屬性值分別為8里氏、60秒、10萬平方公里、26人/平方公里[7]。即T=T,T,T,T=8,60,10,26。

3個源案例的屬性值矩陣如下:X==

由式(1)可得:X=;T=1,1,1,0.6

最后可計算得目標案例與3個源案例的相似度:d=0.65;d=0.44;d=0.74

通過比較各相似度的大小,可得汶川地震事件與案例C比較相似,所以,此次地震事件的物資需求預測可參照案例C的關鍵因素比值。

案例C中M=50 000(人),S=1 000(平方公里),N=10 000(噸),N=60 000(件),N=500(輛);M=60 000(人),S=1 500(平方公里)。由式(3)、(4)、(5)可得目標案例的物資需求預測結果:N=12 000(噸),N=72 000(件),N=750(輛)。

3結束語

本文運用歸一化處理后的歐氏算法,尋求最佳相似源案例,并根據目標案例的實際情況確定關鍵因素,建立了案例推理——關鍵因素物資需求預測模型。同時將模型運用于“汶川地震”實例分析中,驗證了模型的科學、有效性。但該模型僅對災害應急物資的數量需求進行了預測,質量需求和結構需求在模型中的體現有待于進一步研究。

參考文獻:

[1]Linet Ozdamar. Emergency Logistics Planning in Natural Disasters[J]. Annals of Operations Research, 2004(129):217-245.

[2]Derere L. Case-based Reasoning: Diagnosis of Faults in Complex Systems Through Reuse of Experience[Z]. In: Test Conference, Proceedings, International, 2000.

[3] 劉寶旋,趙瑞清,王綱. 不確定規劃及應用[M]. 北京:清華大學出版社,2003.

[4] 楊慶芳,李善梅,等. 城市交通控制與誘導系統協同效果評價方法[J]. 交通與計算機,2006(24):1-4.

[5] 郭瑞鵬. 應急物資動員決策的方法與模型研究[D]. 北京:北京理工大學,2006.

[6] 羅忠良,王克運,康仁科,等. 基于案例推理系統中案例檢索算法的探索[J]. 計算機工程與應用,2005(25):230-232.

[7] 唐曉春. 四川5?12地震災害鏈探討[J]. 西南民族大學學報:自然科學版,2008(34):1091-1095.