賈枝潤 王若菌

【摘 要】脆弱性與城市安全關(guān)系密切，分析影響城市脆弱性的各類因素。提出運(yùn)用聚類分析法提煉城市脆弱性指標(biāo)，建立基于神經(jīng)網(wǎng)絡(luò)的城市脆弱性模型，為城市脆弱性評估提供理論依據(jù)。

【關(guān)鍵詞】聚類分析;脆弱性;神經(jīng)網(wǎng)絡(luò)

A study of urban vulnerability model based on Neural Network

JIA Zhirun，WANG Ruojun

（School of Safety Engineering， Shenyang Aerospace University， Shenyang， 110136）

Abstract：Vulnerability is closely related to urban security， and various factors affecting urban vulnerability are analyzed. In order to provide a theoretical basis for urban vulnerability assessment， the paper proposes to use cluster analysis to extract urban vulnerability index and establish a neural network based urban vulnerability model.

Key words ：Cluster analysis，Vulnerability，Neural network

引言

隨著社會文化進(jìn)步，世界各國對城市安全越來越重視。但是城市作為典型的復(fù)雜巨系統(tǒng)，新的安全問題不斷涌現(xiàn)。我國2018年1月，印發(fā)的《關(guān)于推進(jìn)城市安全發(fā)展的意見》旨在指導(dǎo)與提升我國城市安全發(fā)展水平。國際公認(rèn)，重大事故風(fēng)險(xiǎn)為危害暴露程度和系統(tǒng)脆弱性的函數(shù)。脆弱性與城市安全關(guān)系密切，大量學(xué)者進(jìn)行了城市脆弱性研究，王松華進(jìn)行了城市脆弱性綜合評價(jià)體系建構(gòu)研究，王巖進(jìn)行了城市脆弱性研究，張曉瑞進(jìn)行了城市脆弱性的綜合測度研究，劉繼生進(jìn)行了遼源市社會系統(tǒng)的脆弱性及其規(guī)避措施的研究，劉毅發(fā)表了基于DEA模型的我國自然災(zāi)害區(qū)域脆弱性評價(jià)。學(xué)者們大多從經(jīng)濟(jì)、生態(tài)、社會等單一視角進(jìn)行論證，有必要在現(xiàn)有城市脆弱性相關(guān)研究的基礎(chǔ)上，從綜合視角對城市系統(tǒng)脆弱性進(jìn)行系統(tǒng)研究，對城市脆弱性量化方法做進(jìn)一步的綜合評價(jià)研究。本文在查閱大量國內(nèi)外文獻(xiàn)的基礎(chǔ)上，分析影響城市脆弱性的因素，同時(shí)考慮評估的目標(biāo)和指標(biāo)統(tǒng)計(jì)數(shù)據(jù)的可賦值性來確定指標(biāo)，建立基于神經(jīng)網(wǎng)絡(luò)的城市脆弱性模型，以期深化城市脆弱性評估研究，為實(shí)現(xiàn)城市安全發(fā)展提供科學(xué)依據(jù)。

1聚類分析模型的建立與求解

脆弱性是一個(gè)多維度、多層次的模型體系，有不同的表現(xiàn)形式。城市脆弱性是由于人類社會各個(gè)系統(tǒng)（承災(zāi)體）對某種災(zāi)害或者突發(fā)事件發(fā)生時(shí)的暴露程度、敏感程度、易損程度、應(yīng)對能力以及缺乏應(yīng)對能力從而使系統(tǒng)的結(jié)構(gòu)和功能發(fā)生改變的一種屬性。因此，評價(jià)城市脆弱性可以從這幾方面整理相關(guān)影響因素進(jìn)行深入分析，同時(shí)兼顧評估的目標(biāo)和指標(biāo)統(tǒng)計(jì)數(shù)據(jù)的可賦值性。結(jié)合我國實(shí)際情況，選擇主要的影響城市脆弱性的因素：人口密度、老齡人口比例、人均占有社會資源量、失業(yè)率、恩格爾系數(shù)、物價(jià)指數(shù)、自然災(zāi)害強(qiáng)度、自然災(zāi)害次數(shù)、安全生產(chǎn)百萬工時(shí)死亡率、萬車死亡率、社會安全事件發(fā)生率、公共衛(wèi)生事件發(fā)生率、三廢產(chǎn)生總量。其中，某些指標(biāo)間存在較強(qiáng)的相關(guān)性，構(gòu)建聚類分析模型進(jìn)行分析，建立相關(guān)系數(shù)矩陣。

