謝小良　田宇章

摘 要：為處理“７·２０”河南省特大暴雨災(zāi)害的復(fù)雜演化過程，驗(yàn)證應(yīng)急管理措施的科學(xué)性和有效性，利用動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)，運(yùn)用證據(jù)理論和情緒更新機(jī)制，提出了一種主客觀因素相結(jié)合的情景推演方法，較同類方法更加注重對(duì)決策者情緒等主觀因素的研究。結(jié)果表明：動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)能有效仿真情景推演的動(dòng)態(tài)變化過程，改進(jìn)ＤＳ 證據(jù)理論能減少方法的主觀性并處理演化過程不確定性，情緒更新機(jī)制能有效地量化決策主體的情緒變化情況。

關(guān)鍵詞：動(dòng)態(tài)貝葉斯；情景推演；情景要素；改進(jìn)ＤＳ 證據(jù)理論；情緒更新機(jī)制

中圖分類號(hào)：ＴＵ４１１．２ 文獻(xiàn)標(biāo)志碼：Ａ ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２４．０４．００９

引用格式：謝小良，田宇章．考慮決策者情緒的暴雨動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)情景推演［Ｊ］．人民黃河，２０２４，４６（４）：５５－６１．

０ 引言

據(jù)不完全統(tǒng)計(jì)，中國近４０ ａ 來發(fā)生的重特大自然災(zāi)害４０ 次以上，以平均每年至少一次的頻率上演著人類的悲?。郏保?。為有效應(yīng)對(duì)此類事件，國家先后頒布實(shí)施了各種災(zāi)害的應(yīng)急預(yù)案，針對(duì)重特大自然災(zāi)害低頻高危害、影響周期長、波及范圍廣甚至引發(fā)災(zāi)害鏈現(xiàn)象的特征，提出一系列可靠有效的應(yīng)急措施。這些措施方案的提出需要大量研究支持，突發(fā)災(zāi)害情景推演作為應(yīng)急管理的核心領(lǐng)域，推演體系運(yùn)作的精確值決定了應(yīng)急管理實(shí)施的效用值。

近年來情景推演領(lǐng)域的學(xué)者們開展了大量研究。Ｈａｌｌｅｇａｔｔｅ 等［２］ 通過量化氣候變化研究其對(duì)未來危險(xiǎn)幅度和概率的影響；李勇建等［３］ 對(duì)地震引發(fā)的次生災(zāi)害堰塞湖事件通過系統(tǒng)動(dòng)力學(xué)仿真來分析其演化機(jī)理；Ｂａｒｒｅｄｏ 等［４］ 在使用洪水風(fēng)險(xiǎn)和土地利用的組合模型探索暴雨的變化和增長方面取得了進(jìn)展；Ｒｏｂｉｎｓｏｎ等［５］ 分析尼泊爾地震中情景單元與破壞強(qiáng)度的關(guān)系，為制定應(yīng)急預(yù)案提供參考；Ｒａｗｌｕｋ 等［６］ 針對(duì)澳大利亞森林大火事件提出了一種考慮公民價(jià)值的情景規(guī)劃模型，使情景管理更加人性化；王喆等［７］ 利用證據(jù)理論和知識(shí)元模型對(duì)城鎮(zhèn)洪澇災(zāi)害情景推演進(jìn)行研究；Ｌｉ等［８］ 提出了一種基于本體論集群的新方法，用于緊急情況的演變推理，擴(kuò)展了ＳＷＲＬ 規(guī)則語言以實(shí)現(xiàn)場(chǎng)景扣除，并應(yīng)用貝葉斯網(wǎng)絡(luò)來執(zhí)行條件概率推理?，F(xiàn)有應(yīng)急情景推演的研究較少考慮演化中主觀因素對(duì)事件發(fā)展態(tài)勢(shì)的影響，如張志霞等［９］ 、郄子君等［１０］ 、徐后佳等［１１］ 、宋英華等［１２］ 只是基于情景狀態(tài)、應(yīng)急目標(biāo)、應(yīng)急處置措施、外部環(huán)境影響４ 個(gè)因素對(duì)突發(fā)災(zāi)害展開情景推演。對(duì)于突發(fā)自然災(zāi)害，不確定性是主要特征之一，主觀因素導(dǎo)致的不確定性如何量化的研究頗少，因此對(duì)應(yīng)急情景推演模型的研究還需不斷優(yōu)化。

基于以上，本文以“７·２０”河南鄭州特大暴雨情景演化與應(yīng)急管理措施之間的耦合關(guān)系為突破點(diǎn)，凝練災(zāi)害中的關(guān)鍵情景單元，以情景狀態(tài)、氣象因素、應(yīng)急活動(dòng)、決策者情緒、應(yīng)急目標(biāo)５ 種要素為動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)中的主要節(jié)點(diǎn)，節(jié)點(diǎn)概率也不直接依賴于專家設(shè)定，主要利用模糊集和改進(jìn)ＤＳ 證據(jù)理論獲取節(jié)點(diǎn)的先驗(yàn)概率和條件概率，同時(shí)采用情緒更新機(jī)制［１３］ 定量研究應(yīng)急管理中的主觀因素，綜合分析主、客觀因素對(duì)暴雨災(zāi)害演化機(jī)制的影響，構(gòu)建具有普適性的動(dòng)態(tài)推演模型，以增強(qiáng)研究的應(yīng)用價(jià)值，為應(yīng)急預(yù)案的制定提供研究支持。

