河南省沿黃城市洪澇災(zāi)害脆弱性特征分析

宋曉茹 黃海榮 張薇 郭霜霜

摘 要：【目的】更加系統(tǒng)地分析河南省沿黃城市洪澇災(zāi)害脆弱性時(shí)空分布特征，以期為流域減災(zāi)防災(zāi)提供決策依據(jù)。【方法】以河南省沿黃8個(gè)城市為研究對(duì)象，基于區(qū)域?yàn)?zāi)害系統(tǒng)理論，構(gòu)建河南沿黃城市洪澇災(zāi)害脆弱性評(píng)價(jià)體系，并利用Matlab構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的評(píng)估模型。【結(jié)果】將研究數(shù)據(jù)導(dǎo)入評(píng)估模型，得到脆弱性評(píng)估指數(shù)，從時(shí)間和空間兩個(gè)維度對(duì)研究區(qū)洪災(zāi)脆弱性進(jìn)行特征分析。【結(jié)論】①時(shí)間上，2010—2020年8市洪澇災(zāi)害脆弱性呈現(xiàn)“整體下降、局部波動(dòng)”趨勢(shì)；②空間上，8市空間分異顯著，呈現(xiàn)出整體分散、局部集中的分布形式，脆弱性從西到東呈現(xiàn)“高-低-高-低”分布特征；③省會(huì)城市鄭州10年間洪災(zāi)脆弱性指數(shù)居高，并在空間上處于脆弱性等級(jí)較高區(qū)域。

關(guān)鍵詞：洪澇災(zāi)害；脆弱性；BP神經(jīng)網(wǎng)絡(luò)；沿黃城市

中圖分類號(hào)：TU998.4；TV882.1? ? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號(hào)：1003-5168（2023）08-0103-05

DOI：10.19968/j.cnki.hnkj.1003-5168.2023.08.021

Analysis on Vulnerability Characteristics of Flood Disasters in Cities Along the Yellow River in Henan Province

SONG Xiaoru HUANG Hairong ZHANG Wei GUO Shuangshaung

（College of Civil Engineering and Architecture， Henan University of Technology， Zhengzhou 450000， China）

Abstract：[Purposes] To analyze the spatio-temporal characteristics of flood vulnerability in cities along the Yellow River in Henan province， and to provide decision-making basis for disaster reduction and prevention in the basin. [Methods] This paper takes 8 cities along the Yellow River of Henan Province as the research object. Based on regional disaster theory， it constructs the flood disaster vulnerability assessment system of the cities along the Yellow River in Henan Province.， and an assessment model based on BP neural network was constructed by using Matlab.[Findings] The research data was imported into the assessment model to obtain the vulnerability assessment index， and then the characteristics of flood vulnerability in the study area were analyzed from two dimensions of time and space. [Conclusions] The analysis results showed that：①In terms of time， the flood disaster vulnerability in 9 cities showed a trend of "overall decline and local fluctuation" during 2010—2020; ②Spatially， the spatial differentiation of the nine cities was significant， showing a form of overall dispersion and local concentration， and the Vulnerability presents a "high-low-high-low" distribution from west to east;③The vulnerability index of the provincial capital Zhengzhou was the highest in the past 10 years， and it was in the higher vulnerability level in space.

Keywords： flood disaster; vulnerability; back propagation neural network; cities along the yellow river

0 引言

近年來(lái)，隨著全球氣候變化、極端天氣頻發(fā)以及城市化進(jìn)程加快［1-2］，城市洪澇災(zāi)害問(wèn)題日益嚴(yán)重。2021年7月河南省遭遇歷史罕見(jiàn)特大暴雨，發(fā)生嚴(yán)重洪澇災(zāi)害，共造成河南省150個(gè)縣（市、區(qū)）1 478.6萬(wàn)人受災(zāi)，直接經(jīng)濟(jì)損失1 200.6億元［3］。洪澇災(zāi)害已經(jīng)成為制約城市安全和可持續(xù)發(fā)展的重要因素。城市洪澇災(zāi)害脆弱性研究正是從脆弱性的角度，對(duì)城市系統(tǒng)面對(duì)暴雨洪澇災(zāi)害時(shí)，孕災(zāi)環(huán)境和承災(zāi)體的受損性、敏感性和應(yīng)對(duì)力進(jìn)行綜合分析，對(duì)提高城市洪澇災(zāi)害的抗風(fēng)險(xiǎn)能力和應(yīng)急預(yù)案能力，實(shí)現(xiàn)城市公共安全和經(jīng)濟(jì)社會(huì)健康持續(xù)發(fā)展具有重要意義。

