基于随机森林的突发事件分级模型研究*

徐绪堪，王　京

(1.河海大学 企业管理学院，江苏 常州，213000；2.南京大学 信息管理学院，江苏 南京，210023)

0　引言

近年来，国内自然灾害、事故灾害等突发事件频发，如2013年10月发生的“余姚水灾”、2015年6月发生的“常州特大暴雨”、2015年8月发生的“8·12天津滨海新区爆炸事故”等，随着各类突发事件风险的日益增多，相关应急管理工作面临着更高的要求和更大的挑战。而在实际应急管理工作中，突发事件的分级是快速响应和有效应对的基础，如果应急决策者无法快速、有效地识别突发事件的级别，在应急预案和处置方案的选择上，将缺乏针对性，甚至延误救援时机[1]。目前，我国已初步建立起突发事件“四类四级”的总体框架，在《特别重大、重大突发公共事件分级标准》中，对自然灾害、事故灾害、公共卫生事件和社会安全事件分级处置标准也做了相应的规定。如在水旱灾害中，符合特别重大的情况为：一个流域发生特大洪水，或多个流域同时发生大水；大江大河干流重要河段堤防发生决口；重点大型水库发生垮堤等。而特别重大地震灾害则为：造成300人以上死亡，直接经济损失占该省(区、市)上年国内生产总值1%以上的地震；发生在人口较密集地区7.0级以上地震。从以上内容可以看出，目前针对不同类型的突发事件，分级评估指标也不相同，而对于水旱灾害，其分级标准仍以 “多个”、“重点”等模糊性描述词为主，缺乏量化指标，操作性不强，加之突发事件爆发本身具有的不确定性、动态性和复杂性等特点，突发事件分级面临着分级宽泛、主观性强、过程繁杂和动态适应性弱等问题。一旦发生突发事件，难以快速、准确地定位到相应的突发事件级别，难以达到针对性地响应和应对。因此，本文尝试通过建立相应的突发事件分级模型，用以快速识别突发事件的级别，进而在界定突发事件自身级别的基础上，提升突发事件快速响应和应急的有效性。

在突发事件分级方面，国内外学者已经开展相关工作。国外方面，Dragan，Vladimir[2]指出，结合原因、后果、强度等标准可以完成突发事件分级；Kuma等[3]提出多维度突发事件分级方法；Schulz等[4]基于控制理论，设计能源类突发事件分类分级。国内方面，薛澜和钟开斌[5]系统地探讨了我国应急管理体制框架的建立，在突发事件分级的问题上，指出分级标准需要依据事件的性质、严重程度、可控性和影响范围等4个要素加以确定和细化；宋莎莎等[6]将模糊层次法和聚类分析结合，以旱灾为例，确定了突发事件分级的度量指标，完成了自动分级；吴凤平、程铁军[7]在聚类分析方法的基础上，提出了基于三角模糊数的灰色定权聚类方法，用以实现具有不确定性和模糊性的突发事件的分级；钟茂华、陈宝智[8]采用神经网络分类方法，训练出重大危险源分类器；徐国等[9]以洪涝灾害应急响应级别为研究对象，基于C4.5算法获得分级结果；商丽媛、谭清美[10]借助支持向量机在小样本、高维和非线性样本中的分类优势，将其引入突发事件分级研究中，并通过地震样本数据加以验证。