１ 基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的突發(fā)暴雨情景構(gòu)建

動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)是貝葉斯網(wǎng)絡(luò)在時(shí)間維度上的擴(kuò)展，基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)構(gòu)建突發(fā)暴雨的情景推演模型，不僅可以準(zhǔn)確定位情景的演變路徑，還有效解決突發(fā)事件情景演變過程的不確定性和動(dòng)態(tài)變化問題。本文以“７·２０”河南鄭州特大暴雨為例展開情景推演，基本步驟為：首先，依據(jù)此次暴雨實(shí)際情況及相似案例，確定事件的關(guān)鍵情景要素；其次，綜合前人關(guān)于情景關(guān)系的研究，將要素之間的相互關(guān)系用有向邊表示并構(gòu)成動(dòng)態(tài)貝葉斯初始網(wǎng)絡(luò)；最后，為保證節(jié)點(diǎn)概率與實(shí)際情況的匹配性，采用改進(jìn)證據(jù)理論融合７ 位專家的多元不確定信息，計(jì)算節(jié)點(diǎn)變量的先驗(yàn)概率、條件概率及狀態(tài)概率。

１．１ 事件概述

２０２１ 年７ 月２０ 日，中國河南省鄭州市發(fā)生特大暴雨災(zāi)害，造成嚴(yán)重城市內(nèi)澇、河澇、山洪暴發(fā)和山體滑坡，導(dǎo)致重大人員傷亡和財(cái)產(chǎn)損失：１ ４７９ 萬人受災(zāi)，３９８ 人死亡或失蹤（ 鄭州３８０ 人）， 直接經(jīng)濟(jì)損失１ ２００．６億元。暴雨發(fā)生后，國家和地方政府均積極采取措施，但積水量還是在不斷增加，此次暴雨事件發(fā)展及政府采取的應(yīng)急措施情況如圖１ 所示。

１．２ 情景要素確定

明確情景要素是進(jìn)行情景推演的基礎(chǔ)和前提，不同領(lǐng)域的學(xué)者們對(duì)突發(fā)事件情景要素的劃分方式各有千秋［１４］ 。在“７·２０”暴雨事件中，應(yīng)急救援部門、河南省氣象局等不同的應(yīng)急處置活動(dòng)、應(yīng)急活動(dòng)中一切主觀因素的情緒偏好及事件自身的演變規(guī)律都會(huì)影響事件的發(fā)展方向。因此，選取情景狀態(tài)（Ｓ）、氣象因素（Ｍ）、應(yīng)急活動(dòng)（Ａ）、決策者情緒（Ｅ）、應(yīng)急目標(biāo)（Ｔ）５類要素作為“７·２０”暴雨災(zāi)害情景的知識(shí)元。由于政府的應(yīng)急管理措施對(duì)減少傷亡人數(shù)和財(cái)產(chǎn)損失的影響較大［１５］ ，因此根據(jù)“７·２０”暴雨事件的實(shí)際情況和各部門的應(yīng)急活動(dòng)，將事件的不同發(fā)展態(tài)勢(shì)定義為不同的情景，利用情景推演分析發(fā)展過程中可能出現(xiàn)的情景要素及彼此之間的關(guān)聯(lián)程度，以便于對(duì)應(yīng)急管理措施做出及時(shí)的調(diào)整。具體情景描述如下所述。

１）中央氣象臺(tái)分析此次河南暴雨成因后得出，大氣環(huán)流形勢(shì)穩(wěn)定、地形降水效應(yīng)顯著、對(duì)流“列車效應(yīng)”明顯等多因素（Ｍ１）共同作用引發(fā)暴雨，隨之降水強(qiáng)度增大、維持時(shí)間延長，導(dǎo)致局地極端強(qiáng)降水，即事件初始情景Ｓ１。針對(duì)情景Ｓ１，政府啟動(dòng)防汛應(yīng)急預(yù)案，組織應(yīng)急搶險(xiǎn)隊(duì)伍駐守安全關(guān)鍵點(diǎn)，加大巡視力度（Ａ１）等措施，若應(yīng)對(duì)措施有效，則不會(huì)引發(fā)民眾的恐慌，保障人民正常生活，檢修加固排水設(shè)備做好應(yīng)對(duì)暴雨的準(zhǔn)備。由于極端天氣沒有在短時(shí)間內(nèi)改善，且政府沒有及時(shí)做出應(yīng)急措施，使得情景演變?yōu)椋樱?，并增加維修水道人員、手電筒、對(duì)講機(jī)等應(yīng)急資源。

２）隨著河南省西部的低壓中心維持發(fā)展，開始出現(xiàn)大范圍的強(qiáng)降水（Ｍ２），政府將防汛應(yīng)急響應(yīng)等級(jí)由Ⅳ級(jí)提升至Ⅲ級(jí)、組織每家每戶檢修房屋、限制非必要人員的出行、及時(shí)清理出水通道（Ａ２）等。若應(yīng)對(duì)措施效果顯著，會(huì)好轉(zhuǎn)為情景Ｓ３，此時(shí)可減少應(yīng)急資源的投入，一旦在某些環(huán)節(jié)應(yīng)對(duì)不及時(shí)、處理不恰當(dāng)，則會(huì)導(dǎo)致地面積水無法及時(shí)排出。加上河南省西部的低壓中心發(fā)展成一條槽線，有強(qiáng)盛的上升氣流（Ｍ３）使得情景惡化為Ｓ４。低壓中心略向北移，暖式切變線消失，但河南省以西依然存在一條槽線（Ｍ４），最終觸發(fā)情景Ｓ６。

３）針對(duì)惡化后的情景Ｓ４，政府及相關(guān)部門加強(qiáng)對(duì)河流、水庫、地質(zhì)災(zāi)害、城市基礎(chǔ)設(shè)施等巡查排查、強(qiáng)制存在隱患的工廠（有可能進(jìn)水企業(yè)及存在熱爐企業(yè)等）全部停工停產(chǎn)（Ａ４）等。若政府應(yīng)急措施得當(dāng)且救援人員、急救物資等準(zhǔn)備充分，將不會(huì)引發(fā)次生災(zāi)害即情景Ｓ５，也能保障應(yīng)急基礎(chǔ)設(shè)施均正常運(yùn)行，最好的演化方向?yàn)榘l(fā)生情景Ｓ９（Ｓ９ 為積水全部排出）。

