基于多数据学习与处理的社会脆弱性模型

韩钦宇

摘要 跟随现代科技信息时代的快速發展，我国社会现已全面进入大数据时代，计算机在各行各业领域均有涉及。笔者在参加了18年的ICM比赛之后，就其中某个问题进行深一步的剖析，主要应用多数据处理与相关气候模型以及机器学习就气候变化如何影响地区不稳定性进行分析与阐述。

【关键词】大数据处理 多元线性回归分析 灰度预测 气候模型

气候变化目前仍是全球最大的环境挑战，在过去100年间，温室气体激增，全球变暖导致的一系列问题在与本来就管制不佳，社会分裂的国家相结合从而加剧了这些国家本来就不稳定的国情。美国和平基金会曾公布了一系列年份的脆弱国家指数排名，上榜且排名靠前的国家均有因环境剧变而崩溃的风险。为了较为准确的衡量一个国家甚至是一个地区的脆弱程度并以此评级作为首要处理国家进行干预与改善以防止其崩溃，本文针对这几点目的进行了大规模数据的分析与整合，一方面计算与模拟出评分方式的细则，同时也针对影响地区经济的气候等多方面因素进行模拟从而进行误差分析与调整，形成一整套的环境脆弱评估体系，最后，对相关的防范与整治措施进行了一定程度上的提议。

1 脆弱指数评价

就美国和平基金会公布的脆弱性指数数据，笔者随机选取了比较有代表性的十个国家的近十年的脆弱性评价指数，该基金会提供的数据共分为十二个影响脆弱性的因素，每个因素或多或少影响脆弱性。为获知该十二个官方评价指标计算方式，笔者进行了大量的数据查找，根据世界银行以及美国农业部等权威网站的数据查询，找到了影响该十二个决定脆弱性指标的因素。现以其中的‘经济下滑与贫困指标为例，其影响因素显性的体现为GDP，通胀率，对外贸易往来等多方面因素，为求精简，本文只考虑其中代表性强的五个因素进行多元线性回归分析从而分析其权重来进行脆弱指标的初步考察。部分数据如图1所示。

相应系数对应其权重，由此在评价其他未给出国家或者是大型城市以及预测脆弱性趋势时，只需在一些权威网站上查询相关的经济学数据即可初步的推算出相应指标的脆弱性评分。

2 基于气候条件的指数修正

由于前述的指标计算方法只是针对相应领域的不同影响因素独立的进行分析，但由于气候因素会在整体脆弱性上有宏观的影响。因此，本文进一步的定量计算气候变化对此十二个指标的影响趋势（强弱，正负相关）。同样，以经济指标为例，在查阅了中国以及世界灾害年鉴以及美国农业部数据后，笔者选取了洪涝，干旱以及农作物病三个较普遍的因素来分析其对各个指标的影响程度，并利用Excel做出了历年洪涝等三因素对选取国家的经济影响因素的趋势曲线，直接观察可以看出干旱的影响因素最高。进行回归分析之后可以做出三个因素的具体影响系数。 （E=5.84-O.OIFlood+0.002droughr+O.Oldisease）

就其他几个指标，也同样采取这种气候影响分析，不在此赘述。

3 预估与预防措施

根据十二个因素的指标总和，笔者根据统计定义了两个转折点，其中指标和高于100定义为极度脆弱，低于50则定义为稳定，之间的数据则定义为脆弱。由此，我们利用灰度预测预估出各个指标在之后几年的评估值。如表1所示。

在进行GDP统计与人均碳排放统计时，笔者发现GDP的增长趋势与C02排放呈现正趋势关系，因此，在经过拟合分析并加入滞后项作为解释变量以后，可以检验出人均GDP序列与人均002排放序列的二阶差分平稳，从而代入数据得到以下回归方程：

从而判断出两者确切的正相关，至此可以看出，由于产业上的结构现状以及能源的要求限制导致GDP的发展必然伴随C02的大量排放，因此，政府加大力度干预能源转型以及产业结构势在必行。

4 结束语

综上所述，本文主要通过收集大规模数据以及线性回归归纳得到评分标准并利用误差修正，将环境因素的影响纳入总评分的影响因素中来考虑。并给出了不同国家在近几年的评分趋势并给出了解决的大体方式。

参考文献

[1]任小成，基于大数据时代人工智能在计算机网络技术中的应用分析[J].中国战略新兴产业，2018 （04）：17.

[2]彭凯.简析大数据时代人工智能在计算机网络技术中的应用[J]，计算机与网络，2018，44 （01）：46-47.

[3]谷守军，王海永.大数据时代人工智能在计算机网络技术中的应用[J].电子制作，2017 （06）：30+37.