目前，國(guó)內(nèi)外對(duì)城市洪澇災(zāi)害脆弱性的研究日益趨于宏觀多樣。在研究區(qū)域上，目前包括地級(jí)市［4］、流域地區(qū)［5］、省域［6］、城市群［7］四種，基本概括所有研究區(qū)類型；在脆弱性評(píng)估方法上，主要有基于歷史災(zāi)情的方法［8］和基于指標(biāo)體系［9］的方法。常用的城市洪澇災(zāi)害脆弱性評(píng)估指標(biāo)體系的確定方法有基于“壓力-狀態(tài)-響應(yīng)”模型（PSR）［10］、層次分析法（AHP）［11］ 、“暴露度-敏感性-適應(yīng)能力”VSD框架法［12］、數(shù)據(jù)包絡(luò)分析法（DEA）［13］等。但在上述方法中，AHP方法主觀性較強(qiáng)，DEA法對(duì)樣本數(shù)據(jù)的依賴性較強(qiáng)，PSR和VSD法作為傳統(tǒng)的評(píng)價(jià)體系構(gòu)建方法具有一定的局限性。城市是一個(gè)最具復(fù)雜性的社會(huì)生態(tài)系統(tǒng)，傳統(tǒng)的評(píng)估方法難以對(duì)所有影響因子進(jìn)行綜合客觀評(píng)價(jià)，而BP神經(jīng)網(wǎng)絡(luò)具有非線性映照能力，能在協(xié)調(diào)所有指標(biāo)的基礎(chǔ)上給出完整評(píng)價(jià)，更適合解決復(fù)雜系統(tǒng)的脆弱性評(píng)價(jià)問(wèn)題。

為更加系統(tǒng)地分析河南省沿黃洪澇災(zāi)害脆弱性時(shí)空分布特征，以期為流域減災(zāi)防災(zāi)提供決策依據(jù)，為城市洪澇災(zāi)害研究提供新的研究思路，本研究以河南省沿黃城市為研究對(duì)象，基于區(qū)域?yàn)?zāi)害系統(tǒng)理論，從致災(zāi)因子危險(xiǎn)性、孕災(zāi)因子敏感性、承載因子脆弱性三個(gè)方面構(gòu)建河南省沿黃城市洪澇災(zāi)害脆弱性評(píng)價(jià)體系，選取該區(qū)域2011—2020年10年間的14項(xiàng)指標(biāo)共計(jì)1 120項(xiàng)數(shù)據(jù)，通過(guò)熵值法確定指標(biāo)權(quán)重，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)建立評(píng)估模型，從時(shí)間和空間兩個(gè)維度對(duì)河南省沿黃城市洪澇災(zāi)害脆弱性進(jìn)行分析評(píng)價(jià)。

1 研究區(qū)概況與數(shù)據(jù)

黃河自陜西潼關(guān)進(jìn)入河南省，西起靈寶市，東至臺(tái)前縣，流經(jīng)三門峽、洛陽(yáng)、濟(jì)源、鄭州、焦作、新鄉(xiāng)、開(kāi)封、濮陽(yáng)等8個(gè)省轄市28個(gè)縣（市、區(qū)），河道總長(zhǎng)711 km，流域面積3.62萬(wàn)km2，分別占黃河流域總面積的5.1%、河南省總面積的21.7%。本研究選取河南省沿黃8個(gè)城市作為研究區(qū)域。

2 數(shù)據(jù)來(lái)源

本研究依據(jù)評(píng)價(jià)體系，利用互聯(lián)網(wǎng)收集高精度數(shù)據(jù)，所使用的研究數(shù)據(jù)共分為四類：氣象水文數(shù)據(jù)、基礎(chǔ)地理數(shù)據(jù)、遙感影像數(shù)據(jù)和社會(huì)經(jīng)濟(jì)數(shù)據(jù)，見(jiàn)表1。

