基于BP神經(jīng)網(wǎng)絡(luò)的受災(zāi)點(diǎn)的需求緊迫性分級(jí)方法*

姚恩婷，孟燕萍，林國(guó)龍

(上海海事大學(xué) 物流研究中心，上海 201306)

?

基于BP神經(jīng)網(wǎng)絡(luò)的受災(zāi)點(diǎn)的需求緊迫性分級(jí)方法*

姚恩婷，孟燕萍，林國(guó)龍

(上海海事大學(xué) 物流研究中心，上海 201306)

摘要:大規(guī)模突發(fā)事件發(fā)生后，往往會(huì)涉及到多個(gè)受災(zāi)區(qū)域，使得應(yīng)急救援的受災(zāi)點(diǎn)數(shù)目眾多。當(dāng)應(yīng)急資源有限，運(yùn)輸能力受約束時(shí)，為提高應(yīng)急救援效率，應(yīng)急物資的調(diào)運(yùn)和配送需要根據(jù)受災(zāi)點(diǎn)的需求優(yōu)先級(jí)進(jìn)行。因此，對(duì)受災(zāi)點(diǎn)進(jìn)行需求緊迫性的分級(jí)排序就非常關(guān)鍵。該文提出了基于BP神經(jīng)網(wǎng)絡(luò)的分級(jí)方法，構(gòu)建了影響受災(zāi)點(diǎn)的需求緊迫性的評(píng)價(jià)指標(biāo)體系，建立了基于BP神經(jīng)網(wǎng)絡(luò)的需求緊迫性分級(jí)模型。最后，實(shí)例驗(yàn)證表明BP神經(jīng)網(wǎng)絡(luò)對(duì)檢驗(yàn)樣本的結(jié)果輸出和期望輸出是一致的；并與TOPSIS法、灰色關(guān)聯(lián)分析法和熵權(quán)法3種方法的評(píng)價(jià)結(jié)果進(jìn)行比較，進(jìn)一步證明了該分級(jí)評(píng)價(jià)方法的科學(xué)性和有效性。

關(guān)鍵詞:BP神經(jīng)網(wǎng)絡(luò)；受災(zāi)點(diǎn)；應(yīng)急需求；需求緊迫性；分級(jí)

大規(guī)模突發(fā)事件發(fā)生后，例如自然災(zāi)害、社會(huì)公共事件等，有效的應(yīng)急救援是保證人民生命財(cái)產(chǎn)安全的關(guān)鍵。而影響救災(zāi)效率的一個(gè)很大的因素就是應(yīng)急物資的合理分配，救災(zāi)人員救援物資等的合理調(diào)配可以大大提高救災(zāi)效率[1]。大規(guī)模突發(fā)事件往往會(huì)涉及到多個(gè)受災(zāi)區(qū)域，使得應(yīng)急救援受災(zāi)點(diǎn)的數(shù)目眾多，當(dāng)應(yīng)急資源(物資、人員、車輛)有限，無(wú)法同時(shí)滿足所有受災(zāi)點(diǎn)的應(yīng)急需求時(shí)，需要考慮不同受災(zāi)點(diǎn)的應(yīng)急救援的不同時(shí)間效用，根據(jù)受災(zāi)點(diǎn)的需求緊迫性來(lái)進(jìn)行分級(jí)救援。根據(jù)受災(zāi)程度和物資需求屬性進(jìn)行準(zhǔn)確的災(zāi)區(qū)分級(jí)與排序是應(yīng)急物流取得成功的重要前提[2]。因此需要對(duì)受災(zāi)點(diǎn)的應(yīng)急需求緊迫程度進(jìn)行分級(jí)，以便在資源有限、運(yùn)力受約束的情況下，根據(jù)不同受災(zāi)點(diǎn)的災(zāi)情安排救災(zāi)順序、分配救災(zāi)物資，使得最大程度的滿足受災(zāi)點(diǎn)的需求，提高應(yīng)急救援的效率，最大化應(yīng)急物資的效用。

目前，關(guān)于應(yīng)急需求緊迫性分級(jí)的研究主要集中在應(yīng)急物資需求的緊迫性分級(jí)方面。夏萍[3]提出將概率神經(jīng)網(wǎng)絡(luò)用于應(yīng)急物資需求分級(jí)決策，建立相應(yīng)的概率神經(jīng)網(wǎng)絡(luò)需求分級(jí)模型。王婧等[4]提出基于模糊綜合評(píng)判的應(yīng)急物資需求緊迫性分級(jí)方法和應(yīng)急物資需求緊迫性計(jì)算方法，將應(yīng)急物資分為三個(gè)層級(jí)。楊震等[2]人根據(jù)自組織神經(jīng)網(wǎng)絡(luò)方法建立了一個(gè)災(zāi)區(qū)聚類模型，并采用TOPSIS多目標(biāo)決策分析解決了各受災(zāi)區(qū)救援物資分配的優(yōu)先級(jí)排序。