４）為應(yīng)對(duì)暴雨引起的小型洪水（Ｓ６），政府及相關(guān)部門安排專業(yè)人員現(xiàn)場(chǎng)指導(dǎo)水庫險(xiǎn)情處理、盡快開挖泄流槽降低水位、增設(shè)水文站、加強(qiáng)監(jiān)督預(yù)警（Ａ６）等。若應(yīng)急資源短缺、救援人員不足，則引發(fā)情景Ｓ７，此時(shí)政府必須啟動(dòng)更廣泛的排水工程，大量擴(kuò)挖應(yīng)急排水通道、轉(zhuǎn)移危險(xiǎn)區(qū)域人員、增加應(yīng)急裝備及醫(yī)療團(tuán)隊(duì)（Ａ７）等，才能爭取在最短的時(shí)間內(nèi)控制傷亡人數(shù)和財(cái)產(chǎn)損失。

５）河南省低壓中心繼續(xù)北移，槽線消失（Ｍ５），部分地區(qū)地面積水顯著減少，洪水逐漸消失即情景Ｓ１０（Ｓ１０為洪水消失），仍有靠近山區(qū)的區(qū)域存在山體滑坡即情景Ｓ８ 的風(fēng)險(xiǎn)。若應(yīng)急部門加速轉(zhuǎn)移災(zāi)區(qū)人員、增加高科技救援設(shè)備（Ａ８），在大量搭建臨時(shí)排水設(shè)施、充分調(diào)度施救隊(duì)伍和急救物資的前提下，伴隨低壓中心繼續(xù)北移，槽線消失，河南省暴雨過程基本結(jié)束、強(qiáng)降雨天氣也接近尾聲，情景最終被完全控制，暴雨消失，即情景Ｓ１１（Ｓ１１ 為險(xiǎn)情完全控制，暴雨消失）。

在應(yīng)急活動(dòng)實(shí)施的過程中，存在多方面的主觀因素影響應(yīng)急目標(biāo)的達(dá)成和情景的演變，即本文考慮的決策者情緒偏好這一知識(shí)元（Ｅ１，Ｅ２，…，Ｅ８）。它包括政府制定措施時(shí)的情緒、民眾對(duì)突發(fā)暴雨的情緒、管控者現(xiàn)場(chǎng)指揮應(yīng)急活動(dòng)的情緒、應(yīng)急活動(dòng)實(shí)施者的情緒等。研究指出，決策過程能同時(shí)受到預(yù)期情緒和即時(shí)情緒的影響［１６］ ，因此本文將所有主觀因素統(tǒng)稱為決策者情緒，作為情景要素之一分析它對(duì)情景演變的影響。為了清晰地闡述本文的研究思路，構(gòu)造出由１１ 個(gè)情景狀態(tài)、５ 個(gè)氣象因素、８ 個(gè)應(yīng)急活動(dòng)及８ 個(gè)應(yīng)急目標(biāo)組成的情景知識(shí)元結(jié)構(gòu)，見表１。其中Ｅ１，Ｅ２，…，Ｅ８ 為決策者根據(jù)不同的情景狀態(tài)，情緒樂觀或悲觀的程度不同表現(xiàn)的８ 種情緒。

１．３ 情景要素關(guān)系的確定

確定情景要素后，針對(duì)此次暴雨事件的實(shí)際情況，通過對(duì)相似案例的研究，利用有向邊表示情景要素之間的相互關(guān)系，構(gòu)建情景推演的初始動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)。在突發(fā)暴雨災(zāi)害的演化過程中，事件發(fā)展方向往往受到各情景單元之間相互作用的影響，每種發(fā)展?fàn)顟B(tài)都有一個(gè)“自然極值”，極值出現(xiàn)意味著一個(gè)情景即將結(jié)束，下一個(gè)情景開始形成［１７］ 。對(duì)于暴雨事件演變過程中的所有情景（Ｓ１，Ｓ２，…，Ｓ１１），伴隨氣象因素（Ｍ１，Ｍ２，…，Ｍ５）的作用，決策者情緒（Ｅ１，Ｅ２，…，Ｅ８）的影響，應(yīng)急活動(dòng)（Ａ１，Ａ２，…，Ａ８）實(shí)施的有效程度決定了應(yīng)急目標(biāo)（Ｔ１，Ｔ２，…，Ｔ８）的達(dá)到程度，從而對(duì)當(dāng)前情景產(chǎn)生不同程度的破壞作用，直接干預(yù)和控制下一個(gè)情景的演化。與此同時(shí)，決策者情緒、上一個(gè)情景的應(yīng)急目標(biāo)及情景本身在受到作用后也會(huì)反過來對(duì)應(yīng)急活動(dòng)進(jìn)行反饋。由此產(chǎn)生所有情景、事件的動(dòng)態(tài)貝葉斯情景推演路徑如圖２ 所示。在圖２ 中，由于暴雨發(fā)展速度快、難以控制、應(yīng)急資源短期內(nèi)得不到及時(shí)供應(yīng)，部分應(yīng)急活動(dòng)往往不能有效控制事態(tài)的惡化，因此出現(xiàn)了樂觀和悲觀的兩種事故情景演變路徑。

