论文部分内容阅读
【摘要】 气候变化的影响，包括干旱增加，冰川萎缩，动植物范围的变化以及海平面上升，将改变人类的生活方式，并可能导致社会和政府结构的削弱和崩溃。本文主要研究国家脆弱性的影响因素，首先建立了三级分析层次和熵权重模型，得到12个状态脆弱性指标的权重。然后结合神经网络和遗传算法建立模型来评估状态脆弱性。
【关键词】 神经网络 遗传算法 国家脆弱性 指标
前言
近年来，气候变化引起的干旱，洪水和海平面上升现象严重威胁着人类的生存。随着这些问题导致人均耕地面积减少，粮食减少和经济衰退等一系列问题正在挑战政府的领导。在发展中国家，由于其棘手的内部冲突，气候变化的不利影响可能会加剧内部的尖锐矛盾。因此，面对气候变化，发展中国家可能“脆弱”。
一、模型建立与求解
1.1建立层次分析模型
从脆弱国家指数可以看出，通过使用12个指标评估世界上178个国家的脆弱性。得出的结论为得分越高，国家就越脆弱。从脆弱性指数来看，可看到这12个指标与气候变化无关。因此，本文需要重新定义指标以评估该国的脆弱性，并使用这些指标建立国家脆弱性评估模型。
综上，根据环境维度作为AHP（层次分析法）的标准层次，然后建立比较矩阵，并计算得到结果。由此可以看出，影响国家脆弱性的因素按照影响力，国内生产总值，公共管理，贫困人口比例，国民总收入和能源的顺序排列。
1.2 AHP-Entropy模型
因为比较矩阵中元素的值受决策者的个人偏好的影响，所以计算的权重是非常主观的。为了减少权重值的主观随意性，每个指标的赋权主观，客观地统一。本文建立AHP熵模型来修改AHP模型中获得的主观权重。
为了避免熵的无意义对数，本文对原始数据矩阵进行维度：
利用信息熵的概念构造了一个多属性决策矩阵，经过计算得到影响脆弱性的12个指标的客观指标权重：CPIA公共部门管理和机构集群平均（0.116）、CPIA结构政策聚类平均值（0.032）、国内生产总值（现价美元）（0.142）、人均国民总收入，阿特拉斯法（现价美元）（0.124）、国家贫困线的贫困率（人口百分比）（0.130）、难民人口比例（0.162）、15-64岁人口（占总人口的百分比）（0.046）、劳动力参与率，女性（15岁以上女性人口的百分比）（0.044）、结核病发病率（每10万人）（0.046）、改善水源（有访问人口的百分比）（0.016）、谷物产量（千克/公顷）（0.050）
1.3建立BP神经网络
为了确定脆弱程度并简化建模过程，本文选择了15个国家作为样本，将和平基金会给出的脆弱国家指数排名作为样本。表4根据脆弱性指数将15个国家分为3类：脆弱，弱势和稳定。
脆弱：苏丹、埃塞俄比亞、缅甸尼泊尔、赞比亚;
弱势：坦桑尼亚、厄瓜多尔、中国、南非、越南;
稳定：马来西亚、希腊、匈牙利意大利、加拿大。
以上述的12个新的评估指标、每个国家的12个指标作为输入参数，并以脆弱性，脆弱性和稳定性评价标准作为输出参数，建立BP神经网络模型。
建立的神经网络模型的输入参数为12，输出参数为3，隐层神经网络的数量为25.因此，本文在输入层建立了一个12个节点的神经网络，25个节点在隐藏层中，输出层中有3个节点，共有375个权重和28个阈值。由此可得出结论：使用BP神经网络模型可以很好地评估稳定和脆弱的国家，本文从世界银行数据的15个样本国家中获得12个指数数据作为神经网络训练数据，并训练已建立的神经网络。然后从脆弱，脆弱和稳定的国家中获得一个进入训练有素的神经网络，在这一点上，本文建立了模型。接下来使用AHP-Entropy模型的12个指标来研究对国家脆弱性的脆弱程度，研究气候变化如何影响这12个指标，并研究影响国家脆弱性的因素。本文还将使用优化的BP神经网络模型区域来评估该国的脆弱性。本文建立比较矩阵，经过计算得到气候变化中降水量，温度，海平面和自然灾害的权重：沉淀：0.1952;温度：0.0797;海平面：0.0713;自然灾害：0.6538。
综上，可看出自然灾害占气候变化影响的很大一部分。因此，本文认为自然灾害可以用来表达气候变化的影响。
参 考 文 献
[1]施瓦茨·彼得，达哥·兰德尔.突然的气候变化情景及其对美国国家安全的影响[J].国家气象局译本，2003.