3 研究方法

3.1 區(qū)域?yàn)?zāi)害系統(tǒng)理論構(gòu)建評(píng)價(jià)指標(biāo)體系

區(qū)域?yàn)?zāi)害系統(tǒng)理論是將災(zāi)害作為致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體共同作用的復(fù)雜系統(tǒng)進(jìn)行研究［10］，災(zāi)害的影響受三者共同作用。城市洪澇災(zāi)害脆弱性是致災(zāi)因子、孕災(zāi)環(huán)境與承災(zāi)體三者相互影響、相互作用下的綜合表征，是城市自身的固有屬性在洪澇災(zāi)害外力作用下的綜合反映［14］。區(qū)域?yàn)?zāi)害理論結(jié)構(gòu)體系如圖1所示。

考慮到評(píng)價(jià)指標(biāo)數(shù)據(jù)的科學(xué)性和易獲性、綜合性和系統(tǒng)性，本研究通過(guò)中國(guó)知網(wǎng)、Web of Science、Google Scholar、萬(wàn)方數(shù)據(jù)和百度文庫(kù)等數(shù)據(jù)庫(kù)和搜索工具搜集了2013—2023年近10年有關(guān)城市內(nèi)澇、城市洪澇災(zāi)害脆弱性的權(quán)威文獻(xiàn)，并基于區(qū)域?yàn)?zāi)害理論，從致災(zāi)因子危險(xiǎn)性、孕災(zāi)環(huán)境敏感性、承災(zāi)體脆弱性三個(gè)角度篩選出14個(gè)城市洪澇災(zāi)害脆弱性評(píng)價(jià)指標(biāo)，構(gòu)建城市市洪澇災(zāi)害脆弱性評(píng)估體系，見(jiàn)表2。

3.2 熵值法確定指標(biāo)權(quán)重

熵值法是一種多指標(biāo)系統(tǒng)客觀賦權(quán)方法，指標(biāo)的熵越大，則指標(biāo)值的變化程度越小，信息量越少，在綜合評(píng)價(jià)中的作用就越小，權(quán)重也就越小。

3.2.1 數(shù)據(jù)預(yù)處理。由于城市洪澇災(zāi)害脆弱性指標(biāo)具有不同計(jì)量單位，指標(biāo)數(shù)值在范圍上也存在較大差異，需用無(wú)量綱的方法來(lái)保證指標(biāo)間的統(tǒng)一標(biāo)準(zhǔn)化，以減少指標(biāo)數(shù)量級(jí)對(duì)指標(biāo)的影響，故采取歸一化方法對(duì)指標(biāo)數(shù)據(jù)做如下預(yù)處理。

正向指標(biāo)歸一化公式為式（1）。

[x'ij=xij-minx1j ， …， xmjmaxx1j，…， xmj-minx1j，…， xmj] （1）

負(fù)向指標(biāo)歸一化公式為式（2）。

[x'ij=maxx1j ，…， xmj-xijmaxx1j，…， xmj-minx1j，…， xmj] （2）

式中：xij表示第 i 個(gè)城市中第 j 項(xiàng)指標(biāo)的數(shù)值（i=1， 2， …， m；j=1， 2， …， n）；x′ij是歸一化后的數(shù)值，為了方便起見(jiàn)，下面計(jì)算中歸一化后的數(shù)據(jù)仍記為xij。

3.2.2 確定指標(biāo)權(quán)重。熵值法確定指標(biāo)權(quán)重計(jì)算步驟如下。

計(jì)算第 j 項(xiàng)指標(biāo)下第 i 個(gè)城市占該指標(biāo)的比例的公式為式（3）。

[Pij=xiji=1mxij] （3）

計(jì)算第 j 項(xiàng)指標(biāo)的熵值的公式為式（4）。

[ej=-ki=1mpijlnpij] （4）

計(jì)算第 j 項(xiàng)指標(biāo)的信息熵冗余度的公式為式（5）。

[dj=1-ej] （5）

計(jì)算各項(xiàng)指標(biāo)的權(quán)重的公式為式（6）。

[wj=djj=1ndj] （6）

正向?qū)傩缘闹笜?biāo)表示該指標(biāo)值越大，城市洪澇災(zāi)害脆弱性越高；負(fù)向?qū)傩缘闹笜?biāo)表示該指標(biāo)值越大，城市洪澇災(zāi)害脆弱性越低。通過(guò)熵值法計(jì)算得到河南沿黃8市2011—2020年10年間每年各項(xiàng)指標(biāo)權(quán)重值，見(jiàn)表2。