２ 情景概率計(jì)算及推演

２．１ 情緒更新機(jī)制確定概率

與一般情景下的決策相比，突發(fā)事件情景下的決策難免會(huì)受到個(gè)人情緒、外界輿論、災(zāi)情演變等的影響，特別是樂觀決策或是悲觀決策對(duì)情景演變的影響都是至關(guān)重要的，所以對(duì)決策者情緒動(dòng)態(tài)變化的考慮是不可忽略的。本文將暴雨事件中所有主觀因素統(tǒng)稱為決策者情緒（Ｅ１，Ｅ２，…，Ｅ８），將其作為暴雨情景要素之一分析它與其他情景單元之間的關(guān)系，建立情緒更新機(jī)制動(dòng)態(tài)調(diào)整決策者情緒概率。情緒更新機(jī)制的主要思路為：以決策者情緒變化為突破點(diǎn)，根據(jù)情景造成的損失程度不同（文中主要考慮了人員傷亡和財(cái)產(chǎn)損失）確定情緒影響下的動(dòng)態(tài)參照點(diǎn)（Ｌ －ｉ１、Ｌ －ｉ２），計(jì)算當(dāng)前情景損失情況相對(duì)于參照點(diǎn)的損益值（ｔｉ１、ｔｉ２），再由損益值得到當(dāng)前情景價(jià)值，將人員傷亡、財(cái)產(chǎn)損失情景價(jià)值（υｉ１、υｉ２） 根據(jù)不同權(quán)重融合得到情景綜合價(jià)值（υｉ ）。隨后，用原數(shù)據(jù)得到的標(biāo)準(zhǔn)評(píng)價(jià)值計(jì)算當(dāng)前階段的情景價(jià)值評(píng)價(jià)值，并由當(dāng)前階段情緒值（ｅｍｉ ）和情景價(jià)值評(píng)價(jià)值兩者的函數(shù)關(guān)系得到下一階段的情緒值（ｅｍｉ＋１）。

借鑒文獻(xiàn)［１３］中確定預(yù)算等級(jí)的方法，提出了突發(fā)暴雨造成損失的? 個(gè)預(yù)算等級(jí)，基于此用式（１）分別計(jì)算８ 種情景中人員傷亡、財(cái)產(chǎn)損失的動(dòng)態(tài)參照點(diǎn)。面對(duì)突發(fā)事件的決策問題時(shí)，由于很難在較短的時(shí)間內(nèi)獲取決策所需事件當(dāng)前所有的信息，本文采用直覺模糊數(shù)表示“７·２０”暴雨事件發(fā)展過程中人員傷亡、財(cái)產(chǎn)損失的信息，見表２，其中區(qū)間數(shù)參考我國對(duì)暴雨等級(jí)的劃分依據(jù)。

式中：Ｌ － ｉｑ（ｑ ＝１ 或２，ｉ ＝１，２，…，ｎ）為各種情景中人員傷亡和財(cái)產(chǎn)損失的動(dòng)態(tài)參照點(diǎn)；ｌｉｑ 為各種情景導(dǎo)致的人員傷亡數(shù)（ｑ ＝１）和財(cái)產(chǎn)損失數(shù)（ｑ ＝ ２）；ｅｍｉ（ｅｍｉ ∈［０，１］）為在各種情景階段中決策者的情緒值；? 為決策者對(duì)突發(fā)事件造成的損失所具有的預(yù)算等級(jí)總數(shù)，此處取? ＝５。

根據(jù)動(dòng)態(tài)參照點(diǎn)和表２ 中的直覺模糊數(shù)，得出各種情景的２ 種損益值為

式中：α、β 分別為ｔｉ１、ｔｉ２的指數(shù)，λ 為不同情景狀態(tài)下?lián)p益值的系數(shù)。

將上述兩個(gè)前景值融合得到各種情景的綜合價(jià)值υｉ為

式中：ηｑ（ｑ ＝１ 或２）為人員傷亡情景價(jià)值（υｉ１）和財(cái)產(chǎn)損失情景價(jià)值（υｉ２）對(duì)應(yīng)的系數(shù)。

根據(jù)綜合價(jià)值計(jì)算各種情景的價(jià)值評(píng)價(jià)值（用ｅｖａｉ 表示）為

ｅｖａｉ ＝（υｉ －ｍｉｎ υｉ ） ／ （ｍａｘ υｉ －ｍｉｎ υｉ ） （６）

若直覺模糊數(shù)ａ ＝ （μ１，ν１ ），ｂ ＝ （μ２，ν２ ），則ａ≥ｂ的可能度ｐ（ａ≥ｂ）為

ｐ（ａ≥ｂ）＝ ｍｉｎ ｛ｍａｘ［（１－ν１ －μ２） ／ （π１ ＋π２），０］，１｝（７）

式（７）中πｉ ＝１－μｉ －νｉ ，若ｐ（ａ≥ｂ）≥０．５，則ａ≥ｂ；反之，ａ＜ｂ。

設(shè)情景Ｓｉ 的標(biāo)準(zhǔn)評(píng)價(jià)值為ｅｗａｉ ＝ （μｅｗａｉ ，νｅｗａｉ ），其中０≤μｅｗａｉ ＋νｅｗａｉ ≤１，根據(jù)式（７），若ｐ（ｅｖａｉ ＞ｅｗａｉ ） ≥０．５，則ｅｖａｉ ＞ｅｗａｉ ，表明情景Ｓｉ 階段突發(fā)事件向樂觀態(tài)勢(shì)演化；反之，則向悲觀態(tài)勢(shì)演化。最后，判斷當(dāng)前情景價(jià)值評(píng)價(jià)值（ｅｖａｉ ）和標(biāo)準(zhǔn)價(jià)值評(píng)價(jià)值（ｅｗａｉ ）可能度大小后，計(jì)算得到下一階段的情緒值（ｅｍｉ＋１），若ｅｍｉ＋１ ＞ｅｍｉ ，則表示下一階段中決策者情緒更加樂觀，并把該值作為情緒Ｅ２ 先驗(yàn)概率中的樂觀概率，對(duì)應(yīng)的悲觀概率為ｐ ＝１－ｅｍｉ＋１。

式中：θ 為計(jì)分函數(shù)Ｇ（ｅｖａｉ ）的系數(shù)，Ｇ （ｅｖａｉ ）＝ μｅｖａｉ －νｅｖａｉ ［１８］ 。

此外，根據(jù)參數(shù)含義并參考文獻(xiàn)［１３］，多次仿真調(diào)優(yōu)后， 計(jì)算過程的所有參數(shù)設(shè)置為： ? ＝ ５，α ＝０．８９，β ＝０．９２，λ ＝２．２２，ｅｍ１ ＝ ０．５，ｅｗａ１ ＝ ｅｗａ２ ＝ … ＝ｅｗａ８ ＝（０．５，０．５），（η１，η２）＝ （０．８，０．２），θ ＝ ０．５。將情景Ｓ１ 的信息代入式（１） ～ 式（８）得到情景Ｓ２ 的ｅｍ２ ＝０．６５２，即ｐ（Ｅ２＝Ｐ）＝ ０．６５２。以此類推，最終得到所有情景的情景價(jià)值（見表３）及每個(gè)情景的決策者情緒的先驗(yàn)概率（見表４），其中情景Ｓ３ 和情景Ｓ５ 屬于樂觀情景，無人員傷亡和財(cái)產(chǎn)損失區(qū)間數(shù)，因此情緒Ｅ３ 和情緒Ｅ５ 概率值直接通過專家打分后證據(jù)融合得到，不在此處體現(xiàn)。

