多情境因素不确定信息下应急物资分配决策研究
发布时间：2022-01-14 18:13
应急物资的分配决策作为应急响应工作的重要一环,能够最大限度地降低灾害所造成的人员伤亡和财产损失。在地震灾害的应急物资响应过程中,由于灾区通讯网络中断和道路交通损毁,应急管理部门只能通过各个灾区的灾情信息进行应急物资的分配决策管理。而另一方面,由于地震灾害的突发性和灾情复杂性,获取的某个灾区的某一情境因素数值有可能是一个精确值、区间值或模糊值。因而,应急决策者需要在多情境不确定信息下进行应急分配决策优化,以保障应急物资分配的公平性和合理性。针对以上问题,本文在地震灾区情景构建的基础上,运用情境因素筛选和情境因素不确定信息分析方法,建立改进的地震灾区受灾程度分级模型,提出了基于决策者主观偏好的应急物资分配决策优化方法,并通过相关性检验指标验证所提应急物资分配方法与其灾情信息的相符性,为应急物资的合理分配决策提供理论依据。具体研究内容如下:在重庆市黔江及周边地区进行地震灾区情景的构建,分析应急救援响应过程中能够获得的地震灾区情境因素信息,根据情境因素的不确定特征对其信息进行设定。调研重庆各区县的应急物资储备情况,结合地震灾害应急响应初期的应急物资需求特征,确定本文需要分配的应急物资包括生命救...
【文章来源】：重庆科技学院重庆市
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
华蓥山地震断裂带示意图
重庆科技学院硕士专业学位论文4地震灾区受灾程度分级模型研究30第k个聚类中心（每个应急物资救助点所在地区级别中心），而且==jkVv12,,,sccVVVR；0,1iku，表示kx隶属于第k个灾区受灾严重程度级别中心的隶属度，其中=cnikUuR；1,表示模糊化参数；2表示SFsMR上的欧几里得范数。4.1.2地震灾区受灾程度分级模型根据构建的地震灾区情景和筛选的各灾区情境因素信息数据，将灾情信息=kvSFs12,,,Mkkkvvv-，k1,2,EDPs,N通过C-Means聚类分析，能够根据每个地区的各情境因素信息，将各灾区按照各ESDPs所在点的受灾程度分为不同级别。如图4.1所示，在只考虑人口总量和次生灾害评估信息两种情境因素下，根据各应急物资救助点所在地区的情境因素数据得到的C-Means聚类分析结果。从理论上来看，人口总量和人口密度均与灾区受灾程度成正比，其两个聚类中心应该分布在二维坐标的左下角和右上角。然而，从图4.1中可以得出，通过C-Means聚类分析明显达不到地震灾区受灾程度分级的效果。图4.1在考虑人口总量和次生灾害评估信息两种情境因素下，各应急物资救助点所在地区的分类结果图Fig.4.1Classificationresultsoftheareasinemergencysuppliesaidpoints(ESAPs)consideringthetwosituationalfactorsofpopulationandsecondarydisasterassessmentinformation因此，在已有的C-Means聚类分析的基础上，在模型迭代的过程中动态调整聚类中心，将聚类中心调整成正相关的状态关系，进而根据灾区的灾情信息数据，提出一种灾区受灾程度分级模型，将各应急点所在地区按照灾情严重程度分为C个级别，其目标函数为：EDPs2211,cNmikkiikJUVuvV（4.5）
重庆科技学院硕士专业学位论文4地震灾区受灾程度分级模型研究33注：同时考虑各地震灾区的4种情境因素，无法在二维平面中展示所提模型的分级效果，因此本节在随机选择两种情境因素的基础上观察其分级效果。如果其情境因素信息从二维空间拓展到四位空间，其分级效果不会发生改变。如图4.4-C，在只考虑人口总量和次生灾害评估信息两种情境因素的分级效果的情况下，一个ESAPsii1,2,,15所在地区的人口总量和次生灾害评估信息呈正相关关系。其人口总量和次生灾害评估信息的数值越低，ESAPsi所在地区的受灾程度越小，否则相反。如图4.4-C1所示，如果将15个应急救援站点所在地区的严重程度划分为两个级别，显然，受灾程度较轻的地区被划分为一个级别，受灾程度较重的地区被划分为一个级别。然而，如图4.4-C2所示，传统的聚类分析方法无法达到上述结果，并且其他两种情境因素的灾情信息类似。