李 磊，支 梅，馬衛(wèi)國，曹禮榮，李睿涵，王思維

(1.西安科技大學 安全科學與工程學院，陜西 西安 710054；2.沂水縣應急管理局，山東 臨沂 276400)

0 引言

近年來，人類面臨著大自然帶給我們的多重挑戰(zhàn)。從2019年四川涼山森林大火、貴州水城特大山體滑坡，到2020年臺風“黑格比”侵襲，再到2021年河南特大洪澇災害，中國的國土板塊頻繁遭受自然災害的摧殘。隨著災害治理工作的有效推進，自然災害受災情況逐年好轉，但在應對極端天氣時，仍存在各應急救災物資儲備部門不明確“儲什么、儲多少”的問題。

應急救災物資保障是統(tǒng)籌發(fā)展與安全兩件大事，是應急管理體系和能力現(xiàn)代化建設的重要內容，是防范化解重大風險的“穩(wěn)定器”和“壓艙石”。應急救災物資需求預測是應急物流規(guī)劃[1]、災害應急救援的前提和基礎，精準預判各類應急救災物資的需求量，是有效應對突發(fā)事件的重要保障。但現(xiàn)階段，學術界對已有自然災害應急救災物資需求預測研究的系統(tǒng)性梳理與分析較少。因此，擬通過可視化分析應急救災物資需求預測相關研究成果，歸納厘清該領域的研究熱點并判明研究趨勢，以期為深入推進自然災害應急救災物資需求預測研究提供參考。

1 數(shù)據(jù)獲取與可視化分析

1.1 數(shù)據(jù)獲取

在中國知網(CNKI)中，以“應急救災物資and需求預測”為主題詞檢索，剔除會議成果、專利后，共獲得117篇文獻。對存在中英文同義詞的關鍵詞進行數(shù)據(jù)清洗，將“地震應急”“大型地震”“地震應急救援”替換為“地震災害”，“案例推理”替換為“CBR”，“應急資源”替換為“應急物資”后進行共現(xiàn)分析。具體工作流程如圖1所示。

圖1 工作流程示意

1.2 關鍵詞可視化

關鍵詞的聚類可較好地反映學者的研究方向[2]。Gephi軟件可處理任何能夠表示為節(jié)點和邊的數(shù)據(jù)，并將數(shù)據(jù)以圖形的形式呈現(xiàn)[3]。在處理大規(guī)模網絡數(shù)據(jù)集的同時，既能在節(jié)點層面統(tǒng)計分析網絡屬性，也支持不同主流網絡布局算法可視化處理數(shù)據(jù)集，可直觀了解研究熱點分布情況。

因此，應用Gephi將排名前26的關鍵詞(見表1)轉化為節(jié)點，各關鍵詞間的共現(xiàn)關系轉化為連線，根據(jù)各節(jié)點度的大小設置節(jié)點尺寸、標簽及顏色深度尺寸，繪圖時使用“Force Atlas 2”算法聚焦、“Rotate”流程優(yōu)化布局，得到應急救災物資需求預測關鍵詞共現(xiàn)可視化，如圖2所示。

表1 應急救災物資需求預測排名前26的關鍵詞

圖2 關鍵詞共現(xiàn)可視化

從圖2可看出，主要包含GM(1，1)、CBR、BP神經網絡3種預測方法及地震、洪澇、臺風3類自然災害；節(jié)點顏色深度、標簽大小顯示：CBR>BP神經網絡>GM(1，1)，且CBR與節(jié)點應急救災物資間連線顏色更深，表明應急救災物資需求研究時，應用CBR方法的學者較多；地震>洪澇>臺風，表明學者對地震災害的研究較多。

2 研究方法分析

初期，學者們大多采用模糊綜合評價法[4]、層次分析法[5-6]、多米諾效應分析[7]等經驗判斷法預測應急救災物資的需求量，面對自然災害受災區(qū)域大、傷亡人數(shù)多、救援時間長等特征[8]，傳統(tǒng)的預測方法已不能滿足人們精準預測的要求。因此，擬對常用的3種應急救災物資需求預測方法展開論述。