从以上现有研究可以看出，学者们借助统计学习理论中聚类和分类方法，在突发事件分级标准定量化和分级过程动态化上，取得了一定的成果。但就研究内容而言，根据事后统计，分析事件严重程度或影响范围，属于静态评估，在统计所耗时间和精确度上存在不足；就研究方法而言，一方面，聚类分析不依赖于预先定义的类别标签，这使得不同聚类分析方法下，突发事件分级结果存在差异；另一方面，由于目前突发事件在分级问题上多采用单分类器，导致突发事件分级结果面临样本拟合过度和分类精度低等风险，为了避免聚类分析中分类标准的不确定性，改善单分类器在样本选择和参数设定上的局限，提高分类准确率，采用多个分类器组合进行分类，在机器学习领域得到了应用[11]。随机森林[12](Random Forest，RF)是一种组合分类器，它能很好的容忍异常值和噪声，且不容易出现过度拟合，在分类精度上高于单分类器，目前已经在多个领域得到应用研究，如：Chen[13]基于随机森林模型分析基因组数据；蔡加欣等[14]基于局部轮廓和随机森林，完成人体行为识别；赖成光等[15]基于随机森林，构建风险评价模型，并应用于洪涝灾害评估领域。在分类分级的问题上，随机森林也取得了一定的成果，郭东锋等[16]实现了烤烟香型分类；马玥等[17]研究了农耕区土地利用分类；Dong等[18]使用随机森林预测岩爆事件分级。因此，本文基于随机森林方法在分类精度、拟合程度和样本参数设定上的优势以及在多领域的应用实践，将其引入突发事件分级的问题中，以洪涝灾害事件为例，探索实现突发事件分级标准定量化和分级过程动态化的新途径。

1　突发事件分级的随机森林模型

1.1　随机森林模型的建立

随机森林是由多个决策树{h(x,θn)}组成的分类器，其中x是输入向量；θn是独立同分布的随机向量，n是分类树个数。

随机森林模型的构建步骤如图1所示：

1)随机、有放回地从训练集S中抽取n个子训练样本集组成分类树，未被抽到的样本组成袋外数据。

2)在n棵分类树中，每1个分类树节点处有m个特征指标，从特征指标中抽取变量mtry，其中mtry≤m，选择最具有分类能力的变量完成分类树的分裂。

3)不修剪分类树，实现其最大限度地生长。

4)随机森林分类器就由这些生长的分类树组成，最终可获得分类结果。

图1　随机森林模型Fig.1　Random forest model

1.2　基于随机森林的突发事件分级过程

突发事件的分级是依据事件类别属性而建立的。因此在选择分级特征指标时，需要立足于突发事件的共有特性，如事件性质、严重程度和影响范围等，形成随机森林预测所需的属性训练集。基于随机森林的突发事件分级过程如图2所示。

图2　基于随机森林的突发事件分级过程Fig.2　Emergency classification process based on random forests

1) 依据突发事件类别属性挖掘共有特征，提取分级指标，以洪涝灾害为例，依据事件性质、严重程度和影响范围等，选择含受灾人口(万人)、死亡人口(人)、房屋倒塌(万间)、房屋损坏(万间)、农作物受灾面积(千公顷)、农作物绝收面积(千公顷)和直接经济损失(亿元)等7个特征变量。

2)根据分级指标采集突发事件数据信息，构成训练样本集，本文主要从中华人民共和国民政部网站获取2012—2016年洪涝灾害事件信息，以事件发生时间作为划分训练样本和待分级样本依据，将2012—2015年洪涝事件划分为训练数据，2016年洪涝事件则为待分级样本。

3)借助随机森林模型，输入待分级对象指标，主要借助R语言实现随机森林参数设置和模型构建。

4)完成分类学习，得到突发事件分级结果。

2　基于洪涝灾害的案例应用分析

2.1　样本选取

随着国家自然灾害管理系统在我国灾情管理工作中日益普及，各省民政部门近年来已能够较好地按照《自然灾害情况统计制度》中的时间节点规定进行报送，从而在报灾系统中形成较为完整的灾情指标时间序列，为研究洪涝灾害提供了必要的数据支撑和基础[19]。因此，本文以中华人民共和国民政部门网站提供的洪涝灾害事件为例，选取了2012-2016年210个洪涝灾害数据，其中205个作为训练数据，5个作为测试数据，以此验证随机森林模型下突发事件分级方法的可行性。选取的洪涝灾害数据包括特征属性7个：受灾人口(万人)、死亡人口(人)、房屋倒塌(万间)、房屋损坏(万间)、农作物受灾面积(千公顷)、农作物绝收面积(千公顷)和直接经济损失(亿元)，分别由a～g字母表示。由于我国特大洪涝灾害数据样本较少，本文仅选取等级为严重、中等和一般3个级别的数据，分别以Ⅰ、Ⅱ、Ⅲ表示。部分数据如表1所示。