A同时考虑人口总量和人口密度B同时考虑人口总量和建筑物损坏评估A1)分级模型分级效果A2)聚类分析分级效果B1)分级模型分级效果B2)聚类分析分级效果C同时考虑人口总量和次生灾害评估信息D同时考虑人口密度和建筑物损坏评估C1)分级模型分级效果C2)聚类分析分级效果D1)分级模型分级效果D2)聚类分析分级效果E同时考虑人口密度和次生灾害评估信息F同时考虑建筑物损坏评估和次生灾害评估信息E1)分级模型分级效果E2)聚类分析分级效果F1)分级模型分级效果F2)聚类分析分级效果图4.4灾害严重程度分级效果图Table4.4Gradingeffectmapofdisasterseverity2.地震灾区受灾程度分级模型的分级效果分析根据筛选的各灾区情境因素信息数据，以及提出的地震灾区受灾程度分级模型，得到如表4.4和表4.5所示的各应急点所在地区对各类应急物资的需求级别隶属度数据，
【参考文献】：
期刊论文
[1]华蓥山断裂带的物探成果综述[J]. 王赞军,王宏超,董娣,秦娟. 四川地震. 2018(03)
[2]基于区间情境理论的军民联合救援应急物资分配方法[J]. 庞国楹,刘俊,索文莉,刘佳. 军事交通学院学报. 2018(05)
[3]基于受灾人员损失的应急资源网络多周期配置[J]. 葛敏,陈晓平,吴凤平. 北京理工大学学报(社会科学版). 2017(04)
[4]全序优势关系下区间信息系统多粒度粗糙集的粒度约简[J]. 于莹莹. 广西师范学院学报(自然科学版). 2017(01)
[5]基于线性分配和Choquet积分的多值区间中智多属性决策方法[J]. 杨威,王成军,刘勇. 控制与决策. 2017(07)
[6]基于免疫识别机理的危化品港区应急管理分析[J]. 赵东风,张瑜,刘义,李玉洁. 中国安全生产科学技术. 2016(08)
[7]基于方案偏好值的属性关联区间多属性决策[J]. 刘津津,曾玲,赵巧姣. 数学的实践与认识. 2016(16)
[8]地震应急测绘信息服务方法与应用[J]. 赵杰,张聪聪. 山西地震. 2016(02)
[9]区间值模糊决策序信息系统的分布约简[J]. 史德容,徐伟华. 计算机科学与探索. 2017(04)
[10]并网双馈异步风电机组模糊自适应控制[J]. 于会群,高扬,张浩,彭道刚. 电子测量与仪器学报. 2016(05)
博士论文
[1]应急医疗物资直升机与车辆联合运送优化[D]. 阮俊虎.大连理工大学 2015
硕士论文
[1]地震灾害救援应急管理协调机制问题与对策研究[D]. 谭浩.电子科技大学 2019
[2]救灾物资的需求推演及调度研究[D]. 刘昭.北京邮电大学 2015
[3]突发自然灾害救灾物资分配优化决策研究[D]. 陈明天.大连理工大学 2012
[4]重庆主城区地震危险性分析[D]. 蔡辉腾.重庆大学 2006
本文编号：3588973
【文章来源】：重庆科技学院重庆市
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
华蓥山地震断裂带示意图
重庆科技学院硕士专业学位论文4地震灾区受灾程度分级模型研究30第k个聚类中心（每个应急物资救助点所在地区级别中心），而且==jkVv12,,,sccVVVR；0,1iku，表示kx隶属于第k个灾区受灾严重程度级别中心的隶属度，其中=cnikUuR；1,表示模糊化参数；2表示SFsMR上的欧几里得范数。4.1.2地震灾区受灾程度分级模型根据构建的地震灾区情景和筛选的各灾区情境因素信息数据，将灾情信息=kvSFs12,,,Mkkkvvv-，k1,2,EDPs,N通过C-Means聚类分析，能够根据每个地区的各情境因素信息，将各灾区按照各ESDPs所在点的受灾程度分为不同级别。如图4.1所示，在只考虑人口总量和次生灾害评估信息两种情境因素下，根据各应急物资救助点所在地区的情境因素数据得到的C-Means聚类分析结果。从理论上来看，人口总量和人口密度均与灾区受灾程度成正比，其两个聚类中心应该分布在二维坐标的左下角和右上角。然而，从图4.1中可以得出，通过C-Means聚类分析明显达不到地震灾区受灾程度分级的效果。图4.1在考虑人口总量和次生灾害评估信息两种情境因素下，各应急物资救助点所在地区的分类结果图Fig.4.1Classificationresultsoftheareasinemergencysuppliesaidpoints(ESAPs)consideringthetwosituationalfactorsofpopulationandsecondarydisasterassessmentinformation因此，在已有的C-Means聚类分析的基础上，在模型迭代的过程中动态调整聚类中心，将聚类中心调整成正相关的状态关系，进而根据灾区的灾情信息数据，提出一种灾区受灾程度分级模型，将各应急点所在地区按照灾情严重程度分为C个级别，其目标函数为：EDPs2211,cNmikkiikJUVuvV（4.5）
