基于多數據學習與處理的社會脆弱性模型

韓欽宇

摘要 跟隨現代科技信息時代的快速發展，我國社會現已全面進入大數據時代，計算機在各行各業領域均有涉及。筆者在參加了18年的ICM比賽之后，就其中某個問題進行深一步的剖析，主要應用多數據處理與相關氣候模型以及機器學習就氣候變化如何影響地區不穩定性進行分析與闡述。

【關鍵詞】大數據處理 多元線性回歸分析 灰度預測 氣候模型

氣候變化目前仍是全球最大的環境挑戰，在過去100年間，溫室氣體激增，全球變暖導致的一系列問題在與本來就管制不佳，社會分裂的國家相結合從而加劇了這些國家本來就不穩定的國情。美國和平基金會曾公布了一系列年份的脆弱國家指數排名，上榜且排名靠前的國家均有因環境劇變而崩潰的風險。為了較為準確的衡量一個國家甚至是一個地區的脆弱程度并以此評級作為首要處理國家進行干預與改善以防止其崩潰，本文針對這幾點目的進行了大規模數據的分析與整合，一方面計算與模擬出評分方式的細則，同時也針對影響地區經濟的氣候等多方面因素進行模擬從而進行誤差分析與調整，形成一整套的環境脆弱評估體系，最后，對相關的防范與整治措施進行了一定程度上的提議。

1 脆弱指數評價

就美國和平基金會公布的脆弱性指數數據，筆者隨機選取了比較有代表性的十個國家的近十年的脆弱性評價指數，該基金會提供的數據共分為十二個影響脆弱性的因素，每個因素或多或少影響脆弱性。為獲知該十二個官方評價指標計算方式，筆者進行了大量的數據查找，根據世界銀行以及美國農業部等權威網站的數據查詢，找到了影響該十二個決定脆弱性指標的因素。現以其中的‘經濟下滑與貧困指標為例，其影響因素顯性的體現為GDP，通脹率，對外貿易往來等多方面因素，為求精簡，本文只考慮其中代表性強的五個因素進行多元線性回歸分析從而分析其權重來進行脆弱指標的初步考察。部分數據如圖1所示。

相應系數對應其權重，由此在評價其他未給出國家或者是大型城市以及預測脆弱性趨勢時，只需在一些權威網站上查詢相關的經濟學數據即可初步的推算出相應指標的脆弱性評分。

2 基于氣候條件的指數修正

由于前述的指標計算方法只是針對相應領域的不同影響因素獨立的進行分析，但由于氣候因素會在整體脆弱性上有宏觀的影響。因此，本文進一步的定量計算氣候變化對此十二個指標的影響趨勢（強弱，正負相關）。同樣，以經濟指標為例，在查閱了中國以及世界災害年鑒以及美國農業部數據后，筆者選取了洪澇，干旱以及農作物病三個較普遍的因素來分析其對各個指標的影響程度，并利用Excel做出了歷年洪澇等三因素對選取國家的經濟影響因素的趨勢曲線，直接觀察可以看出干旱的影響因素最高。進行回歸分析之后可以做出三個因素的具體影響系數。 （E=5.84-O.OIFlood+0.002droughr+O.Oldisease）

就其他幾個指標，也同樣采取這種氣候影響分析，不在此贅述。

3 預估與預防措施

根據十二個因素的指標總和，筆者根據統計定義了兩個轉折點，其中指標和高于100定義為極度脆弱，低于50則定義為穩定，之間的數據則定義為脆弱。由此，我們利用灰度預測預估出各個指標在之后幾年的評估值。如表1所示。

在進行GDP統計與人均碳排放統計時，筆者發現GDP的增長趨勢與C02排放呈現正趨勢關系，因此，在經過擬合分析并加入滯后項作為解釋變量以后，可以檢驗出人均GDP序列與人均002排放序列的二階差分平穩，從而代入數據得到以下回歸方程：

從而判斷出兩者確切的正相關，至此可以看出，由于產業上的結構現狀以及能源的要求限制導致GDP的發展必然伴隨C02的大量排放，因此，政府加大力度干預能源轉型以及產業結構勢在必行。

4 結束語

綜上所述，本文主要通過收集大規模數據以及線性回歸歸納得到評分標準并利用誤差修正，將環境因素的影響納入總評分的影響因素中來考慮。并給出了不同國家在近幾年的評分趨勢并給出了解決的大體方式。

參考文獻

[1]任小成，基于大數據時代人工智能在計算機網絡技術中的應用分析[J].中國戰略新興產業，2018 （04）：17.

[2]彭凱.簡析大數據時代人工智能在計算機網絡技術中的應用[J]，計算機與網絡，2018，44 （01）：46-47.

[3]谷守軍，王海永.大數據時代人工智能在計算機網絡技術中的應用[J].電子制作，2017 （06）：30+37.