3.3 BP神經(jīng)網(wǎng)絡(luò)構(gòu)建評(píng)估模型

BP（back propagation）神經(jīng)網(wǎng)絡(luò)是由三層（輸入層、輸出層和隱含層）構(gòu)成的一種多層前饋網(wǎng)絡(luò)，每層具有多個(gè)神經(jīng)元且同時(shí)運(yùn)行，每層神經(jīng)元之間采用連接權(quán)重互聯(lián)方式進(jìn)行鏈接，同層神經(jīng)元之間彼此獨(dú)立［15-16］。

3.3.1 運(yùn)行原理。其運(yùn)行原理是： 將輸入信號(hào)進(jìn)行正向傳播并反向調(diào)整誤差，尋找連接不同層級(jí)神經(jīng)元的權(quán)值，從而建立 BP 神經(jīng)網(wǎng)絡(luò)模型［15］。三層BP神經(jīng)網(wǎng)絡(luò)運(yùn)行結(jié)構(gòu)如圖2所示。

BP神經(jīng)網(wǎng)絡(luò)信號(hào)正向傳輸，由輸入層x傳輸?shù)诫[含層t，通過(guò)函數(shù)處理，輸出層s生成輸出值，在3層神經(jīng)網(wǎng)絡(luò)x-t-s中。 如果輸出值沒(méi)有達(dá)到預(yù)定期望，則網(wǎng)絡(luò)會(huì)采用誤差反向傳播的方式進(jìn)行訓(xùn)練。將輸出值與期望值之間的誤差逐層進(jìn)行反向傳播，并動(dòng)態(tài)調(diào)整每個(gè)神經(jīng)元間的閾值和連接權(quán)值。循環(huán)多次后輸出誤差滿足預(yù)定效果，網(wǎng)絡(luò)模型訓(xùn)練完成。

3.3.2 Matlab網(wǎng)絡(luò)構(gòu)建與訓(xùn)練。利用Matlab R2016a軟件的newff函數(shù)對(duì)本研究應(yīng)用的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行編程構(gòu)建。本研究將城市內(nèi)澇脆弱性指標(biāo)數(shù)據(jù)樣本作為輸入值，城市洪澇災(zāi)害脆弱性指數(shù)作為輸出值，利用訓(xùn)練完成后的模型對(duì)研究區(qū)域城市洪澇災(zāi)害脆弱性做出綜合評(píng)價(jià)。構(gòu)建的拓?fù)浣Y(jié)構(gòu)為14×5×1的神經(jīng)網(wǎng)絡(luò)，即輸入層節(jié)點(diǎn)x1～x14共14個(gè)，隱含層節(jié)點(diǎn)6個(gè)，輸出層節(jié)點(diǎn)1個(gè)s 。

在Matlab中對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練設(shè)置，本研究將網(wǎng)絡(luò)的學(xué)習(xí)速率設(shè)置為0.1，最大訓(xùn)練次數(shù)為1 000次，訓(xùn)練要求精度為 0.5×10-3，其他參數(shù)均采用默認(rèn)設(shè)置，網(wǎng)絡(luò)訓(xùn)練至收斂完成，即BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建完成，如圖3所示。