2.1 案例推理

案例推理(CBR)是通過探尋與之工況條件相似度較高的匹配案例，修正其解決方案并應用于當前工況的過程。CBR較傳統(tǒng)的經驗判斷法而言，主觀性更弱，偏向于以數(shù)據(jù)挖掘的形式匹配最佳相似案例，是一種基于人工智能的定性定量相結合的預測方法。其關鍵在于從案例數(shù)據(jù)庫中匹配出最佳相似源案例，基于此，學者從以下3方面深入研究。

一是，優(yōu)化匹配案例算法角度，以期提升匹配的精準度。劉賈賈[9]等采用熵值法和加權歐式距離求得最佳相似歷史案例。SUN[10]等將全局案例相似度細化結構相似度和屬性相似度，避免傳統(tǒng)最近鄰算法中屬性缺失的問題。

二是，不斷完善關鍵因素。傅志妍[11]等提取災區(qū)人口和道路面積為關鍵因素。王蘭英[12]等選擇震級、受災面積、受災人口、地震持續(xù)時間和震源深度作為關鍵因素。在其基礎上，郭繼東[13]等引入發(fā)生時間、城鎮(zhèn)化率、經濟水平等特征因素，完善目標案例與源案例之間的相似度。

三是，結合模糊變量描述。SHAO[14]等將直覺模糊與案例推理相結合，定義為直覺模糊案例推理(IFCBR)，保障案例檢索的精準度。LIU[15]等提出基于案例推理及風險分析的預測方法，預測物資的數(shù)量、質量及類型。汪貽生[16]等結合面向對象的案例組織與表示模式、相似案例集檢索方法及灰色關聯(lián)分析，提出最佳相似案例匹配算法。DUAN[17]等建立案例推理和灰色關聯(lián)分析相結合的模型，用案例推理計算歷史案例與目標案例間的相似度矩陣后，再分析二者間的灰色關系。

案例推理方法主要適用于“戰(zhàn)時”狀態(tài)下應對某一突發(fā)事件所需應急救災物資的需求預測，前提是擁有足夠多且具有代表性的歷史案例。但實際中難以收集到有效的案例，以應對多類、多因素、多指標的突發(fā)事件，且現(xiàn)階段針對案例庫存儲、分類等方面的研究較為缺乏。

2.2 時間序列預測

時間序列預測通過統(tǒng)計分析過去的時間序列數(shù)據(jù)，推測出事物的發(fā)展趨勢，過程中考慮受偶然因素影響產生的隨機性，對數(shù)據(jù)適當處理以消除此類影響，是一種定量的研究方法。目前，常用的時間序列預測包括多元線性回歸、BP神經網絡、支持向量機等方法。

2.2.1 多元線性回歸法

LARRY[18]等依據(jù)響應級別和嚴重程度的匹配程度定義正確及不正確的利用，結合應急設施提供的數(shù)據(jù)，建立多元回歸模型估計對緊急運輸服務的需求。郭子雪[19]等引入對稱三角模糊數(shù)表示影響因素的模糊特征，建立多元模糊線性回歸預測模型。結果表明，災害級別、受災人口、受災面積是影響物資需求預測的重要因素。

2.2.2 BP神經網絡算法

針對其易陷入局部極小值的缺陷，劉芳[20]、CHEN[21]等提出IACO-BP神經網絡算法，分別預測洪澇災害應急救災物資、物料狀況需求；樊睿[22]運用粒子群優(yōu)化(PSO)改進BP神經網絡，預測六級以上的大型地震應急救災物資的需求量，結果表明改進后的算法精度和穩(wěn)定性都有顯著提高。針對其過早收斂的缺點，REZA[23]等提出利用遺傳算法(GA)生成新體系結構的混合優(yōu)化，其可根據(jù)群體狀態(tài)調整慣性權重和加速度系數(shù)。

2.2.3 支持向量機(SVM)

趙一兵[24]等運用該算法和庫存管理理論，構建地震傷亡人數(shù)預測模型，對飲食類、御寒類和醫(yī)藥類物資需求量預測。由于其初始參數(shù)的選取對預測精度有較大影響，何珊珊[25]等利用遺傳算法(GA)優(yōu)化參數(shù)，構建了GA-SVM人員傷亡預測模型。為消除包含誤差的數(shù)據(jù)樣本對模型的影響，劉文博[26]提出改進的加權最小二乘支持向量機，對各數(shù)據(jù)權重予以自適應迭代修正。