針對(duì)受災(zāi)點(diǎn)的需求緊迫性分級(jí)的研究主要集中在需求點(diǎn)的聚類分組方面。Sheu[5]提出了針對(duì)大規(guī)模災(zāi)害的救災(zāi)需求的動(dòng)態(tài)管理方法，采用了逼近于理想解的綜合評(píng)價(jià)方法。何曼[6]提出將模糊聚類方法用于對(duì)需求點(diǎn)的分類中，將需求點(diǎn)分成兩大類，其中第一類需求點(diǎn)的優(yōu)先級(jí)高于第二類需求點(diǎn)。魏國(guó)強(qiáng)[7]等研究了供應(yīng)不足條件下連續(xù)消耗作戰(zhàn)資源的戰(zhàn)場(chǎng)調(diào)度問(wèn)題，在分析資源供求特點(diǎn)的基礎(chǔ)上構(gòu)建需求點(diǎn)優(yōu)先度評(píng)價(jià)體系，提出了用分層聚類法將需求點(diǎn)分類并按優(yōu)先度將需求點(diǎn)分類排序的方法。周海英[8]提出了一種動(dòng)態(tài)的救濟(jì)需求的管理模式，一種基于模糊聚類的模型對(duì)受影響的地區(qū)進(jìn)行分組，然后使用TOPSIS來(lái)確定的每個(gè)組救濟(jì)需求緊迫性。上述研究主要是先對(duì)受災(zāi)點(diǎn)進(jìn)行聚類分組，然后對(duì)分組的需求點(diǎn)以組為單位進(jìn)行需求緊迫性分級(jí)，這些分級(jí)方法具有很大的局限性，只適用于單品種應(yīng)急物資的調(diào)度配送。但在實(shí)際情況中，災(zāi)區(qū)各個(gè)受災(zāi)點(diǎn)所需的物資品種和數(shù)量都是有差異的，將受災(zāi)點(diǎn)分類分組，得到的每個(gè)類組的需求緊迫性并不能代表每個(gè)受災(zāi)點(diǎn)的需求緊迫性，不利于根據(jù)單個(gè)受災(zāi)點(diǎn)的需求緊迫性進(jìn)行物資配送，提高救援效率。

而直接針對(duì)受災(zāi)點(diǎn)的需求緊迫性進(jìn)行分級(jí)研究的文獻(xiàn)較少。舒其林[9]提出了基于證據(jù)理論(D-S理論)的多災(zāi)害點(diǎn)應(yīng)急需求優(yōu)先排序方法，根據(jù)各個(gè)災(zāi)害點(diǎn)應(yīng)急情景給出優(yōu)先權(quán)排序。該方法可以較好地解決決策信息不完全，決策者對(duì)問(wèn)題認(rèn)識(shí)存在局限性的問(wèn)題，但在確定指標(biāo)權(quán)重時(shí)引入了決策者的主觀判斷，結(jié)果受主觀因素的影響。王婧等[10]指出對(duì)需求點(diǎn)的需求緊迫性分級(jí)的重要性，并提出了基于灰色理想解法的應(yīng)急需求點(diǎn)的需求緊迫性分級(jí)方法，它是直接基于各個(gè)需求點(diǎn)的相關(guān)信息，進(jìn)行需求緊迫性分級(jí)的方法。

本文基于各個(gè)受災(zāi)點(diǎn)的信息，提出基于BP神經(jīng)網(wǎng)絡(luò)的應(yīng)急需求點(diǎn)的需求緊迫性分級(jí)方法，是一種非線性方法，既很好地克服了評(píng)價(jià)過(guò)程中的主觀性，又方便實(shí)用有效。研究了受災(zāi)點(diǎn)的需求緊迫性分級(jí)問(wèn)題，建立了基于BP神經(jīng)網(wǎng)絡(luò)的受災(zāi)點(diǎn)需求緊迫性分級(jí)模型，最后，分別采用TOPSIS法、灰色關(guān)聯(lián)分析法和熵權(quán)法進(jìn)行緊迫性分級(jí)，并對(duì)四種方法的結(jié)果進(jìn)行對(duì)比，進(jìn)一步證明了該評(píng)價(jià)方法的科學(xué)性和合理性。通過(guò)對(duì)受災(zāi)點(diǎn)的需求緊迫性進(jìn)行優(yōu)先級(jí)排序，可以更好地為應(yīng)急救援提供支持和決策依據(jù)。

1受災(zāi)點(diǎn)的應(yīng)急需求緊迫性分級(jí)

當(dāng)大規(guī)模災(zāi)害發(fā)生后，往往多個(gè)區(qū)域受到破壞，每個(gè)不同的受災(zāi)區(qū)域都是一個(gè)應(yīng)急救援需求點(diǎn)。當(dāng)應(yīng)急資源(物資、救災(zāi)人員、救災(zāi)設(shè)備、物流車輛等)有限，無(wú)法同時(shí)滿足所有受災(zāi)點(diǎn)的應(yīng)急需求時(shí)，需要根據(jù)受災(zāi)點(diǎn)的需求緊迫性來(lái)進(jìn)行優(yōu)先分級(jí)實(shí)施救援。對(duì)受災(zāi)點(diǎn)的需求緊迫性分級(jí)非常重要，它直接影響了針對(duì)性開展應(yīng)急需求救援的效率。對(duì)多個(gè)受災(zāi)點(diǎn)的救援需求緊迫性進(jìn)行排序，是本文的研究重點(diǎn)。在資源有限的條件下，根據(jù)不同災(zāi)區(qū)需求點(diǎn)的災(zāi)情情況和需求緊迫性，對(duì)應(yīng)急資源和獲得資源的先后順序進(jìn)行安排，對(duì)相對(duì)更緊迫的受災(zāi)點(diǎn)進(jìn)行優(yōu)先配送或者更加充分的配送，使得最大程度的滿足受災(zāi)需求點(diǎn)的實(shí)際需求，以提高應(yīng)急救援的效率。受災(zāi)點(diǎn)的應(yīng)急救援需求緊迫性分級(jí)研究在應(yīng)急資源調(diào)運(yùn)中有著基礎(chǔ)作用和重要意義。應(yīng)急需求點(diǎn)緊迫性分級(jí)和應(yīng)急資源調(diào)運(yùn)框架圖如圖1所示。