表1　2014—2016年部分洪涝灾害数据

资料来源：中华人民共和国民政部

2.2　模型实现及参数设定

借助开源软件R语言附带的软件程序包randomForest，对所构建的随机森林方法模型进行分类预测。建立模型需要对参数mtry和ntree进行设定。其中，参数mtry表示在分割数据时，抽取的变量数据，通常选择解释变量数目的平方根，本文输入变量有7个，所以参数设置为2；ntree表示模型中包括的单棵树数量，数量过多并不会对模型造成影响，一般建议不要小于100，本文将其设为10 000。

2.3　实证结果分析

使用上述参数mtry=2，ntree=10 000，对205个样本进行训练，得到随机模型分类结果。同时，基于R语言附带的e1071软件程序包，实现支持向量机下样本分类，得到2种方法下分类测试精度评估，如表2所示。

表2　测试精度评估

由表2可以看出，支持向量机方法下，Ⅰ类误判数为26，Ⅱ类误判数为14，Ⅲ类错判数为24，总体分类精度为68.78%；随机森林方法下，突发事件Ⅰ类误判数为1，Ⅱ类误判数为2，Ⅲ类误判数为2，总体袋外数据误差率为2.44%，总体精度为97.56%。与支持向量机相比，随机森林误判率低，总体分类精度高，在洪涝灾害事件分级上效果更为理想。

随机森林的每棵分类树都是有放回的重抽样后生成，本身算法类似于交叉验证，因此其结果内含判别函数，可以直接使用R语言中的Predict函数，基于历史数据对新的数据进行判别和分类，实现突发事件分级问题的快速识别和实时更新。以“2016年4月20日强降雨致南方9省区15人死亡失踪”为例，借助Predict函数实现预测，判别为Ⅰ，Ⅱ和Ⅲ的概率分别为88.68%，11.26%和0.06%，最终判别结果为Ⅰ。基于此对5个测试样本进行分级预测，预测结果如表3所示。

表3　对测试样本的分级结果

由表3可知，5个测试样本中有3个测试结果与实际结果相同，结果表明：基于随机森林多分类器的分级可较好地避免主观性和随意性，能快速有效识别突发事件，并完成动态分级，分级结果可为应急决策部门提供信息支撑和参考。

3　结论

1)随机森林作为机器学习的一种，其模型构建的关键在于特征指标的选择。在洪涝灾害突发事件分级中，选用事件性质、严重程度和影响范围等共有特征提取分级指标，完成洪涝灾害分级。

2)以洪涝灾害事件为例，基于随机森林模型对样本数据进行处理和测试，结果表明其能较好地容忍异常值和噪声，预测精度高于支持向量机，其在突发事件分级标准定量化和分级上是可行的。

3)借助随机森林分类器，应急决策部门可以根据采集到的事件数据信息，实时分析、更新事件级别，并采取相应的措施，达到科学、合理地配置应急资源的目的，最终降低突发事件带来的损失和危害。

[1]杨静，陈建明，赵红. 应急管理中的突发事件分类分级研究[J]. 管理评论，2005，17(4):37-41.

YANG Jing，CHEN Jianming，ZHAO Hong. Research on emergency classification in emergency management[J]. Journal of management review，2005，17(4):37-41.

[3]KUMAR V，MOVAHEDI B M，MOVAHEDI K M. E-Marketplace Emergence: Evolution，Developments and Classification[J]. Journal of Electronic Commerce in Organizations，2012，10(1):14-32.

[4]SCHULZ R P，PRICE W W. Classification and identification of power system emergencies[J]. IEEE Transactions on Power Apparatus & Systems，1984，PAS-103(12):3470-3479.

[5]薛澜，钟开斌. 突发公共事件分类、分级与分期:应急体制的管理基础[J]. 中国行政管理，2005(2):102-107.

XUE Lan，ZHONG Kaibin. Classification of types，levels and stages for emergencies: managerial foundation of government emergency response system[J]. Chinese Public Administration，2005(2):102-107.