該類方法主要用于“平時”應急救災物資儲備管理，可根據(jù)不同區(qū)域易發(fā)災害的歷史數(shù)據(jù)預測不同類型應急救災物資的需求，未考慮外界變化的可能性。當遇到外界發(fā)生較大變化，往往會有較大偏差，適用于長期預測。

2.3 灰色預測模型

灰色預測模型是通過少量的、不完全信息，建立數(shù)學模型以估算應急救災物資需求量的一種預測方法。所需建模信息少、運算方便、精度高，適用于“小樣本、貧信息”系統(tǒng)[27]的建模預測，廣泛應用于多種預測領域[28]。

GM(1，1)是灰色預測理論最基本的模型[29-31]，但忽略了未來信息對模型預測精度的影響。胡忠君[32]、李麗麗[33]等引入新陳代謝的思想，將預測得出的結果重新帶入模型中，構建GM(1，1)動態(tài)預測模型。LIU[34]等考慮信息的不同背景與差異，在灰數(shù)與白化權函數(shù)模糊條件下，提出定義為“區(qū)間灰數(shù)核”的計算方法。曾波[35]等基于“核”和“灰度”規(guī)范化處理數(shù)據(jù)，建立灰色異構數(shù)據(jù)“核”序列的DGM(1，1)模型，預測地震帳篷的需求量。王正新[36]等應用Fourier描述模型殘差的周期性振蕩信息，建立Fourier-GM(1，1)模型預測森林火災撲火經費。

現(xiàn)實世界中普遍存在小樣本、信息邊界模糊的數(shù)據(jù)，為模型構建提供了豐富的數(shù)據(jù)資源。但該模型只能反映系統(tǒng)發(fā)展的大致趨勢，并不能精確預測未來的數(shù)值[37]，仍需不斷提升模型預測精度，以應對各類突發(fā)事件應急救災物資的需求預測。

結合上述研究成果，發(fā)現(xiàn)各類預測方法均在一定程度上滿足了物資需求。但現(xiàn)實情境下，受災區(qū)及需求信息是不斷更新的，如何根據(jù)信息的不確定性和動態(tài)性，制定出不同類別不同時間段應急各物資動態(tài)需求預測方法，是今后應急救災物資需求預測的研究重點。

3 研究對象分析

我國地形地勢、區(qū)域災害情況復雜，是世界上自然災害最多的國家之一[38]，以洪澇、地質、風雹、臺風災害為主[39]?；贑NKI平臺獲取2006—2020年地震、洪澇、臺風3類災害研究成果，數(shù)量統(tǒng)計數(shù)據(jù)，如圖3所示。

圖3 2006—2020年自然災害CNKI成果數(shù)量統(tǒng)計

由圖3可知，一方面，隨時間的推移，地震災害成果數(shù)量呈逐步下降、小幅度上漲；洪澇災害呈逐步上升；臺風災害呈平穩(wěn)狀態(tài)的變化特征。另一方面，自然災害的研究較多，但應急救災物資需求預測占較少。

3.1 自然災害成果數(shù)量分析

地震、洪澇、臺風災害成果平均1 100篇/年、1 158篇/年、105篇/年，分別占3類災害平均年發(fā)篇量的44%、51%和5%。地震災前研究集中在應急救援演練[40]、震害預測[41]、應急預案[42]等；災后主要探究次生災害[43]及發(fā)生規(guī)律及特征[44]等；洪澇研究集中于應用歷史災情[45-46]、指標體系[47]、情景模擬[48-49]等方法評估風險；臺風災害以風險評估[50-51]、應急策略[52-55]等研究為主。3類自然災害指標統(tǒng)計，如圖4所示。

