城市雨災洪澇背景下應急物資動態需求預測

王婷婷　陳偉炯　張善杰　焦宇

摘要：為精準預測雨災洪澇背景下應急物資需求量，考慮災情動態演變性并結合無偏優化和等維信息處理理論，構建基于改進GM（1，1）的災民數量動態預測方法，通過計算均方差比值、平均相對誤差驗證該預測方法的有效性。根據災區人口結構特征，識別年齡、家庭結構等需求影響因素，構建基于災民數量預測、災民結構特征、安全庫存服務水平系數和物資缺貨率的物資動態需求預測模型。選擇河南省“7·20”特大暴雨相關數據進行算例仿真，結果證明：改進GM（1，1）的災民數量預測精度達96.16%，比傳統GM（1，1）提升12.26%；物資需求實現人性化、針對性預測，預測精度高達88%，有效突破災情信息局限性，解決災情演變下物資合理動態調度難的問題。

關鍵詞：洪澇災害； 改進GM（1，1）； 庫存管理； 人口結構特征； 動態預測

中圖分類號：? F259.21文獻標志碼：? A

Dynamic demand prediction of emergency materials under background of urban heavy rain and flood

WANG Tingtinga，b， CHEN Weijiongb，c， ZHANG Shanjieb，d， JIAO Yub，d

（a. Institute of Logistics Science & Engineering; b. Logistics Supply Chain Risk Control Research Center;c. Merchant Marine College; d. College of Ocean Science and Engineering， Shanghai Maritime University，Shanghai 201306， China）

Abstract： In order to accurately predict the demand for emergency materials under the background of heavy rain and flood， the paper considers the dynamic evolution of disaster，uses the unbiased optimization and isodimensional information processing theory， and constructs a dynamic prediction method of disaster-affected population based on the improved GM（1，1）. The effectiveness of the prediction method is verified by calculating the mean square error ratio and the average relative error. According to the population structure characteristics of disaster area， the factors affecting demand such as age and family structure are identified， and then a material dynamic demand prediction model is constructed based on the disaster-affected population prediction， the population structure characteristics of disaster area， the service level coefficient of safety inventory and the shortage rate of materials. The related data of “7·20” Henan heavy rainstorm are selected for example simulation， and the results prove the following： the population prediction accuracy of the improved GM（1，1） is 96.16%， higher than that of the traditional GM（1，1） by 12.26%; the humanized and targeted prediction of material demand are achieved， and the prediction accuracy is up to 88%， which effectively breaks through the limitation of disaster information and solves the difficult problem of the reasonable and dynamic material scheduling under the evolution of disasters.

Key words： flood disaster; improved GM（1，1）; inventory management; population structure characteristic; dynamic prediction

0 引 言

2021年河南省遭受“7·20”特大暴雨災害，小時降水、單日降水均突破歷史極值，造成全省1 453.16萬人受災，直接經濟損失達1 142.69億元人民幣［1］。臺風“煙花”登陸，造成全國24個省市共271.1萬人受災，直接經濟損失達33.5億元人民幣［2］。可見，在面臨雨災、洪澇、臺風等突發事件時，實現救援物資的高效配置［3］是救災、減災工作的重要手段［4］，故精準、規范的物資動態需求預測與籌措研究具有重要現實意義。

常見的預測手段有案例推理法、多元回歸法、馬爾科夫模型、灰色預測模型等。GUO等［5］基于極小需求、小需求、一般需求、高需求和極高需求5類模糊條件，將馬爾科夫鏈與模糊理論結合構建需求預測模型；郭子雪等［6］建立多元模糊線性回歸物資需求預測模型，運用對稱三角模糊數表征災害級別、受災人口、受災面積等不確定因素的模糊性，提高預測準確度；SHAO等［7］建立直覺模糊案例推理預測方法，利用直覺模糊理論克服各特征屬性在比較過程中出現絕對化傾向的局限性；喻慧等［8］提出基于K均值范例推理的預測方法降低物資需求模糊性，并證實該方法比遺傳優化反向傳播（back propagation，BP）算法具備更高的精度；BEDI等［9］建立深度學習框架，處理長期的歷史數據，利用人工智能方法預測未來需求，結合移動窗口主動學習概念改善預測結果；張磊［10］考慮地震災情的時間、空間推演，分析受災人口、年齡分布、群眾心理等需求影響因素，構建針對帳篷和飲用水的時序需求預測模型；閆長健等［11］建立由博弈論綜合主觀與客觀權重、灰色關聯法計算相似度的案例推理預測模型；MOHAMMADI等［12］提出一種基于遺傳算法（genetic algorithm， GA）和自適應粒子群優化（adaptive particle swarm optimization，APSO）方法確定徑向基函數（radial basis function，RBF）神經網絡結構和參數的RBF神經網絡預測方法，且實驗證實該方法可有效預測緊急供需時間序列；曾波等［13］構建灰色異構數據預測模型，避免異構數據直接進行代數運算導致運算過程復雜與結果模糊的弊端。綜上所述：隨著時間的推移和經濟的發展，案例推理的“經驗”預測效果持續回落；多元回歸需要大量數據支撐，同時需要處理多個變量，且模型構建與求解繁雜；馬爾科夫鏈雖可用于小樣本數據的情況，但計算過程的拖沓導致預測精度降低；現有研究多集中于靜態預測，忽略了事件的動態演變性。針對上述問題，本文基于鄧聚龍教授提出的灰色系統理論［14］構建一種支持小樣本數據、可操作性強、預測精度高的動態灰色預測模型，利用無偏優化和等維信息處理理論，克服GM（1，1）由原始數據積攢所致的預測精度下降的缺陷，實現模型實時數據隨災情動態演變的持續更新迭代，以動態反映突發事件的長期演變趨勢，為物資需求預測提供高度契合的數據支撐。