圖1　應(yīng)急資源調(diào)運(yùn)框架圖

2受災(zāi)點(diǎn)的需求緊迫性分級(jí)指標(biāo)體系

2.1指標(biāo)體系的建立

對(duì)需求點(diǎn)的需求緊迫性進(jìn)行排序是一個(gè)多屬性決策問(wèn)題，構(gòu)建評(píng)價(jià)指標(biāo)體系是對(duì)需求緊迫性分級(jí)的重要前提。文獻(xiàn)[2]定義量化與質(zhì)化屬性以衡量各災(zāi)區(qū)對(duì)救援物資的緊迫程度，提出了災(zāi)區(qū)的5個(gè)需求屬性：死亡率、人口密度、老幼比例、物資配送時(shí)間間隔以及建筑物受損程度。文獻(xiàn)[9]提出了多災(zāi)害點(diǎn)應(yīng)急需求優(yōu)先權(quán)排序決策屬性指標(biāo)主要包災(zāi)害規(guī)模大小、災(zāi)害破壞性程度、災(zāi)害點(diǎn)周圍人口密度水平、災(zāi)害點(diǎn)區(qū)域經(jīng)濟(jì)狀態(tài)和災(zāi)害對(duì)自然環(huán)境影響大小等五個(gè)方面。文獻(xiàn)[3]選取各災(zāi)區(qū)對(duì)物資的需求量、受災(zāi)人數(shù)、受災(zāi)面積及受災(zāi)強(qiáng)度四個(gè)因素為災(zāi)區(qū)聚類指標(biāo)，在此基礎(chǔ)上進(jìn)行優(yōu)先級(jí)劃分。在對(duì)各災(zāi)區(qū)的應(yīng)急需求優(yōu)先級(jí)排序研究中，先對(duì)各災(zāi)區(qū)的需求屬性進(jìn)行聚類分組，然后進(jìn)行優(yōu)先級(jí)劃分的屬性指標(biāo)較多，直接針對(duì)各災(zāi)區(qū)需求優(yōu)先級(jí)排序的評(píng)價(jià)指標(biāo)體系較少。

影響受災(zāi)點(diǎn)需求緊迫性的因素有很多，本文結(jié)合已有研究成果[10]，根據(jù)突發(fā)事件和應(yīng)急管理的特點(diǎn)，在進(jìn)行需求點(diǎn)需求緊迫性分級(jí)時(shí)，主要考慮三方面的影響因素，即環(huán)境因素、物資需求因素和人員因素。具體又包括6個(gè)子指標(biāo)，如表1所示。其中環(huán)境因素主要考慮兩個(gè)子指標(biāo)：u1建筑物破壞程度和u2道路破壞程度；物資需求主要考慮受災(zāi)點(diǎn)的物資需求缺口率u3，即未被滿足的需求占總需求的比率；人員因素主要考慮三個(gè)子指標(biāo)：u4受傷人員比率，u5受傷人數(shù)和u6死亡人數(shù)。

表1　應(yīng)急需求點(diǎn)的需求緊迫性分級(jí)的指標(biāo)體系

環(huán)境因素反映災(zāi)害對(duì)災(zāi)民個(gè)人和社會(huì)公共的基礎(chǔ)設(shè)施破壞的情況，以及救援工作展開的難易程度，建筑物破壞程度越嚴(yán)重，受災(zāi)群眾的處境越危險(xiǎn)，需要救援設(shè)備就越緊迫；道路破壞程度越嚴(yán)重，說(shuō)明受災(zāi)點(diǎn)的道路交通不便利，影響救災(zāi)工作人員及時(shí)到達(dá)受災(zāi)區(qū)域，受災(zāi)群眾得到及時(shí)救援的難度加大，道路修復(fù)需求越緊迫，因此對(duì)這些受災(zāi)點(diǎn)在救援過(guò)程中給予較大的優(yōu)先級(jí)。

人員因素主要考慮災(zāi)區(qū)受災(zāi)群眾情況，反映災(zāi)民的傷亡程度，傷亡越嚴(yán)重，說(shuō)明受災(zāi)點(diǎn)的災(zāi)情越嚴(yán)重，受災(zāi)群眾的傷情和病情惡化的可能性加大，受災(zāi)群眾心理上的負(fù)面情緒傳播范圍變廣，說(shuō)明需求點(diǎn)需要盡快得到比較多的應(yīng)急救援，防止災(zāi)區(qū)的災(zāi)情加重。物資需求因素主要考慮物資需求的缺口率，反映受災(zāi)點(diǎn)對(duì)應(yīng)急物資需求的缺口程度，應(yīng)急物資的缺口程度越大，需求點(diǎn)對(duì)應(yīng)急物資的需求就越緊迫。

