基于復(fù)雜系統(tǒng)理論的公共危機(jī)預(yù)警方法研究

李 祥 飛， 閻 耀 軍

(天津工業(yè)大學(xué) 公共危機(jī)管理研究所， 天津 300387)

基于復(fù)雜系統(tǒng)理論的公共危機(jī)預(yù)警方法研究

李 祥 飛， 閻 耀 軍

(天津工業(yè)大學(xué) 公共危機(jī)管理研究所， 天津 300387)

公共危機(jī)的爆發(fā)往往具有演化、衍生等連鎖反應(yīng)，使得傳統(tǒng)預(yù)警方法很難奏效。復(fù)雜系統(tǒng)分析為公共危機(jī)預(yù)警提供了新的思路。文章從復(fù)雜系統(tǒng)理論視角探討了公共危機(jī)發(fā)生后可能導(dǎo)致的系統(tǒng)崩潰模式和機(jī)理，發(fā)現(xiàn)社會(huì)系統(tǒng)發(fā)生崩潰的方式與物理學(xué)中由于“熵”值增加導(dǎo)致的崩潰機(jī)理類(lèi)似，可以借助“脆性熵”來(lái)衡量社會(huì)系統(tǒng)抵御公共危機(jī)事件沖擊的能力。基于此，提出了結(jié)合系統(tǒng)風(fēng)險(xiǎn)解耦分析、智能等級(jí)評(píng)價(jià)、最大熵值計(jì)算以及支持向量機(jī)模型的預(yù)警方法，可以實(shí)現(xiàn)對(duì)公共危機(jī)事件危害范圍的預(yù)警。

復(fù)雜系統(tǒng)；公共危機(jī)；預(yù)警

一、引 言

社會(huì)危機(jī)事件往往隨著經(jīng)濟(jì)的快速發(fā)展變得越來(lái)越頻發(fā)，其破壞力和破壞范圍也有愈發(fā)加劇的趨勢(shì)。從我國(guó)當(dāng)前頻頻發(fā)生的危機(jī)事件來(lái)看，除了軍事、政治面臨的風(fēng)險(xiǎn)外，非傳統(tǒng)意義上的金融安全、生態(tài)安全、資源安全等問(wèn)題正變得日益突出，對(duì)整個(gè)社會(huì)系統(tǒng)的穩(wěn)定產(chǎn)生了極大的負(fù)面影響[1]。傳統(tǒng)的應(yīng)對(duì)危機(jī)事件的方法是對(duì)危機(jī)事件的響應(yīng)、處置、恢復(fù)、評(píng)估、重建、倡議和立法等。自中共中央2003年十六屆三中全會(huì)提出要“建立健全社會(huì)預(yù)警體系及應(yīng)急管理機(jī)制”以來(lái)，歷時(shí)十余載我們已經(jīng)建立起來(lái)涵蓋自然災(zāi)害、事故災(zāi)難、社會(huì)安全、公共衛(wèi)生等一系列公共危機(jī)的應(yīng)急管理系統(tǒng)。但是反觀危機(jī)事件的預(yù)警，我國(guó)的社會(huì)預(yù)警體系建設(shè)與龐大“應(yīng)急管理”系統(tǒng)相比，仍然極為不對(duì)稱(chēng)[2][3]。這種“重應(yīng)急，輕預(yù)警”的管理格局有管理體制、管理理念的原因，但是更深層次的原因在于技術(shù)層面無(wú)法產(chǎn)生突破，現(xiàn)有的對(duì)于社會(huì)穩(wěn)定的風(fēng)險(xiǎn)研究多停留在社會(huì)指標(biāo)評(píng)估方面，尚未有有效的危機(jī)預(yù)警工具。