２．２ 改進(jìn)ＤＳ 證據(jù)理論確定概率

整理分析前人的研究、以往暴雨災(zāi)害的歷史數(shù)據(jù)和資料等，確定暴雨發(fā)生時(shí)各情景節(jié)點(diǎn)的先驗(yàn)概率和條件概率。由于資料的缺失，如暴雨事件中決策者情緒沒有具體的相關(guān)記錄、政府及相關(guān)部門的應(yīng)急活動(dòng)也沒有完整的記錄、不同省應(yīng)對(duì)突發(fā)暴雨采取的措施也沒有統(tǒng)一的標(biāo)準(zhǔn)等，因此本文采用數(shù)據(jù)和專家打分法相結(jié)合的方法確定節(jié)點(diǎn)概率。為提高節(jié)點(diǎn)概率評(píng)估的客觀性，采用基于模糊集理論的改進(jìn)ＤＳ 證據(jù)理論，融合７ 位專家的評(píng)估結(jié)果后得到節(jié)點(diǎn)概率。模糊集把待考察的因素、反映因素不確定的概念作為一定的模糊集合，建立適當(dāng)?shù)碾`屬度函數(shù)，描述待考察的因素在模糊概念中的模糊程度［１９］ ，從而減少專家打分的主觀性。本文以收集到的部分?jǐn)?shù)據(jù)為基礎(chǔ)，邀請(qǐng)７ 名專家對(duì)情景要素表進(jìn)行評(píng)估，依次給出各情景節(jié)點(diǎn)的變量取值等級(jí)（見表５）以及對(duì)此等級(jí)的不確定程度。再利用高斯型隸屬度函數(shù)將等級(jí)歸一化后得到每位專家打分的概率值。本文將情景要素表中每個(gè)節(jié)點(diǎn)劃分為危險(xiǎn)、安全兩個(gè)級(jí)別，專家對(duì)節(jié)點(diǎn)打分時(shí)對(duì)應(yīng)的目標(biāo)得分（滿分為１）區(qū)間為［０．５，１］、［０，０．５），根據(jù)高斯型隸屬度函數(shù)，令每個(gè)節(jié)點(diǎn)兩種等級(jí)對(duì)應(yīng)的隸屬度函數(shù)的中心值分別為０．７５、０．２５［２０］ ，該函數(shù)為

ＤＳ 證據(jù)理論具有較強(qiáng)的多源不確定信息融合能力［２１］ ，本文采用矩陣分析進(jìn)行改進(jìn)ＤＳ 證據(jù)理論的證據(jù)融合［２２］ 。為了減少隸屬度矩陣代入ＤＳ 證據(jù)理論進(jìn)行證據(jù)融合時(shí)產(chǎn)生計(jì)算量巨大的問題，本文通過矩陣分析，采用兩個(gè)證據(jù)結(jié)合、遞推計(jì)算的方式融合專家意見。如Ｃ２１表示第２ 個(gè)專家評(píng)價(jià)為第１ 級(jí)等級(jí)的概率值，依次類推。

然后采用張量積運(yùn)算，用矩陣Ｃ 任意一行Ｃｔｇ 與另一行Ｃｒ轉(zhuǎn)置后相乘得到新矩陣Ｂ。

矩陣Ｂ 中主對(duì)角線所有元素之和為式（１２）的分子，所有非主對(duì)角線元素之和為融合后的沖突程度Ｋ；最后用權(quán)值分配改進(jìn)ＤＳ 證據(jù)理論合成算法計(jì)算融合后兩個(gè)等級(jí)的概率值，改進(jìn)的合成式為［１５］