4 結(jié)果與分析

4.1 河南省沿黃城市洪澇災(zāi)害脆弱性時(shí)序變化

結(jié)合AHP-熵值法確定的各項(xiàng)指標(biāo)權(quán)重，把數(shù)據(jù)樣本的歸一化數(shù)據(jù)輸入至已構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型中，運(yùn)行得到河南省沿黃城市洪澇災(zāi)害脆弱性指數(shù)，以時(shí)間為橫軸、城市洪澇災(zāi)害脆弱性指數(shù)為縱軸，做出8個(gè)城市的洪澇災(zāi)害脆弱性指數(shù)變化趨勢(shì)，如圖4所示。由圖4可知，2011—2020年河南省沿黃8個(gè)城市的洪災(zāi)脆弱性指數(shù)呈現(xiàn)“整體下降、局部波動(dòng)”趨勢(shì)，說(shuō)明8個(gè)城市面對(duì)不可控的自然致災(zāi)因素，在不斷完善和改進(jìn)自身的系統(tǒng)和功能，以求提升城市面對(duì)洪澇災(zāi)害時(shí)的應(yīng)對(duì)能力和敏感性，降低洪災(zāi)災(zāi)害對(duì)城市傷害和破壞程度。開(kāi)封市是該趨勢(shì)最明顯的城市，除2014年較2013年增長(zhǎng)外，其他年份均呈下降趨勢(shì)，洪災(zāi)脆弱性指數(shù)從2011年的0.7472降至2020年的0.2169，表明開(kāi)封市面對(duì)洪澇災(zāi)害在逐步加強(qiáng)城市的抵御和應(yīng)對(duì)能力。鄭州市作為河南省省會(huì)以及沿黃城市中重要經(jīng)濟(jì)交通樞紐，其洪澇災(zāi)害脆弱性在沿黃城市影響范圍較廣，在2013—2020年期間呈現(xiàn)“低-高-低-高”的走勢(shì)。

4.2 河南省沿黃城市洪澇災(zāi)害脆弱性空間分布差異

為揭示河南省沿黃城市洪澇災(zāi)害脆弱性空間分布，選取2015年、2020年作為空間分析對(duì)象，利用 ArcGIS 軟件繪制河南省沿黃城市洪澇災(zāi)害脆弱性分類的空間演變圖，如圖5所示。

由圖5可知，研究區(qū)各城市洪澇災(zāi)害脆弱性等級(jí)空間分異明顯，呈現(xiàn)出整體分散、局部集中的分布形式，脆弱性從西到東呈現(xiàn)“高-低-高-低”分布特征。位于研究區(qū)最西部的三門峽處于高脆弱性區(qū)域，和最東部的濮陽(yáng)呈現(xiàn)高度差異性，兩市可在洪災(zāi)應(yīng)對(duì)過(guò)程中汲取對(duì)方行之有效的措施與方法，共同加強(qiáng)洪災(zāi)應(yīng)對(duì)力。研究區(qū)西南部和東南部，分別以洛陽(yáng)和開(kāi)封為代表，其洪災(zāi)脆弱性相對(duì)較低，說(shuō)明這部分區(qū)域洪澇應(yīng)對(duì)系統(tǒng)結(jié)構(gòu)較為穩(wěn)定，功能發(fā)展較為均衡，對(duì)內(nèi)外因素?cái)_動(dòng)的敏感性較低而應(yīng)對(duì)能力較強(qiáng)。中部區(qū)域洪災(zāi)脆弱性較高，其中鄭州、濟(jì)源和焦作最為突出，說(shuō)明這些城市在面對(duì)洪澇災(zāi)害擾動(dòng)時(shí)，各項(xiàng)系統(tǒng)的綜合效能不足，應(yīng)對(duì)能力亟待加強(qiáng)。鄭州作為省會(huì)其城市系統(tǒng)較為復(fù)雜，洪澇災(zāi)害脆弱性的擾動(dòng)因子較多，持續(xù)歸屬于洪災(zāi)脆弱性較高區(qū)域。

5 結(jié)論

通過(guò)以上研究，對(duì)2010—2020年河南省沿黃城市洪澇災(zāi)害脆弱性進(jìn)行評(píng)價(jià)，得出以下結(jié)論。

①?gòu)臅r(shí)間維度看，2010—2020年研究區(qū)域洪澇災(zāi)害脆弱性呈現(xiàn)“整體下降、局部波動(dòng)”趨勢(shì)。

②在空間維度上，城市洪澇災(zāi)害脆弱性等級(jí)空間分異顯著，呈現(xiàn)出整體分散、局部集中的分布形式，脆弱性從西到東呈現(xiàn)“高-低-高-低”分布特征。

③省會(huì)城市鄭州的洪澇災(zāi)害脆弱性在10年內(nèi)上下波動(dòng)，但洪災(zāi)脆弱性指數(shù)始終保持在較高范圍，且在空間分布上處于脆弱性等級(jí)較高區(qū)域。

④基于區(qū)域?yàn)?zāi)害理論構(gòu)建評(píng)價(jià)體系，有效地概括洪災(zāi)脆弱性的影響因子，避免指標(biāo)選取的片面性；BP神經(jīng)網(wǎng)絡(luò)適用于城市洪災(zāi)脆弱性評(píng)價(jià)研究，能夠更加科學(xué)的對(duì)城市洪災(zāi)脆弱性做出評(píng)價(jià)，并為此研究提供新的視角。

參考文獻(xiàn)：

［1］張建云，王銀堂，賀瑞敏，等.中國(guó)城市洪澇問(wèn)題及成因分析［J］.水科學(xué)進(jìn)展，2016，27（4）：485-491.

