城市雨灾洪涝背景下应急物资动态需求预测

王婷婷　陈伟炯　张善杰　焦宇

摘要：为精准预测雨灾洪涝背景下应急物资需求量，考虑灾情动态演变性并结合无偏优化和等维信息处理理论，构建基于改进GM（1，1）的灾民数量动态预测方法，通过计算均方差比值、平均相对误差验证该预测方法的有效性。根据灾区人口结构特征，识别年龄、家庭结构等需求影响因素，构建基于灾民数量预测、灾民结构特征、安全库存服务水平系数和物资缺货率的物资动态需求预测模型。选择河南省“7·20”特大暴雨相关数据进行算例仿真，结果证明：改进GM（1，1）的灾民数量预测精度达96.16%，比传统GM（1，1）提升12.26%；物资需求实现人性化、针对性预测，预测精度高达88%，有效突破灾情信息局限性，解决灾情演变下物资合理动态调度难的问题。

关键词：洪涝灾害； 改进GM（1，1）； 库存管理； 人口结构特征； 动态预测

中图分类号：  F259.21文献标志码：  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，小时降水、单日降水均突破历史极值，造成全省1 453.16万人受灾，直接经济损失达1 142.69亿元人民币［1］。台风“烟花”登陆，造成全国24个省市共271.1万人受灾，直接经济损失达33.5亿元人民币［2］。可见，在面临雨灾、洪涝、台风等突发事件时，实现救援物资的高效配置［3］是救灾、减灾工作的重要手段［4］，故精准、规范的物资动态需求预测与筹措研究具有重要现实意义。

常见的预测手段有案例推理法、多元回归法、马尔科夫模型、灰色预测模型等。GUO等［5］基于极小需求、小需求、一般需求、高需求和极高需求5类模糊条件，将马尔科夫链与模糊理论结合构建需求预测模型；郭子雪等［6］建立多元模糊线性回归物资需求预测模型，运用对称三角模糊数表征灾害级别、受灾人口、受灾面积等不确定因素的模糊性，提高预测准确度；SHAO等［7］建立直觉模糊案例推理预测方法，利用直觉模糊理论克服各特征属性在比较过程中出现绝对化倾向的局限性；喻慧等［8］提出基于K均值范例推理的预测方法降低物资需求模糊性，并证实该方法比遗传优化反向传播（back propagation，BP）算法具备更高的精度；BEDI等［9］建立深度学习框架，处理长期的历史数据，利用人工智能方法预测未来需求，结合移动窗口主动学习概念改善预测结果；张磊［10］考虑地震灾情的时间、空间推演，分析受灾人口、年龄分布、群众心理等需求影响因素，构建针对帐篷和饮用水的时序需求预测模型；闫长健等［11］建立由博弈论综合主观与客观权重、灰色关联法计算相似度的案例推理预测模型；MOHAMMADI等［12］提出一种基于遗传算法（genetic algorithm， GA）和自适应粒子群优化（adaptive particle swarm optimization，APSO）方法确定径向基函数（radial basis function，RBF）神经网络结构和参数的RBF神经网络预测方法，且实验证实该方法可有效预测紧急供需时间序列；曾波等［13］构建灰色异构数据预测模型，避免异构数据直接进行代数运算导致运算过程复杂与结果模糊的弊端。综上所述：随着时间的推移和经济的发展，案例推理的“经验”预测效果持续回落；多元回归需要大量数据支撑，同时需要处理多个变量，且模型构建与求解繁杂；马尔科夫链虽可用于小样本数据的情况，但计算过程的拖沓导致预测精度降低；现有研究多集中于静态预测，忽略了事件的动态演变性。针对上述问题，本文基于邓聚龙教授提出的灰色系统理论［14］构建一种支持小样本数据、可操作性强、预测精度高的动态灰色预测模型，利用无偏优化和等维信息处理理论，克服GM（1，1）由原始数据积攒所致的预测精度下降的缺陷，实现模型实时数据随灾情动态演变的持续更新迭代，以动态反映突发事件的长期演变趋势，为物资需求预测提供高度契合的数据支撑。

综上所述，本文与现有研究的区别主要有两点：一是提出灾情动态演变性结合无偏优化和等维信息处理的理论概念，构建改进GM（1，1）实现受灾人口实时动态预测，提高预测精度；二是分析特定灾区受灾人口结构特征，识别年龄、家庭结构要素对物资需求的影响，构建基于灾民数量预测、灾民结构特征、安全库存服务水平系数和物资缺货率的物资动态需求预测模型，提高物资筹措调度合理性。

1 灾民数量动态预测模型构建

3.5 救援物资需求预测

基于改进GM（1，1）预测的灾民数量变化时间序列，依据物资预测公式（12）～（18）对河南省特大暴雨应急救援中需要的饮用水、食品、消炎药、浮生设备、应急手电及帐篷等物资进行预测。