２．３ 暴雨情景中節(jié)點(diǎn)狀態(tài)概率計(jì)算

利用先驗(yàn)概率和條件概率計(jì)算各節(jié)點(diǎn)的狀態(tài)概率公式為

將先驗(yàn)概率和條件概率代入式（１３）中，從Ｓ１ 依次計(jì)算各節(jié)點(diǎn)變量的狀態(tài)概率。如，情景Ｓ１ 狀態(tài)概率：Ｐ（Ｓ１＝Ｔ）＝ Ｐ（Ｓ１＝Ｔ ｜Ａ１＝Ｔ，Ｅ１＝Ｐ，Ｔ１＝Ｔ）Ｐ（Ａ１＝Ｔ）Ｐ（Ｅ１＝Ｐ）Ｐ（Ｔ１＝Ｔ）＋Ｐ（Ｓ１ ＝Ｔ ｜ Ａ１ ＝Ｔ，Ｅ１ ＝Ｐ，Ｔ１ ＝Ｆ）Ｐ（Ａ１＝Ｔ）Ｐ（Ｅ１ ＝ Ｐ）Ｐ（Ｔ１ ＝ Ｆ） ＋Ｐ（Ｓ１ ＝ Ｔ ｜ Ａ１ ＝ Ｔ，Ｅ１＝Ｎ，Ｔ１＝Ｔ）Ｐ（Ａ１＝Ｔ）Ｐ（Ｅ１＝Ｎ）Ｐ（Ｔ１＝Ｔ）＋Ｐ（Ｓ１＝Ｔ ｜Ａ１＝Ｔ，Ｅ１＝Ｎ，Ｔ１ ＝Ｆ）Ｐ（Ａ１ ＝ Ｔ）Ｐ（Ｅ１ ＝ Ｎ）Ｐ（Ｔ１ ＝Ｆ）＋Ｐ（Ｓ１＝Ｔ ｜Ａ１＝Ｆ，Ｅ１＝Ｐ，Ｔ１＝Ｔ）Ｐ（Ａ１＝Ｆ）Ｐ（Ｅ１＝Ｐ）Ｐ（Ｔ１＝Ｔ）＋Ｐ（Ｓ１＝Ｔ ｜ Ａ１＝Ｆ，Ｅ１＝Ｐ，Ｔ１＝Ｆ）Ｐ（Ａ１ ＝Ｆ）Ｐ（Ｅ１＝Ｐ）Ｐ（Ｔ１＝Ｆ）＋Ｐ（Ｓ１＝Ｔ ｜ Ａ１＝Ｆ，Ｅ１＝Ｎ，Ｔ１＝Ｔ）Ｐ（Ａ１＝Ｆ）Ｐ（Ｅ１ ＝ Ｎ）Ｐ（Ｔ１ ＝ Ｔ） ＋Ｐ（Ｓ１ ＝ Ｔ ｜ Ａ１ ＝ Ｆ，Ｅ１＝Ｎ，Ｔ１＝Ｆ）Ｐ（Ａ１ ＝Ｆ）Ｐ（Ｅ１ ＝ Ｎ）Ｐ（Ｔ１ ＝ Ｆ）＝ ０．６×０．９２×０．５×０．９７＋０．４２×０．９２×０．５×０．０３＋０．５１×０．９２×０．５×０．９７＋０．３７×０．９２×０．５×０．０３＋０．８２×０．０８×０．５×０．９７＋０．３７×０．０８×０．５×０．０３＋０．４１×０．０８×０．５×０．９７＋０．２９×０．０８×０．５×０．０３＝ ０．５５４ ７，以此類推，計(jì)算出所有節(jié)點(diǎn)的狀態(tài)概率，如圖３ 所示。

２．４ 結(jié)果分析

１）上述動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)圖的概率推演表明，當(dāng)暴雨發(fā)生后，政府在沒有及時(shí)采取有效應(yīng)急活動(dòng)的前提下，發(fā)生大暴雨（Ｓ２）的概率、引發(fā)特大暴雨（Ｓ４）的概率、暴雨引發(fā)小型洪水（Ｓ６）的概率、暴雨引發(fā)大型洪水（Ｓ７）的概率、洪水引發(fā)山體滑坡（Ｓ８）的概率均超過了０．６，由此可知，發(fā)生暴雨災(zāi)害后采取的應(yīng)急措施一旦不及時(shí)或效果不好，情景惡化的概率非常高，災(zāi)害很難控制，造成的損失不可預(yù)估。利用ＧＥＮＩＥ 軟件對(duì)情景推演網(wǎng)絡(luò)進(jìn)行敏感性分析后發(fā)現(xiàn)，Ｓ２、Ｓ３、Ｓ４、Ｓ５、Ｓ６、Ｓ７ 均為敏感節(jié)點(diǎn)，顏色越深表示越敏感同，見圖３；且圖３ 中不同的有向邊粗細(xì)程度也是不同的，其表示情景演化過程中的關(guān)鍵路徑，線段越粗代表這條路徑影響越大。因此，應(yīng)急管理者可以依據(jù)此圖，抓住關(guān)鍵節(jié)點(diǎn)沿著關(guān)鍵路徑制定應(yīng)急措施，快速準(zhǔn)確地對(duì)突發(fā)暴雨情景采取有效管理，進(jìn)而使災(zāi)害向更加樂觀的方向轉(zhuǎn)化。

２）根據(jù)有關(guān)報(bào)道可知，在此次暴雨災(zāi)害中采取的應(yīng)急措施未能有效發(fā)揮作用，為了提高模型和事件真實(shí)的匹配度，設(shè)置Ｔ２、Ｔ３、Ｔ５、Ｔ７ 的證據(jù)均為未滿足（Ｆ），由仿真結(jié)果可知暴雨極大概率會(huì)演化到引發(fā)大型洪水（Ｓ７）和山體滑坡（Ｓ８）的階段，與災(zāi)害真實(shí)結(jié)果吻合，證明了該方法的可行性和有效性。在實(shí)際應(yīng)用過程中，改變應(yīng)急活動(dòng)的完成情況并處理好主觀因素可以影響到應(yīng)急目標(biāo)的實(shí)現(xiàn)概率，進(jìn)而影響災(zāi)害的演化路徑，便于工作人員在采取應(yīng)對(duì)措施時(shí)，直觀地認(rèn)識(shí)到自己操作失誤造成的結(jié)果，從而實(shí)時(shí)調(diào)整相關(guān)行動(dòng)且提前掌握事件的演化方向。

３）在災(zāi)害預(yù)防階段，管理者應(yīng)主動(dòng)提高自身的風(fēng)險(xiǎn)意識(shí)和應(yīng)急突變能力，對(duì)造成水位提高的主要因素加大監(jiān)控力度，日常要多組織植樹造林活動(dòng)，降低暴雨發(fā)生后引起水土流失的概率。針對(duì)災(zāi)害響應(yīng)階段，要提升防汛抗洪應(yīng)急人員的專業(yè)能力，多訓(xùn)練多改革，加強(qiáng)對(duì)應(yīng)急裝備（如抽排水設(shè)備、高精度探測(cè)儀器、救援物資等）的維修和改善工作。針對(duì)災(zāi)害恢復(fù)階段，在確保居民生活恢復(fù)正常的前提下，增強(qiáng)全社會(huì)的風(fēng)險(xiǎn)意識(shí)和自救互救能力是工作的核心，且要貫徹到底。本文針對(duì)河南省鄭州市“７·２０”暴雨事件情景推演過程中情景要素的提取進(jìn)行了簡化，在現(xiàn)實(shí)的災(zāi)害處理過程中，存在諸多因素導(dǎo)致暴雨的發(fā)展趨勢(shì)難以預(yù)測(cè)。在實(shí)際應(yīng)用中，應(yīng)基于上述方法識(shí)別更多的關(guān)聯(lián)因素，將更多的災(zāi)害實(shí)時(shí)信息融入情景推演中，提高全社會(huì)應(yīng)對(duì)突發(fā)事件的能力，使損失控制在最小范圍內(nèi)。