值得注意的是，危機(jī)的發(fā)生往往具有較強(qiáng)的不確定性，其破壞作用的蔓延與演變也具有很強(qiáng)的不規(guī)律性，因此對(duì)于危機(jī)事件的預(yù)測(cè)就非常困難，傳統(tǒng)的預(yù)測(cè)方法很難湊效[4][5] [6] [7]。從復(fù)雜系統(tǒng)的角度來(lái)看，我們的社會(huì)領(lǐng)域?qū)嶋H上是一個(gè)充滿(mǎn)不確定性、非線(xiàn)性和難以認(rèn)知的復(fù)雜系統(tǒng)，因此危機(jī)事件的直接作用對(duì)象是一個(gè)完整系統(tǒng)，一個(gè)危機(jī)事件的爆發(fā)很有可能發(fā)生系統(tǒng)性擴(kuò)散甚至演變?yōu)樾碌奈C(jī)事件，對(duì)整個(gè)社會(huì)系統(tǒng)造成大范圍的影響。因此，即使不能及時(shí)預(yù)測(cè)危機(jī)事件的發(fā)生，如果能夠?qū)ξ覀兊纳鐣?huì)系統(tǒng)抵御風(fēng)險(xiǎn)的能力進(jìn)行評(píng)估和預(yù)測(cè)，則能夠有效控制公共危機(jī)事件產(chǎn)生的影響范圍，從而降低損失。

因此，本研究從危機(jī)的系統(tǒng)性蔓延視角，探討危機(jī)擴(kuò)散的機(jī)理，并在此基礎(chǔ)上提出了運(yùn)用支持向量機(jī)的預(yù)警方法，研究結(jié)果表明本文提出的方法能夠有效對(duì)社會(huì)系統(tǒng)抵御風(fēng)險(xiǎn)的能力進(jìn)行預(yù)判。

二、復(fù)雜系統(tǒng)崩潰機(jī)理

如果把危機(jī)在不同子系統(tǒng)之間的擴(kuò)散看成是子系統(tǒng)之間發(fā)生崩潰，那么我們需要理清不同子系統(tǒng)之間可能發(fā)生崩潰的方式。其中復(fù)雜系統(tǒng)脆性概念的提出為研究子系統(tǒng)之間的崩潰方式提供了參考，其基本觀點(diǎn)為：(1)在一個(gè)完整的系統(tǒng)中，不同子系統(tǒng)之間的聯(lián)系中存在兩種形式的熵，其中正熵代表的是系統(tǒng)的無(wú)序狀態(tài)，其值越大則表明系統(tǒng)之間混亂程度越強(qiáng)，在受到外力干擾時(shí)發(fā)生崩潰的可能性就越大。負(fù)熵則可以抵消和中和正熵，因此可以降低這種無(wú)序狀態(tài)。負(fù)熵的存在使得系統(tǒng)可以進(jìn)行自我修正，當(dāng)其存在的量不足以維持抵消正熵的增加時(shí)系統(tǒng)就容易發(fā)生崩潰。(2)負(fù)熵是可以在子系統(tǒng)之間流轉(zhuǎn)的，當(dāng)系統(tǒng)受到外來(lái)作用力干擾時(shí)會(huì)爭(zhēng)奪負(fù)熵，因?yàn)樨?fù)熵的有限性子系統(tǒng)之間會(huì)存在一種爭(zhēng)奪負(fù)熵的非合作博弈的狀態(tài)。(3)整個(gè)系統(tǒng)的崩潰是子系統(tǒng)之間發(fā)生崩潰蔓延所導(dǎo)致的，當(dāng)系統(tǒng)受到外來(lái)作用力沖擊時(shí)會(huì)使得子系統(tǒng)之間發(fā)生能量上的交換，進(jìn)而導(dǎo)致正熵的值增加，當(dāng)正熵的值超過(guò)臨界時(shí)系統(tǒng)之間便會(huì)發(fā)生崩潰，而一個(gè)子系統(tǒng)的崩潰可能導(dǎo)致其他與之相鄰的子系統(tǒng)也發(fā)生崩潰。

圖1 子系統(tǒng)之間脆性熵的形式

通過(guò)對(duì)上面兩種熵的描述可以發(fā)現(xiàn)：無(wú)論是熱力學(xué)熵還是信息熵都是對(duì)某種無(wú)序狀態(tài)的測(cè)量，熱力學(xué)熵測(cè)量的是分子運(yùn)動(dòng)的無(wú)序，信息熵是用概率的形式對(duì)信息確定性程度進(jìn)行測(cè)量，兩種熵的表達(dá)方式非常類(lèi)似。基于此我們可以將熵表示為對(duì)系統(tǒng)混亂程度的測(cè)量函數(shù)[9]。社會(huì)系統(tǒng)中子系統(tǒng)發(fā)生崩潰的可能性同樣可以用熵來(lái)衡量，子系統(tǒng)之間的連接程度假設(shè)我們用“脆性”來(lái)測(cè)量，其程度越強(qiáng)則越容易發(fā)生系統(tǒng)之間的崩潰蔓延。此外還需要進(jìn)一步分析一個(gè)危機(jī)系統(tǒng)的層次結(jié)構(gòu)，從而能夠衡量整個(gè)系統(tǒng)的脆弱程度。