计算所涉及参数参考值如下：q1表示单个灾民的日饮用水需求量，老人、青壮年和儿童q1取值分别为2、2.5和1.8 L；q2表示单个灾民的日食品需求量，老人、青壮年和儿童q2取值分别为1.3、1.6和1.18 kg；q3=0.79，q4=0.25，q5=0.5分别表示每人每天需消炎药0.79盒、浮生设备0.25个、应急手电0.5支；前后两次物资供应时间间隔Δt=1 d；在缺货率为0.05的条件下安全库存服务水平系数Z1-=1.65；夏季饮水系数ρ=1.5。

饮用水、食品等消耗类物资需求量由式（12）～（16）计算，帐篷、浮生设备等非消耗类物资需求量由式（12）～（14）、（18）计算，对需求预测结果的准确性利用均方差比值c检验。应急救援物资需求量预测值与实际值比较见表5。

由表5可知：相关物资预测值与实际值虽存在一定偏差，但偏差较小，且预测值与实际值总体变化趋势一致，说明物资需求预测能够满足救援基本需求，为灾区物资紧急供给提供有效保障。均方差比值c均小于0.35，应急物资需求预测精度达一级，说明该模型可有效解决突发灾害下应急物资需求预测问题。

图2数据对比表明：饮用水需求量预测结果与实际需求量的贴合度随时间推移不断提升至88%，说明随着实时数据的更新，灾民数量预测精度提高，物资需求预测也更精确；而考虑家庭结构因素的帐篷需求预测精度为78%，能够满足基本物资需求，但也说明应适度考虑应急物资裕度空间。因此，应急管理部门进行救援物资需求预测时，除考虑灾民数量外，还要结合灾民结构特征，以实现物资的更高效利用。总体而言，考虑灾民结构的物资需求预测，有别于以往仅基于灾民数量进行的需求預测，是一种突发事件下救援物资人性化预测的新探索，可为应急管理部门实现救援物资精确化、人性化分配管理提供理论依据。

4 结 论

以灾民数量预测数据为支撑，分析灾民结构特征，构建具有针对性的应急物资需求预测模型，使需求预测精度和筹措调度合理性得以显著提升，改善以往预测研究局限于静态视角的缺陷，解决应急物资利用率较低的问题。

（1）改进GM（1，1）从突发事件动态性角度出发预测灾民数量变化趋势，结合无偏优化和等维信息处理理论，突破信息局限性，使预测精度提升至96.89%。

（2）有效性检验数据表明：与传统GM（1，1）相比，改进GM（1，1）预测精度提升12.26%，使预测值拟合曲线更加贴近实际值曲线。

本文通过灾民数量预测、灾民结构特征分析实现应急物资需求的精准预测，为应急管理部门实现人性化救援物资供给提供技术方法支撑，但在追求时间效益最大化、灾害损失最小化目标的同时，如何解决应急物资供应商筛选和运输路径抉择问题，实现物资生产成本、运输时间成本最小化目标，还有待深入研究。

参考文献：

［1］河南省应急管理厅. 河南发布防汛救灾工作最新情况［DB/OL］. （2021-07-25）［2021-08-31］. http：//yjglt.henan.gov.cn/zt/2021/727096/index.html.

［2］戚颖璞. 在海上停留近一周充分吸收能量， 苏浙沪地区已连发196个气象灾害预警：“烟花”或成今年来影响我国最强台风［N/OL］. 解放日报， 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， 赵雪， 李敏， 等. 城市洪涝模拟技术研究进展及发展趋势［J］. 中国防汛抗旱， 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， 韩瑞， 齐美然. 基于多元模糊回归的应急物资需求预测模型［J］. 河北大学学报（自然科学版）， 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， 张明， 喻珏. 基于K-means范例推理的救援物资需求预测［J］. 中国民航大学学报， 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］张磊. 面向地震灾情时序变化的应急救援物资需求动态预测研究［J］. 灾害学， 2018， 33（3）： 161-164. DOI： 10.3969/j.issn.1000-811X.2018.03.031.

［11］闫长健， 孙世虎. 基于博弈论的海上交通事故案例推理方法及应用［J］. 上海海事大学学报， 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， 孟伟， 刘思峰， 等. 面向灾害应急物资需求的灰色异构数据预测建模方法［J］. 中国管理科学， 2015， 23（8）： 84-91. DOI： 10.16381/j.cnki.issn1003-207x.2015.08.010.

［14］邓聚龙. 灰色系统基本方法［M］. 武汉： 华中理工大学出版社， 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］中國营养学会.中国居民膳食指南2016版［EB/OL］. （2016-05-13）［2021-08-27］. http：//dg.cnsoc.org/article/2016b.html.

［18］王超， 李冬， 张余. 动态改进灰色模型在机场吞吐量预测中的应用［J］. 计算机仿真， 2019， 36（12）： 74-77.

（编辑 贾裙平）

收稿日期： 2021-09-10

修回日期： 2021-12-06

基金项目： 国家自然科学基金（52001196）

作者简介： 王婷婷（1996—），女，山东德州人，硕士研究生，研究方向为物流安全与供应链风险控制，（E-mail）17806169308@163.com；

陈伟炯（1957—），男，江苏常州人，教授，船长，博士，研究方向为安全科学与技术、海洋安全、物流供应链风险控制等，（E-mail）wjchen@163.com