綜上所述，本文與現有研究的區別主要有兩點：一是提出災情動態演變性結合無偏優化和等維信息處理的理論概念，構建改進GM（1，1）實現受災人口實時動態預測，提高預測精度；二是分析特定災區受災人口結構特征，識別年齡、家庭結構要素對物資需求的影響，構建基于災民數量預測、災民結構特征、安全庫存服務水平系數和物資缺貨率的物資動態需求預測模型，提高物資籌措調度合理性。

1 災民數量動態預測模型構建

3.5 救援物資需求預測

基于改進GM（1，1）預測的災民數量變化時間序列，依據物資預測公式（12）～（18）對河南省特大暴雨應急救援中需要的飲用水、食品、消炎藥、浮生設備、應急手電及帳篷等物資進行預測。

計算所涉及參數參考值如下：q1表示單個災民的日飲用水需求量，老人、青壯年和兒童q1取值分別為2、2.5和1.8 L；q2表示單個災民的日食品需求量，老人、青壯年和兒童q2取值分別為1.3、1.6和1.18 kg；q3=0.79，q4=0.25，q5=0.5分別表示每人每天需消炎藥0.79盒、浮生設備0.25個、應急手電0.5支；前后兩次物資供應時間間隔Δt=1 d；在缺貨率為0.05的條件下安全庫存服務水平系數Z1-=1.65；夏季飲水系數ρ=1.5。

飲用水、食品等消耗類物資需求量由式（12）～（16）計算，帳篷、浮生設備等非消耗類物資需求量由式（12）～（14）、（18）計算，對需求預測結果的準確性利用均方差比值c檢驗。應急救援物資需求量預測值與實際值比較見表5。

由表5可知：相關物資預測值與實際值雖存在一定偏差，但偏差較小，且預測值與實際值總體變化趨勢一致，說明物資需求預測能夠滿足救援基本需求，為災區物資緊急供給提供有效保障。均方差比值c均小于0.35，應急物資需求預測精度達一級，說明該模型可有效解決突發災害下應急物資需求預測問題。

圖2數據對比表明：飲用水需求量預測結果與實際需求量的貼合度隨時間推移不斷提升至88%，說明隨著實時數據的更新，災民數量預測精度提高，物資需求預測也更精確；而考慮家庭結構因素的帳篷需求預測精度為78%，能夠滿足基本物資需求，但也說明應適度考慮應急物資裕度空間。因此，應急管理部門進行救援物資需求預測時，除考慮災民數量外，還要結合災民結構特征，以實現物資的更高效利用。總體而言，考慮災民結構的物資需求預測，有別于以往僅基于災民數量進行的需求預測，是一種突發事件下救援物資人性化預測的新探索，可為應急管理部門實現救援物資精確化、人性化分配管理提供理論依據。

4 結 論

以災民數量預測數據為支撐，分析災民結構特征，構建具有針對性的應急物資需求預測模型，使需求預測精度和籌措調度合理性得以顯著提升，改善以往預測研究局限于靜態視角的缺陷，解決應急物資利用率較低的問題。

（1）改進GM（1，1）從突發事件動態性角度出發預測災民數量變化趨勢，結合無偏優化和等維信息處理理論，突破信息局限性，使預測精度提升至96.89%。

（2）有效性檢驗數據表明：與傳統GM（1，1）相比，改進GM（1，1）預測精度提升12.26%，使預測值擬合曲線更加貼近實際值曲線。

本文通過災民數量預測、災民結構特征分析實現應急物資需求的精準預測，為應急管理部門實現人性化救援物資供給提供技術方法支撐，但在追求時間效益最大化、災害損失最小化目標的同時，如何解決應急物資供應商篩選和運輸路徑抉擇問題，實現物資生產成本、運輸時間成本最小化目標，還有待深入研究。

參考文獻：

［1］河南省應急管理廳. 河南發布防汛救災工作最新情況［DB/OL］. （2021-07-25）［2021-08-31］. http：//yjglt.henan.gov.cn/zt/2021/727096/index.html.