三、公共危機(jī)的脆性解耦分析

1.系統(tǒng)風(fēng)險(xiǎn)的層次分析

構(gòu)建整個(gè)系統(tǒng)的熵值是測(cè)量一個(gè)系統(tǒng)能夠抵御危機(jī)事件能力的前提，為此需要深入分析一個(gè)系統(tǒng)可能的風(fēng)險(xiǎn)結(jié)構(gòu)。首先一個(gè)風(fēng)險(xiǎn)系統(tǒng)可能由若干個(gè)相互關(guān)聯(lián)的子系統(tǒng)組成，這種方式構(gòu)成系統(tǒng)風(fēng)險(xiǎn)的內(nèi)在部分，也就說(shuō)系統(tǒng)的風(fēng)險(xiǎn)是以子系統(tǒng)之間發(fā)生風(fēng)險(xiǎn)為前提的。而每個(gè)子系統(tǒng)又由若干個(gè)危機(jī)事件組成，為了方便研究我們將其稱(chēng)為脆性事件，脆性事件可以影響到子系統(tǒng)的穩(wěn)定[10]。脆性事件繼續(xù)往下可以細(xì)分為若干脆性因子的集合，這些集合體之間以及不同層級(jí)之間是相互關(guān)聯(lián)相互影響的。

圖2 系統(tǒng)風(fēng)險(xiǎn)的層次

如上圖所示，一個(gè)系統(tǒng)的風(fēng)險(xiǎn)可以分解為若干層次，其中完整系統(tǒng)、子系統(tǒng)以及脆性事件包含的因素比較復(fù)雜，且具有不可定量性[11]。為此，我們將脆性事件繼續(xù)細(xì)分，將能夠反映其基本特征的具有穩(wěn)定性的特征因子挖掘出來(lái)，這樣就形成了若干個(gè)脆性因子的集合。值得注意的是不同的因子組合可能產(chǎn)生不同的脆性事件，以交通系統(tǒng)為例，車(chē)流量跟天氣惡劣情況組合可能導(dǎo)致車(chē)禍?zhǔn)录l(fā)生，車(chē)流量跟人流量組合可能導(dǎo)致交通擁堵事件發(fā)生。在實(shí)際情況中因子的作用力是不同的，要根據(jù)實(shí)際情況確定其權(quán)重的大小。

2.脆性因子分類(lèi)等級(jí)

如上面所提到的，系統(tǒng)之間發(fā)生崩潰蔓延的可能性大小可以用脆性程度的大小來(lái)表示，同樣子系統(tǒng)細(xì)分之后的脆性事件以及脆性因子之間仍然可以用脆性代替其發(fā)生崩潰的可能程度。脆性程度主要有兩個(gè)層面：對(duì)沖擊的敏感度和受到?jīng)_擊后的恢復(fù)力程度[10]。根據(jù)這兩個(gè)標(biāo)準(zhǔn)我們可以對(duì)系統(tǒng)的脆性程度進(jìn)行分等級(jí)量化，現(xiàn)有研究對(duì)脆性事件的等級(jí)量化最直接的辦法是利用德?tīng)柗品╗10] [12]，但是該方法主觀性較強(qiáng)，不利于客觀地進(jìn)行評(píng)價(jià)。為了避免主觀因素對(duì)脆性等級(jí)評(píng)定結(jié)果造成的影響，本研究采用基于數(shù)據(jù)挖掘技術(shù)的支持向量機(jī)對(duì)各個(gè)危機(jī)事件的脆性因子進(jìn)行等級(jí)判定。

支持向量機(jī)實(shí)際上是將某一向量xi按照一定的函數(shù)關(guān)系φ(x)投射到某一更高維的空間上去，并借助于此對(duì)函數(shù)關(guān)系進(jìn)行回歸。支持向量機(jī)的基本函數(shù)形式為[13]：

f(x)=w·φ(x)+b

(1)