以上6個(gè)指標(biāo)都是效益型指標(biāo)，指標(biāo)值越大，說(shuō)明受災(zāi)點(diǎn)的救援需求緊迫性越高，需求越緊急。這些指標(biāo)既有定性的又有定量的，其中u1，u2的評(píng)價(jià)是定性的，破壞程度可用“很嚴(yán)重”，“嚴(yán)重”，“一般”，“輕”，“很輕”五個(gè)語(yǔ)言變量來(lái)表達(dá)，是模糊數(shù)型指標(biāo)，在確立決策評(píng)價(jià)矩陣時(shí)，需求去模糊化處理。

2.2指標(biāo)值的確定

2.2.1精確實(shí)數(shù)型指標(biāo)值

精確實(shí)數(shù)型指標(biāo)主要有受災(zāi)需求點(diǎn)的受傷人數(shù)、死亡人數(shù)、受傷人員比率、物資需求缺口率，這些指標(biāo)值可以根據(jù)受災(zāi)需求點(diǎn)的統(tǒng)計(jì)數(shù)據(jù)獲得，受傷人數(shù)即受災(zāi)點(diǎn)的受傷人員總數(shù)，死亡人數(shù)包括受災(zāi)點(diǎn)中死亡人員和失蹤人員的總數(shù)，受傷人員比率是受災(zāi)點(diǎn)的受傷人員數(shù)占總受災(zāi)人員數(shù)的比率，物資需求缺口率是指受災(zāi)點(diǎn)未被滿足的需求占總需求的比率。

2.2.2模糊數(shù)型指標(biāo)值

對(duì)于模糊數(shù)型指標(biāo)可以選擇三角形模糊數(shù)表達(dá)，三角形模糊數(shù)是將模糊的不確定的語(yǔ)言變量轉(zhuǎn)化為確定數(shù)值的一種方法，三角形模糊數(shù)直觀、使用簡(jiǎn)便、易于理解，能夠很好地表達(dá)多種語(yǔ)言變量。

(1)

圖2　三角模糊數(shù)的隸屬函數(shù)

而在文獻(xiàn)[12]中給出Yager定義的第三個(gè)模糊集效用函數(shù)，見式(2)。

F3(α)=∫βmax0M(αβ)dβ。

(2)

(3)

根據(jù)定義可知，效用函數(shù)的值越大，相應(yīng)的三角模糊數(shù)越大，該方法計(jì)算簡(jiǎn)單方便，能夠很好地表達(dá)多種語(yǔ)言變量，適用于三角模糊數(shù)的計(jì)算。本文采用式(3)來(lái)計(jì)算模糊數(shù)的大小，對(duì)模糊數(shù)去模糊化得到評(píng)價(jià)指標(biāo)的清晰值。建筑物破壞程度和道路破壞程度兩個(gè)指標(biāo)用“很嚴(yán)重”“嚴(yán)重”“一般”“輕”“很輕”五個(gè)語(yǔ)言變量來(lái)評(píng)價(jià)，通過(guò)去模糊化計(jì)算處理得到的指標(biāo)值分別為0.925、0.7、0.5、0.3、0.075。

3基于BP神經(jīng)網(wǎng)絡(luò)的需求緊迫性分級(jí)模型

在對(duì)應(yīng)急救援需求進(jìn)行分級(jí)評(píng)價(jià)的研究中，主要有TOPSIS方法、聚類分析方法、模糊綜合評(píng)價(jià)方法等，但多數(shù)方法計(jì)算量很大，指標(biāo)權(quán)重確定時(shí)存在一定的主觀性，會(huì)影響評(píng)價(jià)結(jié)果的準(zhǔn)確性和客觀性。本文將人工神經(jīng)網(wǎng)絡(luò)方法引入需求緊迫性分級(jí)研究中，建立基于BP神經(jīng)網(wǎng)絡(luò)的受災(zāi)點(diǎn)的需求緊迫性分級(jí)模型，對(duì)受災(zāi)點(diǎn)的應(yīng)急救援需求緊迫性進(jìn)行分級(jí)排序。BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的非線性的需求緊迫性分級(jí)模型，可以避免人為確定各指標(biāo)權(quán)重帶來(lái)的主觀性，使分級(jí)結(jié)果的準(zhǔn)確性提高，更具有客觀性。

3.1BP神經(jīng)網(wǎng)絡(luò)緊迫性分級(jí)模型的設(shè)計(jì)

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)[13]是1986年由Rumelhart和McCelland領(lǐng)導(dǎo)的科學(xué)家小組提出，是一種按誤差反傳播算法訓(xùn)練的多層前饋網(wǎng)絡(luò)，也是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層、隱含層和輸出層。BP神經(jīng)網(wǎng)絡(luò)能學(xué)習(xí)和存儲(chǔ)大量輸入-輸出模式映射關(guān)系，而無(wú)需事先了解描述這種映射關(guān)系的數(shù)學(xué)方程。只要能提供足夠多的樣本模式對(duì)供BP網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，它便能完成有n維輸入空間到m維輸出空間的非線性映射。在學(xué)習(xí)和訓(xùn)練過(guò)程中，BP神經(jīng)網(wǎng)絡(luò)不斷地將其實(shí)際輸出與目標(biāo)輸出相比較，并根據(jù)比較結(jié)果或誤差，按照一定的規(guī)則或算法對(duì)網(wǎng)絡(luò)的權(quán)值分布進(jìn)行調(diào)節(jié)，從而使網(wǎng)絡(luò)的輸出逐漸接近目標(biāo)。