[2]脆弱国家指数[EB/OL].http：//fundforpeace.org/fsi/.
[3]刘天旭，吴涛.脆弱国家的评估标准[M].领导科学论坛，2016（13）：17-26.
【关键词】 神经网络 遗传算法 国家脆弱性 指标
前言
近年来，气候变化引起的干旱，洪水和海平面上升现象严重威胁着人类的生存。随着这些问题导致人均耕地面积减少，粮食减少和经济衰退等一系列问题正在挑战政府的领导。在发展中国家，由于其棘手的内部冲突，气候变化的不利影响可能会加剧内部的尖锐矛盾。因此，面对气候变化，发展中国家可能“脆弱”。
一、模型建立与求解
1.1建立层次分析模型
从脆弱国家指数可以看出，通过使用12个指标评估世界上178个国家的脆弱性。得出的结论为得分越高，国家就越脆弱。从脆弱性指数来看，可看到这12个指标与气候变化无关。因此，本文需要重新定义指标以评估该国的脆弱性，并使用这些指标建立国家脆弱性评估模型。
综上，根据环境维度作为AHP（层次分析法）的标准层次，然后建立比较矩阵，并计算得到结果。由此可以看出，影响国家脆弱性的因素按照影响力，国内生产总值，公共管理，贫困人口比例，国民总收入和能源的顺序排列。
1.2 AHP-Entropy模型
因为比较矩阵中元素的值受决策者的个人偏好的影响，所以计算的权重是非常主观的。为了减少权重值的主观随意性，每个指标的赋权主观，客观地统一。本文建立AHP熵模型来修改AHP模型中获得的主观权重。
为了避免熵的无意义对数，本文对原始数据矩阵进行维度：
利用信息熵的概念构造了一个多属性决策矩阵，经过计算得到影响脆弱性的12个指标的客观指标权重：CPIA公共部门管理和机构集群平均（0.116）、CPIA结构政策聚类平均值（0.032）、国内生产总值（现价美元）（0.142）、人均国民总收入，阿特拉斯法（现价美元）（0.124）、国家贫困线的贫困率（人口百分比）（0.130）、难民人口比例（0.162）、15-64岁人口（占总人口的百分比）（0.046）、劳动力参与率，女性（15岁以上女性人口的百分比）（0.044）、结核病发病率（每10万人）（0.046）、改善水源（有访问人口的百分比）（0.016）、谷物产量（千克/公顷）（0.050）
1.3建立BP神经网络
为了确定脆弱程度并简化建模过程，本文选择了15个国家作为样本，将和平基金会给出的脆弱国家指数排名作为样本。表4根据脆弱性指数将15个国家分为3类：脆弱，弱势和稳定。
脆弱：苏丹、埃塞俄比亞、缅甸尼泊尔、赞比亚;
弱势：坦桑尼亚、厄瓜多尔、中国、南非、越南;
稳定：马来西亚、希腊、匈牙利意大利、加拿大。
以上述的12个新的评估指标、每个国家的12个指标作为输入参数，并以脆弱性，脆弱性和稳定性评价标准作为输出参数，建立BP神经网络模型。
建立的神经网络模型的输入参数为12，输出参数为3，隐层神经网络的数量为25.因此，本文在输入层建立了一个12个节点的神经网络，25个节点在隐藏层中，输出层中有3个节点，共有375个权重和28个阈值。由此可得出结论：使用BP神经网络模型可以很好地评估稳定和脆弱的国家，本文从世界银行数据的15个样本国家中获得12个指数数据作为神经网络训练数据，并训练已建立的神经网络。然后从脆弱，脆弱和稳定的国家中获得一个进入训练有素的神经网络，在这一点上，本文建立了模型。接下来使用AHP-Entropy模型的12个指标来研究对国家脆弱性的脆弱程度，研究气候变化如何影响这12个指标，并研究影响国家脆弱性的因素。本文还将使用优化的BP神经网络模型区域来评估该国的脆弱性。本文建立比较矩阵，经过计算得到气候变化中降水量，温度，海平面和自然灾害的权重：沉淀：0.1952;温度：0.0797;海平面：0.0713;自然灾害：0.6538。
综上，可看出自然灾害占气候变化影响的很大一部分。因此，本文认为自然灾害可以用来表达气候变化的影响。
参 考 文 献
[1]施瓦茨·彼得，达哥·兰德尔.突然的气候变化情景及其对美国国家安全的影响[J].国家气象局译本，2003.
[2]脆弱国家指数[EB/OL].http：//fundforpeace.org/fsi/.
[3]刘天旭，吴涛.脆弱国家的评估标准[M].领导科学论坛，2016（13）：17-26.