其中φ(x)為投射以后的函數(shù)，w為系數(shù)，b為常量。為求最優(yōu)，我們可以將以上函數(shù)形式進(jìn)行轉(zhuǎn)化，變?yōu)槿缦虑笞顑?yōu)解的形式：

(2)

(3)

其中K(xi,xj)的表達(dá)形式可以是K(xi,xj)=φ(xi)φ(xj)，其代表的意思是支持向量機(jī)的核函數(shù)。核函數(shù)可以由不同的類(lèi)型，本研究為了簡(jiǎn)化計(jì)算，選用了徑向基核函數(shù)[14]，其表達(dá)形式如下：

(4)

(4)式中σ為徑向基核函數(shù)的寬度參數(shù)。然而傳統(tǒng)的網(wǎng)格搜索算法對(duì)于確定支持向量機(jī)參數(shù)仍有局限性，因此本文選用粒子群算法對(duì)支持向量機(jī)進(jìn)行參數(shù)優(yōu)化。利用支持向量機(jī)對(duì)風(fēng)險(xiǎn)系統(tǒng)進(jìn)行脆性評(píng)級(jí)的基本運(yùn)算流程如圖3所示。

本研究提出的利用支持向量機(jī)對(duì)脆性因子進(jìn)行等級(jí)分類(lèi)的優(yōu)勢(shì)在于：首先，其在最大程度上減少了人為主觀因素對(duì)評(píng)價(jià)帶來(lái)的誤差；其次，支持向量機(jī)可以有效地處理評(píng)價(jià)指標(biāo)之間的非線(xiàn)性關(guān)系，使得數(shù)據(jù)的處理更加貼近現(xiàn)實(shí)；再次，支持向量機(jī)對(duì)于樣本數(shù)據(jù)的要求相對(duì)不高，通過(guò)小樣本的數(shù)據(jù)訓(xùn)練依舊能夠獲得較為精確的評(píng)價(jià)結(jié)果。最后，支持向量機(jī)可以通過(guò)自身的學(xué)習(xí)和自適應(yīng)能力隨著樣本的擴(kuò)大不斷地進(jìn)行自我調(diào)整，以適應(yīng)不同階段對(duì)于脆性等級(jí)評(píng)價(jià)的運(yùn)算要求。

圖3 基于支持向量機(jī)的公共系統(tǒng)脆性評(píng)價(jià)模型

3.系統(tǒng)脆性的定量化處理

根據(jù)圖3對(duì)復(fù)雜系統(tǒng)的劃定方式，系統(tǒng)風(fēng)險(xiǎn)最終可以劃分為若干性質(zhì)穩(wěn)定的因子集合。根據(jù)最大熵值原理，各個(gè)因子一定存在一種分布使得可能產(chǎn)生的熵值最大[10]。而對(duì)于社會(huì)系統(tǒng)來(lái)說(shuō)，熵值最大意味著系統(tǒng)內(nèi)部的不確定性越大，即信息混亂的程度最大，系統(tǒng)可能發(fā)生崩潰的連鎖反應(yīng)越廣泛。因此可以對(duì)最大熵值進(jìn)行監(jiān)測(cè)來(lái)實(shí)現(xiàn)預(yù)警社會(huì)系統(tǒng)抵御風(fēng)險(xiǎn)沖擊的能力。

通過(guò)對(duì)以上系統(tǒng)風(fēng)險(xiǎn)的分析，可以將其設(shè)定為如下形式：u=g(u1,u2,…,ud)。其中ui為系統(tǒng)里不同的脆性因子集合，則由最大熵原理可以得到u的概率分布為：

G=max∫A[-f(u)lnf(u)]dx

(5)

其中A為隨機(jī)變量的集合；在約束條件下，對(duì)系統(tǒng)的風(fēng)險(xiǎn)函數(shù)進(jìn)行求解就變?yōu)榍蠼鈼l件極值。引入拉格朗日乘子，令：

(6)

此時(shí)問(wèn)題轉(zhuǎn)化為G*的極值問(wèn)題，通過(guò)變分法可以得到：f(x)=exp(λ0+∑ui)。上式求解需要得到變量u的階數(shù)以及脆性因子總數(shù)。令si為u的第i階原點(diǎn)矩的觀測(cè)值，脆性因子總數(shù)為n。信息構(gòu)成約束條件為1，那么有：

