基于灰色聚类法评价救援队伍营救能力的探索

冯 博

（甘肃省地震局，兰州 730000）

0 引言

灰色系统理论基于数学理论,以 “部分信息已知，部分信息未知”的 “小样本”、 “贫信息”不确定性系统为研究对象，通过对 “部分”已知信息的生成和开发,提取有价值的信息,利用灰色聚类分析、趋势预测及系统控制等方法实现对系统运行行为、演化规律的正确描述和有效监控[1-2]。

地震灾害紧急救援队伍的主要任务是对因地震或者其他突发事件造成建（构）筑物倒塌而被埋压的人员实施搜索和营救。在地震救援行动中，营救行动是指通过凿破、顶撑、切割等手段创建救援通道，扩展营救空间，从倒塌的建筑物或狭小空间中将被困人员解救出来[3-4]。营救过程是一个通过凿破、切割、顶升、支撑、建筑结构的倒塌类型、建筑材料等众多因素确定的复杂体系，如何合理地把握这些因素，确定它们对营救过程的贡献[5]，并且提出较为科学的评价方法，对分析救援队伍营救能力显得十分必要。国内外地震灾害紧急救援实践表明，地震灾情复杂，救援难度大，技术要求高，且队伍的技术方法和装备各异，不可能罗列所有的有关因素指标，因此，可以认为营救能力为灰色系统，对其按照灰色理论进行分类决策聚类[6-7]。

1 灰色聚类法的基本步骤

按聚类对象划分，灰色聚类可分为灰色关联聚类和灰色白化权函数聚类。灰色关联聚类主要用于同类因素的归并，以使复杂系统简化；灰色白化权函数聚类主要用于检查观测对象是否属于事先设定的不同类别[8]。因此，本文选用灰色白化权函数聚类法评价救援队伍的营救能力。设有n个聚类对象（不同救援队伍），m个聚类指标（达标要求），s个不同的灰类（能力层级），灰色白化权函数聚类的基本步骤：

（2） 确定各指标的聚类权 ηj（j=1，2，…，m）。

（3） 从步骤（1）和（2）得出的白化权函数 fkj、聚类权和对象i关于j的观测值 cij（i=1，2，…，n），从而计算出灰色聚类系数

3 营救能力层级评价灰色聚类法的数学模型

3.1 变灰色数为白化数

依据《国际城市搜索与救援咨询团 （INSARAG）指南》，城市搜索与营救队伍（USAR）切割和破拆钢筋混凝土墙、板、梁、柱、结构钢、金属板等建筑材料的具体尺寸，以及德国联邦技术救援署（THW）统计的救援行动中人员肢体不同部位的受伤概率统计表，给出表1所指出的达标要求，由于其取值范围，数值大小各不相同，为了便于数据比较，要把这些灰色数变为白化数[9]。其方法为：取最大值为100，其它数值都与最大值相比较而确定其值，数值以百分数表示，变化结果见表2。

表1 能力层级划分及影响因素数值Table 1 Ability level division and influence factors value

表2 能力层级划分及影响因素数值的白化数值Table 2 Ability level division and the whitening value of influence factors

3.2 建立灰类白化权函数

数用函数图形表示出来，称作灰类白化权函数[10]。在图形（图1～8）建立中，把灰类对象能力层级（强）、能力层级（中）、能力层级（弱）的能力层级划分用i表示，i=1，2，3。把影响因素用j表示，j=1，2， 3，4， 5，6， 7，8。

图1 灰类白化权函数图形（凿破钢筋混凝土）Fig.1 Whitenization weight function graph（breaking steel concrete）

图2 灰类白化权函数图形（顶撑）Fig.2 Whitenization weight function graph（lifting and support）

图3 灰类白化权函数图形（切割深度，水泥柱或梁）Fig.3 Whitenization weight Function graph （cutting depth， concrete column or beam）

图4 灰类白化权函数图形（切割深度，金属板）Fig.4 Whitenization weight function graph（cutting depth， plate）