基于BP神經(jīng)網(wǎng)絡(luò)的應(yīng)急需求緊迫性評(píng)價(jià)建模包括BP神經(jīng)網(wǎng)絡(luò)構(gòu)建、BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練和BP神經(jīng)網(wǎng)絡(luò)分級(jí)三步。根據(jù)受災(zāi)點(diǎn)的應(yīng)急需求緊迫性指標(biāo)體系的內(nèi)容和特點(diǎn)，通過(guò)模型設(shè)計(jì)，構(gòu)建合適的BP神經(jīng)網(wǎng)絡(luò)緊迫性分級(jí)模型。然后通過(guò)參數(shù)設(shè)計(jì)，如訓(xùn)練次數(shù)、期望誤差、學(xué)習(xí)率等，初始化BP神經(jīng)網(wǎng)絡(luò)。再對(duì)訓(xùn)練樣本進(jìn)行數(shù)據(jù)準(zhǔn)備，包括原始數(shù)據(jù)的收集、數(shù)據(jù)的分析和數(shù)據(jù)的預(yù)處理等，輸入處理后的樣本數(shù)據(jù)，訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，輸出結(jié)果。

BP神經(jīng)網(wǎng)絡(luò)構(gòu)建根據(jù)系統(tǒng)輸入輸出數(shù)據(jù)特點(diǎn)確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，本文采用含有一層隱含層的三層BP神經(jīng)網(wǎng)絡(luò)如圖3所示。

圖3　BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

(1)輸入節(jié)點(diǎn)的確定

根據(jù)前面文中建立的評(píng)價(jià)指標(biāo)體系和選取的指標(biāo)，確認(rèn)BP神經(jīng)網(wǎng)絡(luò)模型的輸入節(jié)點(diǎn)。將三大類因素的6個(gè)指標(biāo)作為BP網(wǎng)絡(luò)模型的輸入層神經(jīng)元數(shù)。

(2)隱含層節(jié)點(diǎn)的確定

隱含層節(jié)點(diǎn)的作用是從樣本中提取并存儲(chǔ)其內(nèi)在規(guī)律，每個(gè)隱含層節(jié)點(diǎn)有若干個(gè)權(quán)值，而每個(gè)權(quán)值都是增強(qiáng)網(wǎng)絡(luò)映射能力的一個(gè)參數(shù)。設(shè)置多少個(gè)隱節(jié)點(diǎn)取決于訓(xùn)練樣本的多少、樣本噪聲的大小以及樣本中蘊(yùn)含規(guī)律的復(fù)雜程度。結(jié)合文中的實(shí)際情況，并通過(guò)反復(fù)測(cè)試，確定的隱層節(jié)點(diǎn)數(shù)為10個(gè)。

(3)輸出節(jié)點(diǎn)的確定

本文將輸出層神經(jīng)元設(shè)置為1個(gè)，輸出值為應(yīng)

急需求點(diǎn)的救援需求緊迫性值。

(4)傳遞函數(shù)

對(duì)于非線性問(wèn)題，輸入層和隱含層多采用非線性傳遞函數(shù)，輸出層采用線性函數(shù)，以保持輸出的范圍。因此在選用網(wǎng)絡(luò)傳遞函數(shù)時(shí)，從輸入層到隱含層采用非線性正切S型傳遞函數(shù)tansig函數(shù)；從隱含層到輸出層采用線性函數(shù)purelin函數(shù)。在選擇網(wǎng)絡(luò)訓(xùn)練函數(shù)時(shí)，本文考慮選用函數(shù)traingdm帶動(dòng)量因子的梯度遞減法作為訓(xùn)練函數(shù)，可以提高學(xué)習(xí)速度同時(shí)增加了算法的可靠性。

由此，本文設(shè)計(jì)受災(zāi)點(diǎn)的應(yīng)急需求緊迫性分級(jí)的BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為6-10-1，即6個(gè)輸入層神經(jīng)元，10個(gè)隱層神經(jīng)元，1個(gè)輸出神經(jīng)元的網(wǎng)絡(luò)結(jié)構(gòu)。

3.2BP神經(jīng)網(wǎng)絡(luò)主要參數(shù)的選擇

BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練參數(shù)主要包括訓(xùn)練的最大學(xué)習(xí)次數(shù)、訓(xùn)練最大允許的誤差、訓(xùn)練的學(xué)習(xí)速率、顯示訓(xùn)練結(jié)果的間隔步數(shù)、訓(xùn)練允許時(shí)間以及訓(xùn)練中最小允許梯度值等等。本文設(shè)置BP網(wǎng)絡(luò)的最大學(xué)習(xí)次數(shù)為8 000，訓(xùn)練最大允許的誤差設(shè)定為0.000 1，學(xué)習(xí)速率一般取值在[0，1]，本文學(xué)習(xí)率取0.01，BP神經(jīng)網(wǎng)絡(luò)的性能分析函數(shù)采用MSE函數(shù)，即均方差性能分析函數(shù)，表示均方誤差，其他參數(shù)均為缺省值。

4實(shí)例驗(yàn)證

4.1樣本訓(xùn)練

汶川發(fā)生的大規(guī)模地震災(zāi)害，選取10個(gè)受災(zāi)區(qū)域即10個(gè)救援需求點(diǎn)，對(duì)需求點(diǎn)的6個(gè)指標(biāo)(u1,u2,u3,u4,u5,u6)進(jìn)行統(tǒng)計(jì)評(píng)估，收集經(jīng)事后評(píng)定的學(xué)習(xí)樣本原始數(shù)據(jù)，表2所示為學(xué)習(xí)樣本的6個(gè)指標(biāo)的原始數(shù)據(jù)，表中數(shù)據(jù)來(lái)源于汶川地震中10個(gè)受災(zāi)縣市的有關(guān)統(tǒng)計(jì)信息，其中u1,u2指標(biāo)是去模糊化后的數(shù)值。