∫Auif(u)dx=si,i=1,2,…,n

(7)

可以看出，要求得此脆性函數(shù)關(guān)系式需要確定參數(shù)λ0和λi。其中：

(8)

根據(jù)以上兩式可以得到λ0和λi，因此可以得到脆性熵的函數(shù)關(guān)系式。這樣就使得我們可以將各個(gè)因子的等級(jí)情況以及已知的歷史數(shù)據(jù)作為輸入而獲得可以用來(lái)衡量完整系統(tǒng)脆性程度的熵值，通過(guò)對(duì)熵值的大小進(jìn)行監(jiān)測(cè)和預(yù)警就可以實(shí)現(xiàn)對(duì)社會(huì)系統(tǒng)風(fēng)險(xiǎn)性的預(yù)測(cè)和控制。

四、系統(tǒng)的脆性熵監(jiān)測(cè)

根據(jù)以上數(shù)據(jù)處理可以得到關(guān)于系統(tǒng)最大風(fēng)險(xiǎn)熵的計(jì)算公式，它是關(guān)于脆性因子的函數(shù)關(guān)系式，根據(jù)脆性因子數(shù)據(jù)可以得到該最大熵的值。但是對(duì)于最大熵的計(jì)算只能是在已知各個(gè)脆性因子歷史數(shù)據(jù)基礎(chǔ)上才能得到，也就是說(shuō)只能由事后統(tǒng)計(jì)各脆性因子的得分后才能計(jì)算出熵值，因此對(duì)于預(yù)測(cè)預(yù)警沒(méi)有太大的意義。因此，本研究提出基于支持向量機(jī)模型的系統(tǒng)風(fēng)險(xiǎn)熵預(yù)測(cè)方法，這種預(yù)測(cè)方式考慮以時(shí)間作為橫向維度，便于在各脆性因子尚不知道的情況下對(duì)未來(lái)情況進(jìn)行預(yù)判。

1.樣本選取

樣本的選取以數(shù)據(jù)量大和易獲取為主要原則，本研究以交通擁堵現(xiàn)象作為研究對(duì)象，將其視為一個(gè)完整的系統(tǒng)，當(dāng)發(fā)生擁堵則視為危機(jī)產(chǎn)生。本研究選取一個(gè)十字路口40個(gè)時(shí)間點(diǎn)的交通事故作為安全系統(tǒng)樣本，為了便于計(jì)算，本文只選取三個(gè)固定的脆性因子作為研究對(duì)象，分別為車(chē)流量/天(y1)、人流量/天(y2)、雨雪天氣/天(y3)。其中每個(gè)時(shí)間點(diǎn)代表的數(shù)值以及通過(guò)SVM進(jìn)行評(píng)價(jià)后得到的等級(jí)情況如下所示：

表1 脆性熵的指標(biāo)數(shù)據(jù)與測(cè)評(píng)等級(jí)

注：等級(jí)從1級(jí)至5級(jí)表示脆性程度遞增。以上為部分?jǐn)?shù)據(jù)情況。

2.數(shù)據(jù)計(jì)算

利用支持向量機(jī)得到的各個(gè)因子的脆性等級(jí)，結(jié)合各因子的歷史數(shù)據(jù)和概率分布形式可以計(jì)算得到樣本系統(tǒng)的最大熵曲線(xiàn)如下：

圖4 最大熵值曲線(xiàn)時(shí)間序列圖

如上圖所示，熵值集合按照時(shí)間維度劃分可以得到一個(gè)時(shí)間序列。本文嘗試采用支持向量機(jī)對(duì)該時(shí)間序列進(jìn)行預(yù)測(cè)。預(yù)測(cè)的算法選用Matlab7.0語(yǔ)言編程。基本的運(yùn)算思路為將以上時(shí)間序列的采樣值轉(zhuǎn)化為一個(gè)矩陣(Xt,Yt)，其中Xt={xt-n,xt-n+1,….xt-1}，Yt=xt。其中n代表了運(yùn)用前n個(gè)樣本的值進(jìn)行數(shù)據(jù)學(xué)習(xí)訓(xùn)練來(lái)預(yù)測(cè)第n+1個(gè)值的大小[15]。預(yù)測(cè)的結(jié)果如圖5所示。對(duì)于選取的40個(gè)時(shí)間節(jié)點(diǎn)樣本，本研究首先運(yùn)用前25個(gè)樣本作為學(xué)習(xí)進(jìn)行訓(xùn)練，后15個(gè)樣本檢驗(yàn)預(yù)測(cè)效果。

