基于神經網絡與遺傳算法的國家脆弱性影響因素研究

韓皓陽 張譯文 盧率

【摘要】? ? 氣候變化的影響，包括干旱增加，冰川萎縮，動植物范圍的變化以及海平面上升，將改變人類的生活方式，并可能導致社會和政府結構的削弱和崩潰。本文主要研究國家脆弱性的影響因素，首先建立了三級分析層次和熵權重模型，得到12個狀態脆弱性指標的權重。然后結合神經網絡和遺傳算法建立模型來評估狀態脆弱性。

【關鍵詞】? ? 神經網絡? ? 遺傳算法? ? 國家脆弱性? ? 指標

前言

近年來，氣候變化引起的干旱，洪水和海平面上升現象嚴重威脅著人類的生存。隨著這些問題導致人均耕地面積減少，糧食減少和經濟衰退等一系列問題正在挑戰政府的領導。在發展中國家，由于其棘手的內部沖突，氣候變化的不利影響可能會加劇內部的尖銳矛盾。因此，面對氣候變化，發展中國家可能“脆弱”。

一、模型建立與求解

1.1建立層次分析模型

從脆弱國家指數可以看出，通過使用12個指標評估世界上178個國家的脆弱性。得出的結論為得分越高，國家就越脆弱。從脆弱性指數來看，可看到這12個指標與氣候變化無關。因此，本文需要重新定義指標以評估該國的脆弱性，并使用這些指標建立國家脆弱性評估模型。

綜上，根據環境維度作為AHP（層次分析法）的標準層次，然后建立比較矩陣，并計算得到結果。由此可以看出，影響國家脆弱性的因素按照影響力，國內生產總值，公共管理，貧困人口比例，國民總收入和能源的順序排列。

1.2 AHP-Entropy模型

因為比較矩陣中元素的值受決策者的個人偏好的影響，所以計算的權重是非常主觀的。為了減少權重值的主觀隨意性，每個指標的賦權主觀，客觀地統一。本文建立AHP熵模型來修改AHP模型中獲得的主觀權重。

為了避免熵的無意義對數，本文對原始數據矩陣進行維度：

利用信息熵的概念構造了一個多屬性決策矩陣，經過計算得到影響脆弱性的12個指標的客觀指標權重：CPIA公共部門管理和機構集群平均（0.116）、CPIA結構政策聚類平均值（0.032）、國內生產總值（現價美元）（0.142）、人均國民總收入，阿特拉斯法（現價美元）（0.124）、國家貧困線的貧困率（人口百分比）（0.130）、難民人口比例（0.162）、15-64歲人口（占總人口的百分比）（0.046）、勞動力參與率，女性（15歲以上女性人口的百分比）（0.044）、結核病發病率（每10萬人）（0.046）、改善水源（有訪問人口的百分比）（0.016）、谷物產量（千克/公頃）（0.050）

1.3建立BP神經網絡

為了確定脆弱程度并簡化建模過程，本文選擇了15個國家作為樣本，將和平基金會給出的脆弱國家指數排名作為樣本。表4根據脆弱性指數將15個國家分為3類：脆弱，弱勢和穩定。

脆弱：蘇丹、埃塞俄比亞、緬甸尼泊爾、贊比亞;

弱勢：坦桑尼亞、厄瓜多爾、中國、南非、越南;

穩定：馬來西亞、希臘、匈牙利意大利、加拿大。

以上述的12個新的評估指標、每個國家的12個指標作為輸入參數，并以脆弱性，脆弱性和穩定性評價標準作為輸出參數，建立BP神經網絡模型。

建立的神經網絡模型的輸入參數為12，輸出參數為3，隱層神經網絡的數量為25.因此，本文在輸入層建立了一個12個節點的神經網絡，25個節點在隱藏層中，輸出層中有3個節點，共有375個權重和28個閾值。由此可得出結論：使用BP神經網絡模型可以很好地評估穩定和脆弱的國家，本文從世界銀行數據的15個樣本國家中獲得12個指數數據作為神經網絡訓練數據，并訓練已建立的神經網絡。然后從脆弱，脆弱和穩定的國家中獲得一個進入訓練有素的神經網絡，在這一點上，本文建立了模型。接下來使用AHP-Entropy模型的12個指標來研究對國家脆弱性的脆弱程度，研究氣候變化如何影響這12個指標，并研究影響國家脆弱性的因素。本文還將使用優化的BP神經網絡模型區域來評估該國的脆弱性。本文建立比較矩陣，經過計算得到氣候變化中降水量，溫度，海平面和自然災害的權重：沉淀：0.1952;溫度：0.0797;海平面：0.0713;自然災害：0.6538。

綜上，可看出自然災害占氣候變化影響的很大一部分。因此，本文認為自然災害可以用來表達氣候變化的影響。

參? 考? 文? 獻

[1]施瓦茨·彼得，達哥·蘭德爾.突然的氣候變化情景及其對美國國家安全的影響[J].國家氣象局譯本，2003.

[2]脆弱國家指數[EB/OL].http：//fundforpeace.org/fsi/.

[3]劉天旭，吳濤.脆弱國家的評估標準[M].領導科學論壇，2016（13）：17-26.