表2　樣本指標(biāo)原始數(shù)據(jù)

表3　樣本數(shù)據(jù)歸一化結(jié)果

在文獻(xiàn)[14]提出的改進(jìn)的TOPSIS方法對(duì)需求點(diǎn)進(jìn)行救援需求緊迫性分級(jí)方法中得到了每個(gè)需求點(diǎn)的灰色關(guān)聯(lián)相對(duì)貼近度，文中對(duì)受災(zāi)需求點(diǎn)根據(jù)灰色關(guān)聯(lián)相對(duì)貼近度的大小進(jìn)行排序，灰色關(guān)聯(lián)相對(duì)貼近度值越大，需求緊迫性越大，反之，救援需求的緊迫性越小。本文參照該文獻(xiàn)中的受災(zāi)需求點(diǎn)的貼近度值作為BP神經(jīng)網(wǎng)絡(luò)算法中的教師值，即神經(jīng)網(wǎng)絡(luò)的期望輸出。

原始樣本數(shù)據(jù)具有不同的意義和量綱，有些指標(biāo)值用絕對(duì)數(shù)表示，而有些指標(biāo)值用相對(duì)數(shù)表示。在進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)，輸入模式必須先歸一化后再輸入神經(jīng)網(wǎng)絡(luò)，這樣既可以加快訓(xùn)練網(wǎng)絡(luò)的收斂性，也具有靈活方便、可移植和通用性強(qiáng)的優(yōu)點(diǎn)。數(shù)據(jù)歸一化是指通過(guò)變量的處理將網(wǎng)絡(luò)的輸入、輸出數(shù)據(jù)限制在[0，1]或[-1，1]區(qū)間內(nèi)。因此，先將原始數(shù)據(jù)進(jìn)行歸一化處理。用最大最小函數(shù)premnmx來(lái)對(duì)訓(xùn)練樣本數(shù)據(jù)進(jìn)行預(yù)處理，將網(wǎng)絡(luò)的輸入數(shù)據(jù)進(jìn)行歸一化，歸一化的數(shù)據(jù)將分布在[-1，1]內(nèi)，然后再作為輸入數(shù)據(jù)。樣本數(shù)據(jù)歸一化處理結(jié)果如表3所示。

4.2結(jié)果分析

本文針對(duì)汶川地震中10個(gè)受災(zāi)縣市的救援需求緊迫性，使用MATLAB8.1軟件實(shí)現(xiàn)其神經(jīng)網(wǎng)絡(luò)分級(jí)模型訓(xùn)練，將樣本數(shù)據(jù)輸入所編的程序，訓(xùn)練5 228步后，訓(xùn)練誤差達(dá)到了目標(biāo)精度0.000 1的要求，網(wǎng)絡(luò)訓(xùn)練停止，網(wǎng)絡(luò)的收斂效果良好。網(wǎng)絡(luò)訓(xùn)練誤差下降示意圖如圖4所示，在訓(xùn)練5 228步后，誤差達(dá)到 9.995 7×10-5。圖5反映了訓(xùn)練樣本實(shí)際值與計(jì)算值之間的線性回歸，擬合度值R達(dá)到0.988 52，表明實(shí)際值與計(jì)算值之間實(shí)現(xiàn)了合理準(zhǔn)確的線性擬合。

圖4　網(wǎng)絡(luò)訓(xùn)練的誤差變化曲線

BP神經(jīng)網(wǎng)絡(luò)的仿真過(guò)程，是BP神經(jīng)網(wǎng)絡(luò)根據(jù)網(wǎng)絡(luò)輸入數(shù)據(jù)，通過(guò)數(shù)值計(jì)算得出相應(yīng)網(wǎng)絡(luò)輸入的過(guò)程。本文利用sim函數(shù)對(duì)訓(xùn)練后的網(wǎng)絡(luò)進(jìn)行仿真，得出BP神經(jīng)網(wǎng)絡(luò)的輸出值與教師值的相對(duì)誤差如表4所示，誤差非常小，最大誤差0.050 7。BP神經(jīng)網(wǎng)絡(luò)輸出值與教師值的結(jié)果對(duì)比如圖6所示。

圖5　線性回歸分析

需求點(diǎn)訓(xùn)練結(jié)果名次教師值名次相對(duì)誤差10.38555100.4061479-0.050720.49042750.48914650.002630.51342620.51208220.002640.42877770.4345267-0.013250.50242830.5025673-0.00260.50041440.5025184-0.004170.48167960.46019760.046680.61621310.6170951-0.001490.41052780.41354380.0073100.39833690.390397100.0203