３ 結(jié)論

１） 選取突發(fā)暴雨不同階段的情景狀態(tài)、應(yīng)急活動(dòng)、決策者情緒和應(yīng)急資源作為網(wǎng)絡(luò)節(jié)點(diǎn)，對(duì)重大災(zāi)害情景單元之間的相互關(guān)系及情景演化機(jī)制展開分析，基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)，利用改進(jìn)ＤＳ 證據(jù)理論和情緒更新機(jī)制確定情景演變初始網(wǎng)絡(luò)，計(jì)算每個(gè)階段情景的狀態(tài)概率，得出暴雨可能的發(fā)展路徑，從而評(píng)估應(yīng)急活動(dòng)的可行性和應(yīng)急目標(biāo)的完成情況，為今后突發(fā)暴雨災(zāi)害提前采取有效措施。

２）基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)且考慮決策者情緒的突發(fā)暴雨應(yīng)急情景推演方法，能夠較好地解析暴雨環(huán)境下應(yīng)急處置的不確定性、復(fù)雜性、衍生性問題，將事件中定量元素和定性元素結(jié)合分析，為傳統(tǒng)的情景分析方法改進(jìn)提供了新思路。

３）確定節(jié)點(diǎn)概率依然采用傳統(tǒng)的專家打分法，雖然利用模糊集理論和改進(jìn)ＤＳ 證據(jù)理論在一定程度上削弱了專家打分的主觀性，但任何不精確的設(shè)置均會(huì)影響方法的有效性。因此，依據(jù)歷史數(shù)據(jù)、大量史料及綜合各研究文獻(xiàn)來確定網(wǎng)絡(luò)節(jié)點(diǎn)的概率才是方法精度的保障，此后在完善數(shù)據(jù)和匯總案例方面應(yīng)投入更多的時(shí)間和精力。

參考文獻(xiàn)：

［１］ 周洪建，王丹丹，袁藝，等．中國特別重大自然災(zāi)害損失統(tǒng)計(jì)的最新進(jìn)展：《特別重大自然災(zāi)害損失統(tǒng)計(jì)制度》解析［Ｊ］．地球科學(xué)進(jìn)展，２０１５，３０（５）：５３０－５３８．

［２］ ＨＡＬＬＥＧＡＴＴＥ Ｓ，ＲＯＧＥＬＪ Ｊ，ＡＬＬＥＮ Ｍ，ｅｔ ａｌ．Ｍａｐｐｉｎｇ ｔｈｅＣｌｉｍａｔｅ Ｃｈａｎｇｅ Ｃｈａｌｌｅｎｇｅ［Ｊ］．Ｎａｔｕｒｅ Ｃｌｉｍａｔｅ Ｃｈａｎｇｅ，２０１６，６（７）：６６３－６６８．

［３］ 李勇建，喬曉嬌，孫曉晨，等．基于系統(tǒng)動(dòng)力學(xué)的突發(fā)事件演化模型［Ｊ］．系統(tǒng)工程學(xué)報(bào)，２０１５，３０（３）：３０６－３１８．

［４］ ＢＡＲＲＥＤＯ Ｊ Ｉ，ＥＮＧＥＬＥＮ Ｇ．Ｌａｎｄ Ｕｓｅ Ｓｃｅｎａｒｉｏ Ｍｏｄｅｌｉｎｇｆｏｒ Ｆｌｏｏｄ Ｒｉｓｋ Ｍｉｔｉｇａｔｉｏｎ［Ｊ］． Ｓｕｓｔａｉｎａｂｉｌｉｔｙ，２０１０，２（５）：１３２７－１３４４．

［５］ ＲＯＢＩＮＳＯＮ Ｔ Ｒ，ＲＯＳＳＥＲ Ｎ Ｊ，ＤＥＮＳＭＯＲＥ Ａ Ｌ，ｅｔ ａｌ．Ｕｓｅｏｆ Ｓｃｅｎａｒｉｏ Ｅｎｓｅｍｂｌｅｓ ｆｏｒ Ｄｅｒｉｖｉｎｇ Ｓｅｉｓｍｉｃ Ｒｉｓｋ［Ｊ］． Ｐｒｏ?ｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｎａｔｉｏｎａｌ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ ｏｆ ｔｈｅ ＵｎｉｔｅｄＳｔａｔｅｓ ｏｆ Ａｍｅｒｉｃａ，２０１８，１１５（４１）：９５３２－９５４１．

［６］ ＲＡＷＬＵＫ Ａ，ＦＯＲＤ Ｒ Ｍ， ＷＩＬＬＩＡＭＳ Ｋ Ｊ Ｈ．Ｖａｌｕｅ?ＢａｓｅｄＳｃｅｎａｒｉｏ Ｐｌａｎｎｉｎｇ：Ｅｘｐｌｏｒｉｎｇ Ｍｕｌｔｉｆａｃｅｔｅｄ Ｖａｌｕｅｓ ｉｎ ＮａｔｕｒａｌＤｉｓａｓｔｅｒ Ｐｌａｎｎｉｎｇ ａｎｄ Ｍａｎａｇｅｍｅｎｔ［Ｊ］．Ｅｃｏｌｏｇｙ ａｎｄ Ｓｏｃｉｅｔｙ，２０１８，２３（４）：１８６－１９２．

［７］ 王喆，孔維磊，方丹輝，等．基于貝葉斯網(wǎng)絡(luò)的城鎮(zhèn)洪澇應(yīng)急情景推演研究［Ｊ］．中國安全科學(xué)學(xué)報(bào)，２０２１，３１（６）：１８２－１８８．