圖5 基于支持向量機(jī)的脆性熵預(yù)測(cè)結(jié)果

在進(jìn)行數(shù)據(jù)訓(xùn)練時(shí)對(duì)模型采用時(shí)間窗滾動(dòng)，即將本點(diǎn)的實(shí)際數(shù)據(jù)視為已知的數(shù)據(jù)滾入訓(xùn)練樣本集，去除時(shí)間最遠(yuǎn)點(diǎn)，重置訓(xùn)練后得到下一步的預(yù)測(cè)值。通過(guò)對(duì)前25個(gè)時(shí)間序列的訓(xùn)練得到支持向量機(jī)模型，如圖5所示，比較最大熵值序列的實(shí)際值與預(yù)測(cè)值，用均方誤差RSME和絕對(duì)百分比誤差MAPE對(duì)預(yù)測(cè)精度進(jìn)行衡量，其中RSME= 0.00169，MAPE=0.0422，均穩(wěn)定在較低的水平。通過(guò)比較歷史數(shù)據(jù)發(fā)現(xiàn)，當(dāng)熵值較大時(shí)交通事故發(fā)生的起數(shù)，事故的嚴(yán)重程度更強(qiáng)。這表明支持向量機(jī)能夠有效運(yùn)用于對(duì)社會(huì)系統(tǒng)的最大熵值預(yù)測(cè)中。

五、結(jié) 語(yǔ)

本研究以系統(tǒng)論為基礎(chǔ)，從復(fù)雜系統(tǒng)的脆性特性出發(fā)，探討了公共危機(jī)事件的沖擊對(duì)于社會(huì)穩(wěn)定系統(tǒng)可能造成的影響以及危機(jī)發(fā)生擴(kuò)散的可能方式，并嘗試提出了一種新型公共危機(jī)預(yù)警方法。通過(guò)分析復(fù)雜系統(tǒng)受到?jīng)_擊后不同子系統(tǒng)之間發(fā)生崩潰的機(jī)理，本研究認(rèn)為社會(huì)穩(wěn)定系統(tǒng)發(fā)生崩潰的方式與物理學(xué)中由“熵”值增加導(dǎo)致的系統(tǒng)崩潰機(jī)理類(lèi)似，基于此提出了以“脆性熵”作為衡量社會(huì)系統(tǒng)抵御公共危機(jī)事件的沖擊能力的標(biāo)準(zhǔn)。在脆性熵的評(píng)價(jià)上，本研究引入了基于數(shù)據(jù)挖掘技術(shù)的支持向量機(jī)模型，提高了評(píng)價(jià)的客觀性和精確性。在系統(tǒng)脆性最大熵的測(cè)量上，本研究基于最大熵原理，將危機(jī)事件的歷史數(shù)據(jù)和脆性熵評(píng)價(jià)相結(jié)合從而給出了函數(shù)計(jì)算方式。為了實(shí)現(xiàn)對(duì)公共危機(jī)事件危害范圍的預(yù)警，文章最后提出了基于支持向量機(jī)模型的預(yù)警方法并以交通事件為例進(jìn)行了實(shí)證分析，結(jié)果發(fā)現(xiàn)本研究提出的方法預(yù)測(cè)精度和可信度較高，具有良好的危機(jī)預(yù)警應(yīng)用前景。

值得注意的是，本研究提出的預(yù)警方法是建立在對(duì)充足歷史數(shù)據(jù)的分析基礎(chǔ)上的，對(duì)于樣本的要求較高，所以本研究?jī)H以交通擁堵情況作為實(shí)證分析對(duì)象，缺乏一定的泛化性。因此選取更多類(lèi)型的公共危機(jī)事件進(jìn)行解耦、測(cè)量最大熵值并進(jìn)行監(jiān)控預(yù)測(cè)是未來(lái)研究的重要方向。

[1]劉霞. 公共危機(jī)治理：理論建構(gòu)與戰(zhàn)略重點(diǎn)[J]. 中國(guó)行政管理，2012,(3):116-120.