對每個(gè)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，變量間的相近性度量采用相關(guān)系數(shù)，類與類之間的相近性度量采用離差平均和，聚類樹形圖如下圖1所示。

從聚類圖中可以看出，某些指標(biāo)之間具有較大的相關(guān)性，最先被聚到一起，所以我們可以用其中一個(gè)指標(biāo)來替代另外一些指標(biāo)，這樣就從多個(gè)指標(biāo)中選出來部分分析指標(biāo)。它們是評價(jià)指標(biāo)為人口密度、老齡人口比例、恩格爾系數(shù)、自然災(zāi)害強(qiáng)度、安全生產(chǎn)百萬工時(shí)死亡率、萬車死亡率、社會安全事件發(fā)生率、公共衛(wèi)生事件發(fā)生率、“三廢”總量，進(jìn)而利用這些指標(biāo)構(gòu)建城市脆弱性神經(jīng)網(wǎng)絡(luò)模型。

2城市脆弱性神經(jīng)網(wǎng)絡(luò)模型建立

2.1模型假設(shè)

（1）輸入層不計(jì)在層數(shù)之內(nèi)。

（2）設(shè)層與層之間的神經(jīng)元都有信息交換，但同一層的神經(jīng)元之間無信息交換。

（3）設(shè)信息的傳輸方向是從輸入層到輸出層方向。

2.2模型的建立與求解

BP算法屬于δ學(xué)習(xí)律，計(jì)算中的激發(fā)函數(shù)f（x）必須可導(dǎo)，采用Simoid函數(shù)做為激發(fā)函數(shù)：

一個(gè)三層的BP神經(jīng)網(wǎng)絡(luò)模型可以擬合任意一個(gè)非線性映射。確定任務(wù)定價(jià)方案模型為三層網(wǎng)絡(luò)模型，該模型有三部分組成：輸入層，隱含層和輸出層。

對輸入層節(jié)點(diǎn)數(shù)進(jìn)行確認(rèn)，神經(jīng)網(wǎng)絡(luò)模型的輸入層是起緩沖存儲器的作用，把數(shù)據(jù)源加到網(wǎng)絡(luò)模型上，其節(jié)點(diǎn)數(shù)目取決于數(shù)據(jù)源的維數(shù)，即這些節(jié)點(diǎn)能夠代表每個(gè)數(shù)據(jù)源。

確定隱含層的神經(jīng)元數(shù)目，網(wǎng)絡(luò)的隱含層為一層，隱含層神經(jīng)元個(gè)數(shù)表達(dá)了網(wǎng)絡(luò)輸入與輸出之間的非線性程度，對神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練速度和預(yù)報(bào)能力有重要的作用，隱含層神經(jīng)元的個(gè)數(shù)少，不能滿足精度需要，隱含層神經(jīng)元的個(gè)數(shù)多則影響訓(xùn)練速度依靠經(jīng)驗(yàn)公式對神經(jīng)元數(shù)目進(jìn)行選?。?/p>

選擇最大輸入節(jié)點(diǎn)數(shù)時(shí)，最大為2，因此，編程時(shí)可選取為2，本模型仿真試驗(yàn)時(shí)使用隱含層節(jié)點(diǎn)數(shù)為2個(gè)，并在使用學(xué)習(xí)過程中，可以采用自適應(yīng)方法進(jìn)行調(diào)整。輸出層神經(jīng)元數(shù)目取決于神經(jīng)網(wǎng)絡(luò)模型的輸出變量。本模型的輸出變量為城市脆弱性評分。因此，輸出層神經(jīng)元數(shù)目為1，編程時(shí)取2。確定學(xué)習(xí)速率，沖量系數(shù)，系統(tǒng)誤差，樣本誤差，訓(xùn)練次數(shù)，最大樣本數(shù)等。學(xué)習(xí)速率決定著權(quán)職改變的幅度值。值越大，權(quán)值改變的越劇烈，也可能引起系統(tǒng)誤差震蕩，所以應(yīng)在不導(dǎo)致系統(tǒng)誤差震蕩的情況下盡可能取大些，一般學(xué)習(xí)速率，與迭代次數(shù)呈明顯的規(guī)律。通常越大跌代次數(shù)越少。本模型初選，學(xué)習(xí)過程中采用自適應(yīng)方法進(jìn)行調(diào)整。沖量系數(shù)的加入可以在一定程度上抑制震蕩，避免系統(tǒng)誤差突升突降情況的發(fā)生，相當(dāng)于對權(quán)空間中誤差曲面的高次分量的濾波，在當(dāng)前全值修正量加入前次修正量的影響，相當(dāng)于使用了誤差修正的慣性。系統(tǒng)最大誤差，為單個(gè)樣本最大誤差，網(wǎng)絡(luò)訓(xùn)練時(shí)如果要求每個(gè)樣本都達(dá)到最大誤差以下，訓(xùn)練時(shí)間就會相當(dāng)長，模型實(shí)際訓(xùn)練時(shí)只采用系統(tǒng)最大誤差。9690B240-422A-49BF-8E87-D916C614A1FC