圖4 自然災害指標統(tǒng)計

3.2 應急救災物資需求預測分析

地震災害應急救災物資需求預測相關文獻共41篇，多以汶川地震[56]、玉樹地震[57]等實例為研究對象，分析受災人口、持續(xù)時間等對物資需求的影響。洪澇災害相關文獻共8篇，大多是采用灰色新陳代謝馬爾科夫[58]、GM(1，1)及優(yōu)化BP神經網絡等方法預測物資需求量。臺風災害相關文獻較少，僅6篇，多以浙江[59]、福建[60]等地區(qū)或臺風“彩虹”[61]等事件為研究對象，考慮臺風登陸時間、降雨量等因素預測應急救災物資需求量。

4 文獻來源分析

為了解現(xiàn)階段應急救災物資需求預測領域研究情況，統(tǒng)計并分析獲取的117篇相關文獻來源，共涉及50所高校碩博士論文、67家期刊機構。載文量超過2篇文獻來源統(tǒng)計，如圖5所示。

由圖5可知，筆者將文獻來源劃分為高校及期刊2類，包括蘭州交通大學、北京交通大學、南京航空航天大學等全國重點高校，中國安全科學學報、災害學等高質量科技期刊?？蒲兴阶鳛楹饬扛咝：鹆康闹匾笜?，使得各高?？蒲惺冀K聚焦前沿。側面反映出應急救災物資需求預測是當前高校的重要研究課題。對各期刊合作單位或高校機構模塊化聚類可視化分析，如圖6所示。

圖5 應急救災物資需求預測文獻來源統(tǒng)計

圖6中藍色、紫色、紅色模塊分別表明西安交通大學管理學院與中國管理科學；武漢理工大學、蘭州交通大學交通運輸學院與中國安全科學學報；中國石油大學(華東)與中國安全生產科學技術、重慶工商大學與物流科技等高校與期刊間存在密切合作，同時涵蓋經濟與管理、軌道交通、物流、計算機與信息等多領域。同時，進一步了驗證上述結論，即應急救災物資需求預測是當前高?？蒲嘘P注的前沿領域，也是多學科融合的交叉領域。

圖6 期刊合作可視化分析

5 需求預測發(fā)展方向

近幾年，我國極端天氣頻發(fā)，將災害治理“關口前移”，才能更好地應對自然災害。當前我國應急救災物資儲備存在儲備方式單一、儲備量不合理等諸多問題[62]，但隨著信息技術的快速發(fā)展，解決應急救災物資儲備問題越來越具可能性。未來自然災害應急救災物資需求預測研究的發(fā)展方向如下。

應對不同需求采取差異化的預測方法。對于某市或某區(qū)年度應急救災物資儲備計劃等長期預測，可選用時間序列預測各類應急救災物資的需求量，為相關部門物資儲備提供理論參考；對災后一天或幾天內物資的需求等短期預測，可選用灰色模型預測保障人民生命財產安全類物資的需求量，為應對某一突發(fā)事件提供物資保障。

應用百度大數(shù)據(jù)和多層感知[63]、隱喻地圖[64]、ArcGIS空間分析[65]、網格治理[66]、云網格[67]等方法，評估研究區(qū)域風險，按照不同等級的區(qū)域劃分結果，預測各類應急救災物資需求量。同時可考慮受災區(qū)域的人口規(guī)模，包括各年齡段的人口比例、人均需求量等，不斷完善應急救災物資需求預測領域的研究。

間接預測應急救災物資需求量時，多以傷亡人數(shù)、受災人數(shù)為中間橋梁。實際救援中，應考慮不同中間量與不同種類應急救災物資間的作用關系。具體體現(xiàn)為，受災人口與生活保障類、臨時住宿類；受傷人口與醫(yī)藥類；受災面積與搶險救災類應急救災物資間的關系，結合安全庫存理論間接預測各類物資的需求量。

6 結論

1)應急救災物資需求預測以案例推理、時間序列預測和灰色預測模型3類方法為主，目前以多種預測方法相結合的研究形式較多。

2)地震災害研究成果數(shù)量呈逐步下降、小幅度上漲趨勢；洪澇災害呈逐步上升趨勢；臺風災害呈平穩(wěn)狀態(tài)的變化特征，但應急救災物資需求預測相關研究成果數(shù)量較少。

3)應急救災物資需求預測是當前高校科研的前沿領域，也是集管理、交通、物流、計算機等多學科融合的交叉領域。