[2]閻耀軍. 我國(guó)社會(huì)預(yù)警體系建設(shè)的糾結(jié)及其破解[J]. 國(guó)家行政學(xué)院學(xué)報(bào)，2012,(4):89-93.

[3]閻耀軍，劉國(guó)富. 應(yīng)急管理的前饋控制模式研究[J]. 中國(guó)應(yīng)急管理，2010,(9):29-32.

[4]王嬌俐，王文平，沈秋英. 基于風(fēng)險(xiǎn)傳播機(jī)制的集群抗風(fēng)險(xiǎn)能力研究[J]. 大連理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)，2012,(01):60-64.

[5]VERHOEVEN P. Crisis? What crisis? How European professionals handle crises and crisis communication[J]. Public Relations Revies, 2013,(01):107-109.

[6]JIN Y. Examining publics’ crisis responses according to different shades of anger and sympathy[J]. Journal of Public Relations Research, 2014,(01):79-101.

[7]于麗英，蔣宗彩. 基于復(fù)雜系統(tǒng)觀的城市群公共危機(jī)形成機(jī)制研究[J]. 系統(tǒng)科學(xué)學(xué)報(bào)，2013,(03):62-65.

[8]韋琦. 復(fù)雜系統(tǒng)崩潰的脆性致因研究[J]. 系統(tǒng)工程，2003,21(4):1-5.

[9]韋琦，金鴻章，郭健.基于脆性聯(lián)系熵的復(fù)雜系統(tǒng)崩潰致因研究 [J]. 自動(dòng)化技術(shù)與應(yīng)用，2003,(4):1-4.

[10]金鴻章，李琦，吳紅梅. 基于脆性因子的復(fù)雜系統(tǒng)脆性分析 [J]. 哈爾濱工程大學(xué)學(xué)報(bào)，2005,(12):739-743.

[11]COOMBS W T. How publics react to crisis communication efforts: comparing crisis response reactions across sub-arenas[J]. Journal of Communication Management,2014,(01):40-57.

[12]田軍. 基于德?tīng)柗品ǖ膶?zhuān)家集成模型研究[J]. 系統(tǒng)工程理論與實(shí)踐，2004,(01):62-69.

[13]VAPNIK V．The Nature of Statistical Learning Theory[M]. New York:Springer-verlag,1999.121-163.

[14]張水波，康飛，李祥飛. 基于支持向量機(jī)的建設(shè)工程項(xiàng)目經(jīng)理勝任力評(píng)價(jià)[J]. 中國(guó)軟科學(xué)，2013,(11):89-89.

[15]李祥飛，張?jiān)偕? 基于誤差同步預(yù)測(cè)的SVM金融事件序列方法[J]. 天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版)，2014,(01):86-94.

Study of Public Crisis Warning Method Based on Complex System Theory

LI Xiangfei， YAN Yaojun

( Institution of Crisis Management, Tianjin Polytechnic University, Tianjin 300387, China )

The outbreak of public crisis tends to be evolutionary, derivative and easily formed to a chain reaction, which makes traditional early warning methods hardly work. However, complex system analysis provides a new way of thinking for public crisis warning. The modes and mechanisms of public crisis leading to system collapse were discussed in this paper. It was found that the social system collapses caused by public crisis events are similar to the collapse mechanisms caused by entropy value increase in physics studies. The abilities of social system can be measured to resist the impact of public crisis events, using “brittle entropy”. A hybrid warning method by integrating system risk decoupling, intelligent assessment, maximum entropy calculation analysis and support vector machine model was proposed, which can be used to forewarn the possible breakage degree caused by public crisis events.

complex system; public crisis; early warning

2015-07-02;

2015-08-19

國(guó)家社會(huì)科學(xué)基金重點(diǎn)項(xiàng)目：“基于政策模擬方法的社會(huì)穩(wěn)定風(fēng)險(xiǎn)研究” (13ASH003)

李祥飛(1986- )，男，山東濰坊人，講師，博士， 主要從事公共管理研究，E-mail：soar.li@163.com；閻耀軍(1954-)，男，河北南宮人，教授， 主要從事社會(huì)預(yù)測(cè)與預(yù)警、預(yù)控與公共管理研究。

C93-05

A

1008-407X(2016)01-00104-06