圖6　BP神經(jīng)網(wǎng)絡(luò)輸出值與教師期望值對(duì)比

根據(jù)受災(zāi)點(diǎn)需求緊迫性度進(jìn)行排序，由表4可以看出，訓(xùn)練結(jié)果與教師值基本一致，受災(zāi)點(diǎn)的需求緊迫性排序依次是需求點(diǎn)8 、需求點(diǎn)3、需求點(diǎn)5、需求點(diǎn)6、需求點(diǎn)2、需求點(diǎn)7、需求點(diǎn)4、需求點(diǎn)9、需求點(diǎn)10、需求點(diǎn)1。排序在前的說(shuō)明需求緊迫性程度高，在救援時(shí)應(yīng)優(yōu)先考慮該受災(zāi)需求點(diǎn)的應(yīng)急物資配送。其中緊迫性排序第九和第十的兩個(gè)縣市的受災(zāi)程度非常接近，訓(xùn)練結(jié)果表明這兩者的緊迫性排序有較小誤差，但緊迫性值非常接近，相差不到0.025。

由表4和圖6可以看出，經(jīng)網(wǎng)絡(luò)訓(xùn)練，BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練輸出值和教師值評(píng)價(jià)決策吻合很好，兩者的最大誤差僅為0.050 7，均方誤差MSE控制在期望誤差之下。說(shuō)明此BP神經(jīng)網(wǎng)絡(luò)模型的仿真效果較好，驗(yàn)證了BP神經(jīng)網(wǎng)絡(luò)模型可以有效地實(shí)現(xiàn)對(duì)受災(zāi)點(diǎn)的救援需求緊迫性分級(jí)，利用基于BP神經(jīng)網(wǎng)絡(luò)的需求緊迫性分級(jí)模型在進(jìn)行分級(jí)時(shí)，只需在程序中輸入一組經(jīng)標(biāo)準(zhǔn)歸一化處理的指標(biāo)數(shù)據(jù)，就可以得到受災(zāi)點(diǎn)的需求緊迫性值，進(jìn)而可以對(duì)受災(zāi)點(diǎn)的需求緊迫性程度進(jìn)行分級(jí)排序，從而在資源有限條件下，為應(yīng)急救援活動(dòng)的決策提供支持，提高應(yīng)急救援的效率。

最后，與TOPSIS法、灰色關(guān)聯(lián)法和熵權(quán)法的評(píng)價(jià)結(jié)果進(jìn)行比較，表5所示為四種不同方法對(duì)需求點(diǎn)緊迫性分級(jí)的評(píng)價(jià)結(jié)果，基于BP神經(jīng)網(wǎng)絡(luò)方法對(duì)不同需求點(diǎn)的緊迫性進(jìn)行分級(jí)，期望值與實(shí)際輸出值之間的誤差很小。圖7展示了采用四種不同方法對(duì)10個(gè)應(yīng)急需求點(diǎn)進(jìn)行評(píng)價(jià)，各評(píng)價(jià)結(jié)果都出現(xiàn)不同程度的差異。可以從BP神經(jīng)網(wǎng)絡(luò)中看出，反映的評(píng)價(jià)結(jié)果比其他三種方法更加合理，從而證明本文使用的評(píng)價(jià)方法具有科學(xué)性與有效性。

表5　四種不同方法比較結(jié)果

圖7　四種不同評(píng)價(jià)方法結(jié)果比較

5結(jié)束語(yǔ)

本文提出基于受災(zāi)點(diǎn)的需求緊迫性分級(jí)指標(biāo)體系，并將該指標(biāo)體系與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，通過(guò)模型設(shè)計(jì)、參數(shù)設(shè)計(jì)以及樣本訓(xùn)練，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的受災(zāi)點(diǎn)應(yīng)急需求緊迫性分級(jí)模型。運(yùn)用MATLAB軟件對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真訓(xùn)練，實(shí)例驗(yàn)證結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)模型對(duì)檢驗(yàn)樣本的訓(xùn)練結(jié)果輸出和期望輸出是一致的；最后，分別采用TOPSIS法、灰色關(guān)聯(lián)分析法和熵權(quán)法對(duì)受災(zāi)點(diǎn)應(yīng)急需求緊迫性分級(jí)的評(píng)價(jià)結(jié)果進(jìn)行比較，進(jìn)一步論證了該分級(jí)評(píng)價(jià)方法的科學(xué)性和合理性。

本文提出的BP神經(jīng)網(wǎng)絡(luò)的緊迫性分級(jí)方法，是一種非線性方法，屬于隱式數(shù)學(xué)處理方法，避免了傳統(tǒng)分級(jí)分類方法中的主觀性以及復(fù)雜的數(shù)學(xué)推導(dǎo)和計(jì)算，過(guò)程更為方便、快捷。同時(shí)，由于該方法不需要人為地確定權(quán)重，降低了評(píng)價(jià)過(guò)程中由主觀因素導(dǎo)致的結(jié)果失真，使結(jié)果更為有效、客觀和可靠。因此，基于BP神經(jīng)網(wǎng)絡(luò)的緊迫性分級(jí)模型對(duì)受災(zāi)點(diǎn)的救援需求緊迫性進(jìn)行排序具有科學(xué)性和可行性，在資源有限的條件下對(duì)需求緊迫性程度高的受災(zāi)點(diǎn)進(jìn)行優(yōu)先配送或更充分地配送，為救援活動(dòng)提供決策支持，使得應(yīng)急救援有效。

在實(shí)際應(yīng)用中，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)的并行分布處理、知識(shí)儲(chǔ)存、自適應(yīng)、自組織和自學(xué)習(xí)的特點(diǎn)，能夠動(dòng)態(tài)地對(duì)受災(zāi)點(diǎn)的需求緊迫性進(jìn)行評(píng)價(jià)分級(jí)，并可以根據(jù)災(zāi)害發(fā)生的具體情況，對(duì)模型參數(shù)和各項(xiàng)指標(biāo)進(jìn)行改進(jìn)修正，使整個(gè)評(píng)價(jià)過(guò)程具有易操作性。

參考文獻(xiàn)：

[1]周阿穎，張朝，史培軍，等.影響地震救災(zāi)效率的因素分析——以汶川8.0級(jí)地震和玉樹7.1級(jí)地震為例[J].災(zāi)害學(xué)，2011，26(4):134-138.