[6]宋莎莎，戴锋，卫保璐. 基于模糊层次分析法和聚类分析的突发事件分级研究[J]. 科学决策，2010(10):68-72.

SONG Shasha，DAI Feng，WEI Baolu. A research of emergency classification based fuzzy AHP and cluster analysis[J]. Scientific Decision Making，2010(10):68-72.

[7]吴凤平，程铁军. 基于改进的灰色定权聚类分析的突发事件分级研究[J]. 中国管理科学，2013(s1):110-113.

WU Fengping，CHENG Tiejun. The classification of emergency based on improved gray clustering model[J]. Chinese journal of management Science，2013(s1):110-113.

[8]钟茂华，陈宝智. 基于神经网络的重大危险源动态分级研究[J]. 中国安全科学学报，1997(2):6-9.

ZHONG Maohua，CHEN Baozhi. Study in dynamic risk classification of major hazards based on neural networks[J]. China Safety Science Journal，1997(2):6-9.

[9]徐国，乌云，王儒敬,等. 基于C4.5算法的洪涝灾害应急响应级别分析[J]. 计算机系统应用，2012，21(4):55-58.

XU Guo,WU Yun,WANG Rujing，et al. Flood disaster emergency response level analysis based on C4.5 algorithm[J]. Computer systems and application，2012，21(4):55-58.

[10]商丽媛，谭清美. 基于支持向量机的突发事件分级研究[J]. 管理工程学报，2014，28(1):119-123.

SHANG Liyuan，TAN Qingmei. Emergency classification based on support vector machine[J]. Journal of management engineering，2014，28(1):119-123.

[11]DIETTERICH T G. Ensemble methods in machine learning[J]. Proc. 1st International Workshgp on Multiple Classifier Systems，2000，1857(1):1-15.

[12]BREIMAN L. Random Forests[J]. Machine Learning，2001，45(1):5-32.

[13]CHEN X，ISHWARAN H. Random forests for genomic data analysis[J]. Genomics，2012，99(6):323-329.

[14]蔡加欣，冯国灿，汤鑫,等. 基于局部轮廓和随机森林的人体行为识别[J]. 光学学报，2014，34(10):204-213.

CAI Jiaxin，FENG Guocan，TANG Xin，et al. Human action recognition based on local image contour and random forest[J]. Acta Optica Sinica，2014，34(10):204-213.

[15]赖成光，陈晓宏，赵仕威,等. 基于随机森林的洪灾风险评价模型及其应用[J]. 水利学报，2015，46(1):58-66.

LAI Chengguang，CHEN Xiaohong,ZHAO Shiwei，et al. A flood risk assessment model based on random forest and its application[J]. Journal of Hydraulic Engineering，2015，46(1):58-66.

[16]郭东锋，胡海洲，汪季涛,等. 基于随机森林的烤烟香型分类研究[J]. 中国农学通报，2015，31(6):241-246.

GUO Dongfeng,HU Haizhou,WANG Jitao，et al. Study on the classification of flue-cured tobacco based on the random forest algorithm[J].Chinese Agricultural Science Bulletin，2015，31(6):241-246.

[17]马玥,姜琦刚,孟治国,等. 基于随机森林算法的农耕区土地利用分类研究[J]. 农业机械学报,2016(1):297-303.

MA Yue，JIANG Qigang，MENG Zhiguo，et al. Classification of land use in farming area based on random forest algorithm[J]. Transactions of the Chinese Society for Agricultural Machinery，2016(1):297-303.

[18]DONG L J，L I X B，PENG K. Prediction of rockburst classification using Random Forest[J]. Transactions of Nonferrous Metals Society of China，2013，23(2):472-477.

[19]张鹏，郭邵俊，刘哲，等. 重大洪涝灾害过程灾情时变模式挖掘[J].自然灾害学报，2014，23(4)：13-18.

ZHANG Peng,GUO Shaojun,LIU Zhe,et al.Tapping the temporal pattern of diaster loss data on critical floods[J].Journal of natrual of natrual diaseters,2014,23(4):13-18.