為網(wǎng)絡(luò)訓(xùn)練時(shí)系統(tǒng)誤差，其表達(dá)式為：

時(shí)，達(dá)到訓(xùn)練要求，越小，網(wǎng)絡(luò)模型越精確，但訓(xùn)練時(shí)間越長，取。為最大訓(xùn)練次數(shù)，主要考慮一次訓(xùn)練時(shí)間不能過長，取。 為樣本集中最大樣本數(shù)，根據(jù)經(jīng)驗(yàn)，訓(xùn)練樣本集中樣本不少于180時(shí)，網(wǎng)絡(luò)可以穩(wěn)定，編程時(shí)取最大樣本數(shù)為220模型時(shí)實(shí)際訓(xùn)練時(shí)取180。

歸一化處理時(shí)，Sigmoid函數(shù)值在（0，1）之間 故模型輸入輸出值都應(yīng)在（0，1）之間，另一方面，對于樣本對中輸入向量中。輸入?yún)?shù)的單位不同絕對差值大必須進(jìn)行歸一化處理本模型采用下式處理：

X（p，i）-訓(xùn)練樣本值;

Xact（p，i）-樣本實(shí)際值;

Xmin-訓(xùn)練樣本集中節(jié)點(diǎn)的最小值;

Xmax-訓(xùn)練樣本集中節(jié)點(diǎn)的最大值。

神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程實(shí)際上就是通過對訓(xùn)練樣本的學(xué)習(xí)。神經(jīng)網(wǎng)絡(luò)模型在對訓(xùn)練樣本進(jìn)行學(xué)習(xí)時(shí)要求有一定數(shù)量的樣本個(gè)數(shù)。如果訓(xùn)練樣本數(shù)量較少，而且訓(xùn)練樣本自身存在的誤差較大，則在學(xué)習(xí)樣本的過程中神經(jīng)網(wǎng)絡(luò)模型將是不收斂的或不能擬合。將利用神經(jīng)網(wǎng)絡(luò)模型探究所得到的城市脆弱性等級。

3結(jié)束語

（1）提出運(yùn)用聚類分析方法，篩選了影響城市脆弱性的關(guān)鍵因素，人口密度、老齡人口比例、恩格爾系數(shù)、自然災(zāi)害強(qiáng)度、安全生產(chǎn)百萬工時(shí)死亡率、萬車死亡率、社會安全事件發(fā)生率、公共衛(wèi)生事件發(fā)生率、“三廢”總量。

（2）提出基于神經(jīng)網(wǎng)絡(luò)的城市脆弱性預(yù)測模型，為城市脆弱性評估提供理論依據(jù)。

參考文獻(xiàn)

[1] 中華人民共和國中央人民政府.中共中央辦公廳 國務(wù)院辦公廳關(guān)于推進(jìn)城市安全發(fā)展的意見，2018.

[2] 王松華，趙玲.城市脆弱性綜合評價(jià)體系建構(gòu)研究[J].蘇州大學(xué)學(xué)報(bào)，2014 （5）：30-37.

[3] 王巖，方創(chuàng)琳，張薔.城市脆弱性研究評述與展望[J].地理科學(xué)進(jìn)展，2013，32（5）：755-768.

[4]張曉瑞，李濤，方創(chuàng)琳，等.城市脆弱性的綜合測度研究[J].地理與地理信息科學(xué)，2016，32（2）：89-93.

[5] 劉繼生，那偉，房艷剛.遼源市社會系統(tǒng)的脆弱性及其規(guī)避措施[J].經(jīng)濟(jì)地理，2010，30（6）：944-948.

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

本文系沈陽航空航大學(xué)創(chuàng)新訓(xùn)練項(xiàng)目，項(xiàng)目編號110418013。9690B240-422A-49BF-8E87-D916C614A1FC