[2]楊震，王成軍，郭梨.巨災(zāi)救援鏈系統(tǒng)中的災(zāi)區(qū)聚類與排序問(wèn)題研究——以汶川地震為例[J].災(zāi)害學(xué),2013,28(4):159-164.

[3]夏萍.災(zāi)害應(yīng)急物流中基于需求分析的應(yīng)急物資分配問(wèn)題研究[D].北京：北京交通大學(xué)，2010.

[4]王婧，王海軍.應(yīng)急救援中應(yīng)急物資需求緊迫性分級(jí)研究[J].計(jì)算機(jī)工程與應(yīng)用，2013，49(5):4-7.

[5]JIUH-BIING SHEU. Dynamic relief-demand management for emergency logistics operations under large-scale disasters [J].Transportation Research Part E: Logistics and Transportation Review, 2010,46(1):1-17.

[6]何曼.需求點(diǎn)分級(jí)下的應(yīng)急物資車輛調(diào)度路徑優(yōu)化[D].武漢：華中科技大學(xué)，2011.

[7]魏國(guó)強(qiáng)，楊永清.供應(yīng)不足條件下戰(zhàn)時(shí)連續(xù)消耗資源調(diào)度模型[J].系統(tǒng)工程與電子技術(shù)，2012，34(1):102-106.

[8]周海英.應(yīng)急物流實(shí)時(shí)救濟(jì)需求管理模型研究[J].科技管理研究，2012(12):227-233.

[9]舒其林.“情景-應(yīng)對(duì)”模式下非常規(guī)突發(fā)事件應(yīng)急資源配置調(diào)度研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2012.

[10]王婧.不確定條件下應(yīng)急物資多式聯(lián)運(yùn)調(diào)度模型研究[D].武漢：華中科技大學(xué)，2013.

[11]姜艷萍，樊治平.一種三角模糊數(shù)互補(bǔ)判斷矩陣的排序方法[J].系統(tǒng)工程與電子科技，2002，24(7):26-28.

[12]邵祖峰，王秀華.基于三角模糊數(shù)的水域治安管理綜合評(píng)價(jià)[J].水運(yùn)管理，2006，18(7):24-26.

[13]韓力群.人工神經(jīng)網(wǎng)絡(luò)教程[M].北京：北京郵電大學(xué)出版社，2006.

[14]王海軍，王婧，杜麗敬.應(yīng)急物資籌集與調(diào)配[M].北京：科學(xué)出版社，2013.

*收稿日期：2016-01-05修回日期：2016-03-02

基金項(xiàng)目：教育部博士點(diǎn)基金項(xiàng)目(20130039，20123121110004)；上海市自然科學(xué)基金項(xiàng)目(12ZR1412800)；上海市科委重點(diǎn)項(xiàng)目(11510501900)；上海市科學(xué)技術(shù)委員會(huì)項(xiàng)目(14DZ2280200)；上海市教委科研創(chuàng)新項(xiàng)目(13YZ085)

第一作者簡(jiǎn)介：姚恩婷(1992-),女,河南衛(wèi)輝人,碩士研究生,主要研究方向?yàn)閼?yīng)急物流.E-mail:1104420822@qq.com

中圖分類號(hào)：X43

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1000-811X(2016)03-0211-07

doi:10.3969/j.issn.1000-811X.2016.03.036

Classification Method of Demand Urgency of the Affected Points Based on the BP Neural Network

YAO Enting, MENG Yanping and LIN Guolong

(LogisticsResearchCenter,ShanghaiMaritimeUniversity,Shanghai201306,China)

Abstract:After the occurrence of large-scale emergencies, often involves multiple disaster areas, so that the number of emergency rescue of the affected point is numerous. When the emergency resources are limited and transport capacity constrained, in order to improve the efficiency of emergency rescue, emergency supplies transportation and distribution needs according to the demand priority of the affected spot. Therefore, hierarchical ordering of the urgent demand of the affected points is critical.This paper proposed a classification method based on BP neural network, constructed evaluation index system of influence the affected points of demand urgency, established the demand urgency classification model based on BP neural network. Finally, example shows that BP neural network for the test sample results output and the expected output is consistent, and it compares the evaluation outcome of TOPSIS method, gray relation method and entropy weight method, and further prove the scientific and rationality of this evaluation method.

Key words:BP neural network; affected point; emergency demand; demand urgency; gradation

姚恩婷，孟燕萍，林國(guó)龍. 基于BP神經(jīng)網(wǎng)絡(luò)的受災(zāi)點(diǎn)的需求緊迫性分級(jí)方法[J].災(zāi)害學(xué), 2016,31(3):211-216,229.[YAO Enting, MENG Yanping and LIN Guolong.Classification Method of Demand Urgency of the Affected Points Based on the BP Neural Network[J].Journal of Catastrophology, 2016,31(3)：211-216,229.]