图5 灰类白化权函数图形（切割深度，钢结构）Fig.5 Whitenization weight function graph（cutting depth， steel structure）

图6 灰类白化权函数图形 （切割宽度，金属板）Fig.6 Whitenization weight function graph （cutting width， plate）

图7 灰类白化权函数图形（切割宽度，钢结构）Fig.7 Whitenization weight function graph（cutting width， steel structure）

图8 灰类白化权函数图形（队员安全防护）Fig.8 Whitenization weight function graph（protection）

3.3 标定聚类权重

标定聚类权重既是在判断能力层级时，每一影响因素在判断该能力层级时所占的权重，用符号 表示，其中 k=1，2，3表示能力层次。j=1，2，3，4，5，6，7，8表示影响因素。根据白化权函数，用下式计算取标定聚类权重。

式（4）中，λ为影响因素白化数的界限值，其

中和 η11、 η21、 η31计算如下

分别把凿破、顶撑、切割科目和队员安全防护对救援队伍营救能力的贡献值都进行计算，得出了聚类权重为一矩阵，其值为：

有了白化权函数和标定聚类权重矩阵，就等于建立了灰色类别的模型。运用该模型，将各支队伍按材质要求，开展凿破、切割所达到的厚度和宽度数值、顶撑重量以及队员安全防护覆盖率变为白化数，就可以根据权函数和聚类权重矩阵，计算各支队伍营救能力所属层级。

4 应用实例

根据国家陆地搜寻与救护（兰州）基地，某期地震救援技术骨干培训班学员组成的救援队伍，在规定的时间，展开几组营救科目，获得的基本数值及变化后的白化数值表（见表3）。

根据白化数和权函数，计算每一因素白化数对危险性类别能力层级的贡献值矩阵，用表示

表3 基本数值及白化数值表Table 3 Basic value and whitening value

从计算结果看出，该救援队伍营救能力层级属于强、中、弱的权重分别为0.718、0.747、0.783，其中属于弱能力的权重值0.783为最大值，可判断该救援队伍的营救能力弱。

5 结语

（1）灰色聚类法是一种涉及多指标、多类别的综合评价方法，其信息利用度和精度都较高，而且计算简单，实用性强。采用此种方法规避了信息不完备的缺陷，可以得出较为准确、可靠的等级分类性，是较科学的数据处理方法。

（2）由于能力层级划分中影响因素的数值决定了聚类权重，因此应用灰色聚类法评价救援队伍营救能力，关键要划分好不同层级影响因素的数值。

（3）此方法的优越性体现在，通过量化的方法对营救能力相当的队伍之间进行评价、分级可得到较好的评价效果。

（4）此方法也可运用于救援队伍的其它能力评价，但需要对救援队伍其它能力建立相应的细化标准。

参考文献：

[1]邓聚龙.灰色系统基本方法[M].武汉：华中科技大学出版社，2005．

[2]刘思峰，党耀国，方志耕.灰色系统理论及其应用[M].北京：科学出版社，2004．

[3]王恩福，黄宝森.地震灾害紧急救援手册[M].北京：地震出版社，2010．

[4]韩炜，陈维锋，顾建华，等.地震救援行动的影响因素分析[J].灾害学，2012，27（4）：132-137.

[5]闫文周，刘波.用灰色聚类方法对旧建筑物结构安全性的评定[J].西安科技大学学报，2009，29（1）：122-126．

[6]罗党.灰色决策问题分析方法 [M].郑州：黄河水利出版社，2005．

[7]刘力，周建中，杨莉，等.基于熵权的灰色聚类在洪灾评估中的应用[J].自然灾害学报，2010，19（4）：213-218.

[8]刘思峰，谢乃明.基于改进三角白化权函数的灰评估新方法[J].系统工程学报，2011（2）：15-18．

[9]肖新平，宋中民，李峰.灰技术基础及其应用[M].北京：科学出版社，2005．

[10]党耀国，刘思峰.灰色综合聚类评估模型的研究[J].统计与决策，2004（10）：4-6．