［2］ALLEN M R，INGRAM W J.Constraints on future changes in climate and the hydrologic cycle［J］. Nature，2002，419（6903）：228-232.

［3］河南鄭州“7·20”特大暴雨災(zāi)害調(diào)查報(bào)告公布［J］.中國(guó)防汛抗旱，2022，32（2）：5.

［4］周健，張宏建，王冰，等.城市暴雨洪澇災(zāi)害脆弱性時(shí)空特征分析［J］.地理空間信息，2021，19（10）：40-43，79，149.

［5］崔凱凱，劉德林，李翔海.黃河河南段流域洪災(zāi)社會(huì)脆弱性評(píng)價(jià)［J］.水土保持通報(bào)，2021，41（5）：304-310.

［6］溫泉沛，周月華，霍治國(guó)，等. 湖北暴雨洪澇災(zāi)害脆弱性評(píng)估的定量研究［J］. 中國(guó)農(nóng)業(yè)氣象，2018，39（8）：547-557.

［7］黃晶，佘靖雯. 長(zhǎng)江三角洲城市群洪澇災(zāi)害脆弱性評(píng)估及影響因素分析［J］. 河海大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2020，22（6）：39-45.

［8］楊佩國(guó)，靳京，趙東升，等.基于歷史暴雨洪澇災(zāi)情數(shù)據(jù)的城市脆弱性定量研究：以北京市為例［J］.地理科學(xué)，2016，36（5）：733-741.

［9］高超，張正濤，劉青，等.承災(zāi)體脆弱性評(píng)估指標(biāo)的最優(yōu)格網(wǎng)化方法：以淮河干流區(qū)暴雨洪澇災(zāi)害為例［J］.自然災(zāi)害學(xué)報(bào)，2018，27（3）：119-129.

［10］黃曦濤，李懷恩，張瑜，等.基于PSR和AHP方法的西安市城市內(nèi)澇脆弱性評(píng)價(jià)體系構(gòu)建與脆弱度評(píng)估［J］.自然災(zāi)害學(xué)報(bào)，2019，28（6）：167-175.

［11］ PHUNG D ，RUTHERFORD S ，DWIRAHMADI F，et al. The spatial distribution of vulnerability to the health impacts of flooding in the Mekong Delta，Vietnam［J］. International Journal of Biometeorology，2016，60（6）：857-865.

［12］程書波，岳穎，劉玉，等. 黃河流域洪澇災(zāi)害社會(huì)脆弱性評(píng)價(jià)與分析［J］. 人民黃河，2022，44（2）：45-50.

［13］劉毅，黃建毅，馬麗.基于DEA模型的我國(guó)自然災(zāi)害區(qū)域脆弱性評(píng)價(jià)［J］.地理研究，2010，29（7）：1153-1162.

［14］朱凈萱，戴強(qiáng)，蔡俊逸，等.基于多智能體的城市洪澇災(zāi)害動(dòng)態(tài)脆弱性計(jì)算模型構(gòu)建［J］.地球信息科學(xué)學(xué)報(bào)，2021，23（10）：1787-1797.

［15］蔡沖. 基于BP神經(jīng)網(wǎng)絡(luò)的工程造價(jià)執(zhí)業(yè)人員信用評(píng)價(jià)體系研究［D］.石家莊：河北經(jīng)貿(mào)學(xué)，2022.

［16］李梅，孟凡玲，李群，等. 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的地下水環(huán)境脆弱性評(píng)價(jià)［J］. 河海大學(xué)學(xué)報(bào)（自然科學(xué)版），2007，35（3）：245-250.

收稿日期：2022-12-10

作者簡(jiǎn)介：宋曉茹（1996—），女，碩士生，研究方向：城市洪澇災(zāi)害研究。