［2］戚穎璞. 在海上停留近一周充分吸收能量， 蘇浙滬地區已連發196個氣象災害預警：“煙花”或成今年來影響我國最強臺風［N/OL］. 解放日報， 2021-07-25（1）［2021-09-01］. https：//www.jfdaily.com/staticsg/res/html/journal/detail.html？date=2021-07-25&id=318161&page=02.

［3］臧文斌， 趙雪， 李敏， 等. 城市洪澇模擬技術研究進展及發展趨勢［J］. 中國防汛抗旱， 2020， 30（11）： 1-13. DOI： 10.16867/j.issn.1673-9264.2020328.

［4］RUBINATO M， NICHOLS A， PENG Y， et al. Urban and river flooding： comparison of flood risk management approaches in the UK and China and an assessment of future knowledge needs［J］. Water Science and Engineering， 2019， 12（4）： 274-283. DOI： 10.1016/j.wse.2019.12.004.

［5］GUO Z X， QI M R. Research on the demand forecast of emergency material based on fuzzy Markov chain［C］//2010 International Conference on E-Product E-Service and E-Entertainment. IEEE， 2010： 1-4. DOI： 10.1109/ICEEE.2010.5661145.

［6］郭子雪， 韓瑞， 齊美然. 基于多元模糊回歸的應急物資需求預測模型［J］. 河北大學學報（自然科學版）， 2017， 37（4）： 336-342. DOI： 10.3969/j.issn.1000-1565.2017.04.001.

［7］SHAO J F ， LIANG C Y， LIU Y J， et al. Relief demand forecasting based on intuitionistic fuzzy case-based reasoning［J］. Socio-Economic Planning Sciences， 2021， 74： 200932. DOI： 10.1016/j.seps.2020.100932.

［8］喻慧， 張明， 喻玨. 基于K-means范例推理的救援物資需求預測［J］. 中國民航大學學報， 2017， 35（2）： 55-59.

［9］BEDI J， TOSHNIWAL D. Deep learning framework to forecast electricitydemand［J］. Applied Energy， 2019， 238： 1312-1326. DOI： 10.1016/j.apenergy.2019.01.113.

［10］張磊. 面向地震災情時序變化的應急救援物資需求動態預測研究［J］. 災害學， 2018， 33（3）： 161-164. DOI： 10.3969/j.issn.1000-811X.2018.03.031.

［11］閆長健， 孫世虎. 基于博弈論的海上交通事故案例推理方法及應用［J］. 上海海事大學學報， 2021， 42（2）： 75-80. DOI： 10.13340/j.jsmu.2021.02.013.

［12］MOHAMMADI R， GHOMI S M T F， ZEINALI F. A new hybrid evolutionary based RBF networks method for forecasting time series［J］. Engineering Applications of Artificial Intelligence， 2014， 36： 204-214. DOI： 10.1016/j.engappai.2014.07.022.

［13］曾波， 孟偉， 劉思峰， 等. 面向災害應急物資需求的灰色異構數據預測建模方法［J］. 中國管理科學， 2015， 23（8）： 84-91. DOI： 10.16381/j.cnki.issn1003-207x.2015.08.010.

［14］鄧聚龍. 灰色系統基本方法［M］. 武漢： 華中理工大學出版社， 1987.

［15］YAO T X， GONG Z W， GAO H. Generalized discrete GM（1，1） model［C］//IEEE International Conference on Grey Systems & Intelligent Services. IEEE， 2012： 204.

［16］LIU S F， YANG Y J， XIE N M，et al. New progress of grey system theory in the new millennium［J］. Grey Systems Theory and Application， 2016， 6（1）： 2-31. DOI： 10.1108/GS-09-2015-0054.

［17］中國營養學會.中國居民膳食指南2016版［EB/OL］. （2016-05-13）［2021-08-27］. http：//dg.cnsoc.org/article/2016b.html.

［18］王超， 李冬， 張余. 動態改進灰色模型在機場吞吐量預測中的應用［J］. 計算機仿真， 2019， 36（12）： 74-77.

（編輯 賈裙平）

收稿日期： 2021-09-10

修回日期： 2021-12-06

基金項目： 國家自然科學基金（52001196）

作者簡介： 王婷婷（1996—），女，山東德州人，碩士研究生，研究方向為物流安全與供應鏈風險控制，（E-mail）17806169308@163.com；

陳偉炯（1957—），男，江蘇常州人，教授，船長，博士，研究方向為安全科學與技術、海洋安全、物流供應鏈風險控制等，（E-mail）wjchen@163.com