重庆科技学院硕士专业学位论文4地震灾区受灾程度分级模型研究33注：同时考虑各地震灾区的4种情境因素，无法在二维平面中展示所提模型的分级效果，因此本节在随机选择两种情境因素的基础上观察其分级效果。如果其情境因素信息从二维空间拓展到四位空间，其分级效果不会发生改变。如图4.4-C，在只考虑人口总量和次生灾害评估信息两种情境因素的分级效果的情况下，一个ESAPsii1,2,,15所在地区的人口总量和次生灾害评估信息呈正相关关系。其人口总量和次生灾害评估信息的数值越低，ESAPsi所在地区的受灾程度越小，否则相反。如图4.4-C1所示，如果将15个应急救援站点所在地区的严重程度划分为两个级别，显然，受灾程度较轻的地区被划分为一个级别，受灾程度较重的地区被划分为一个级别。然而，如图4.4-C2所示，传统的聚类分析方法无法达到上述结果，并且其他两种情境因素的灾情信息类似。A同时考虑人口总量和人口密度B同时考虑人口总量和建筑物损坏评估A1)分级模型分级效果A2)聚类分析分级效果B1)分级模型分级效果B2)聚类分析分级效果C同时考虑人口总量和次生灾害评估信息D同时考虑人口密度和建筑物损坏评估C1)分级模型分级效果C2)聚类分析分级效果D1)分级模型分级效果D2)聚类分析分级效果E同时考虑人口密度和次生灾害评估信息F同时考虑建筑物损坏评估和次生灾害评估信息E1)分级模型分级效果E2)聚类分析分级效果F1)分级模型分级效果F2)聚类分析分级效果图4.4灾害严重程度分级效果图Table4.4Gradingeffectmapofdisasterseverity2.地震灾区受灾程度分级模型的分级效果分析根据筛选的各灾区情境因素信息数据，以及提出的地震灾区受灾程度分级模型，得到如表4.4和表4.5所示的各应急点所在地区对各类应急物资的需求级别隶属度数据，
【参考文献】：
期刊论文
[1]华蓥山断裂带的物探成果综述[J]. 王赞军,王宏超,董娣,秦娟. 四川地震. 2018(03)
[2]基于区间情境理论的军民联合救援应急物资分配方法[J]. 庞国楹,刘俊,索文莉,刘佳. 军事交通学院学报. 2018(05)
[3]基于受灾人员损失的应急资源网络多周期配置[J]. 葛敏,陈晓平,吴凤平. 北京理工大学学报(社会科学版). 2017(04)
[4]全序优势关系下区间信息系统多粒度粗糙集的粒度约简[J]. 于莹莹. 广西师范学院学报(自然科学版). 2017(01)
[5]基于线性分配和Choquet积分的多值区间中智多属性决策方法[J]. 杨威,王成军,刘勇. 控制与决策. 2017(07)
[6]基于免疫识别机理的危化品港区应急管理分析[J]. 赵东风,张瑜,刘义,李玉洁. 中国安全生产科学技术. 2016(08)
[7]基于方案偏好值的属性关联区间多属性决策[J]. 刘津津,曾玲,赵巧姣. 数学的实践与认识. 2016(16)
[8]地震应急测绘信息服务方法与应用[J]. 赵杰,张聪聪. 山西地震. 2016(02)
[9]区间值模糊决策序信息系统的分布约简[J]. 史德容,徐伟华. 计算机科学与探索. 2017(04)
[10]并网双馈异步风电机组模糊自适应控制[J]. 于会群,高扬,张浩,彭道刚. 电子测量与仪器学报. 2016(05)
博士论文
[1]应急医疗物资直升机与车辆联合运送优化[D]. 阮俊虎.大连理工大学 2015
硕士论文
[1]地震灾害救援应急管理协调机制问题与对策研究[D]. 谭浩.电子科技大学 2019
[2]救灾物资的需求推演及调度研究[D]. 刘昭.北京邮电大学 2015
[3]突发自然灾害救灾物资分配优化决策研究[D]. 陈明天.大连理工大学 2012
[4]重庆主城区地震危险性分析[D]. 蔡辉腾.重庆大学 2006
本文编号：3588973
本文链接：https://www.wllwen.com/guanlilunwen/zhengwuguanli/3588973.html