［８］ ＬＩ Ｓ，ＣＨＥＮ Ｓ，ＬＩＵ Ｙ．Ａ Ｍｅｔｈｏｄ ｏｆ Ｅｍｅｒｇｅｎｔ Ｅｖｅｎｔ ＥｖｏｌｕｔｉｏｎＲｅａｓｏｎｉｎｇ Ｂａｓｅｄ ｏｎ Ｏｎｔｏｌｏｇｙ Ｃｌｕｓｔｅｒ ａｎｄ Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ［Ｊ］．ＩＥＥＥ Ａｃｃｅｓｓ，２０１９，７（１）：１５２３０－１５２３８．

［９］ 張志霞，郝紋慧，張二雙．網(wǎng)絡(luò)輿情驅(qū)動(dòng)下突發(fā)事件情景推演研究［Ｊ］．情報(bào)科學(xué)，２０２０，３８（５）：１４１－１４７．

［１０］ 郄子君，榮莉莉．面向?yàn)?zāi)害情景推演的區(qū)域模型構(gòu)建方法研究［Ｊ］．管理評(píng)論，２０２０，３２（１０）：２７６－２９２．

［１１］ 徐后佳，帥健，楊敬東，等．城鎮(zhèn)燃?xì)夤艿朗鹿蕜?dòng)態(tài)貝葉斯網(wǎng)絡(luò)情景推演及模擬［Ｊ］．油氣儲(chǔ)運(yùn)，２０２２，４１（８）：９００－９０７．

［１２］ 宋英華，劉子奇，劉丹，等．基于模糊貝葉斯網(wǎng)絡(luò)的化工園區(qū)火災(zāi)爆炸事故情景推演［Ｊ］． 安全與環(huán)境工程，２０２２，２９（３）：８６－９３．

［１３］ 王治瑩，聶慧芳，趙宏麗．考慮決策者情緒更新機(jī)制的多階段應(yīng)急決策方法［Ｊ］．控制與決策，２０２０，３５（２）：４３６－４４４．

［１４］ 張江石，馮娜娜．基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)情景推演的?；肥鹿蕬?yīng)急處置研究［Ｊ］．安全與環(huán)境學(xué)報(bào)，２０２０，２０（４）：１４２０－１４２６．

［１５］ 劉鐵忠，李海艷，李慧茹，等．考慮應(yīng)急組織要素的城市洪水Ｎａ－Ｔｅｃｈ 事件演化研究［Ｊ］．中國安全科學(xué)學(xué)報(bào)，２０１６，２６（７）：１６３－１６８．

［１６］ ＬＯＥＷＥＮＳＴＥＩＮ Ｇ Ｆ，ＷＥＢＥＲ Ｅ Ｕ，ＨＳＥＥ Ｃ Ｋ，ｅｔ ａｌ．Ｒｉｓｋ ａｓＦｅｅｌｉｎｇｓ［Ｊ］．Ｐｓｙｃｈｏｌｏｇｉｃａｌ Ｂｕｌｌｅｔｉｎ，２００１，１２７（２）：２６７－２８６．

［１７］ ＬＩ Ｘ Ｙ，ＬＩ Ｘ Ｍ，ＬＩ Ｘ Ｗ，ｅｔ ａｌ．Ｓｅｎｔｉｍｅｎｔ Ｒｅｆｅｒｅｎｃｅ ＰｏｉｎｔｓＢａｓｅｄ Ｓｅｌｆ?Ｏｒｇａｎｉｚｅｄ Ｍｕｌｔｉ?Ａｇｅｎｔ Ｍｏｄｅｌ ｏｆ Ｒｏｕｔｅ Ｃｈｏｉｃｅ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｓｙｓｔｅｍｓ ＆ Ｍａｎａｇｅｍｅｎｔ，２０１７，２６（２）：２５９－２６７．

［１８］ ＨＯＮＧ Ｄ Ｈ，ＣＨＯＩ Ｃ Ｈ．Ｍｕｌｔｉｃｒｉｔｅｒｉａ Ｆｕｚｚｙ Ｄｅｃｉｓｉｏｎ?ＭａｋｉｎｇＰｒｏｂｌｅｍｓ Ｂａｓｅｄ ｏｎ Ｖａｇｕｅ Ｓｅｔ Ｔｈｅｏｒｙ［Ｊ］．Ｆｕｚｚｙ Ｓｅｔｓ ａｎｄ Ｓｙｓ?ｔｅｍｓ，２０００，１１４（１）：１０３－１１３．

［１９］ 張清華，王進(jìn)，王國胤．粗糙模糊集的近似表示［Ｊ］．計(jì)算機(jī)學(xué)報(bào)，２０１５，３８（７）：１４８４－１４９６．

［２０］ 賈進(jìn)章，陳怡諾，柯丁琳．基于模糊集和改進(jìn)ＤＳ 證據(jù)理論的?；返缆愤\(yùn)輸體系貝葉斯網(wǎng)絡(luò)風(fēng)險(xiǎn)分析［Ｊ］．北京化工大學(xué)學(xué)報(bào)（自然科學(xué)版），２０２０，４７（１）：３８－４５．

［２１］ 宋英華，吳昊，劉丹，等．基于Ｄ－Ｓ 證據(jù)理論的地震應(yīng)急救援群決策［Ｊ］．中國安全科學(xué)學(xué)報(bào)，２０２０，３０（５）：１６３－１６８．

［２２］ 奚婷婷，熊偉麗，張林，等．基于矩陣分析的ＤＳ 合成算法［Ｊ］．計(jì)算機(jī)工程，２００９，３５（１６）：２６４－２６６．

【責(zé)任編輯 簡 群】

基金項(xiàng)目：國家社會(huì)科學(xué)基金重點(diǎn)項(xiàng)目（２２ＡＴＪ００８）；湖南省教育廳科學(xué)研究重點(diǎn)項(xiàng)目（２０Ａ１２７）；湖南省研究生一般項(xiàng)目（ＣＸ２０２１１１０７）