大型地震应急物资需求动态预测模型研究-吴斯亮.pdf

硕士学位论文 大型地震应急物资动态需求预测模型研究 A RESEARCH OF DYNAMIC DEMAND FORECASTING MODEL FOR LARGE EARTHQUAKE EMERGENCY SUPPLIES 吴斯亮 哈尔滨工业大学 2012年6月 国内图书分类号：F252 学校代码：10213 国际图书分类号：364 密级：公开 管理学硕士学位论文 大型地震应急物资需求动态预测模型研究 硕士研究生： 吴斯亮 导 师： 马维忠教授 申 请 学 位： 管理学硕士 学 科： 管理科学与工程 所 在 单 位： 管理学院 答 辩 日 期： 2012年6月 授予学位单位： 哈尔滨工业大学 Classified Index: F252 U.D.C: 364 Dissertation for the Master Degree in Management A RESEARCH OF DYNAMIC DEMAND FORECASTING MODEL FOR LARGE EARTHQUAKE EMERGENCY SUPPLIES Candidate： Wu Siliang Supervisor： Prof. Ma Weizhong Academic Degree Applied for： Master of Management Speciality： Management Science and Enginerring Affiliation： School of Management Date of Defence： June, 2012 Degree-Conferring-Institution： Harbin Institute of Technology 摘要 -I- 摘 要 中国是一个地震灾害较为严重的国家，近年来发生的几次大型地震带来了巨大的人员伤亡和财产损失，使得人们越来越重视地震救援的研究，其中获取灾情信息的能力是衡量救援水平的重要指标。本文针对大型地震灾害，选择了与人口数量关系密切的救援物资，进行应急物资需求动态预测。采用间接的预测方法，设计了一套预测方案，建立地震相似案例集，使用基于递归神经网络的时间序列预测震后每日死亡人数，最后根据人口与应急物资需求公式计算灾区每日的物资需求。 文中首先选择地震属性集，通过欧式距离法判定出部分与目标案例相似的案例为案例集，作为样本数据。然后对比了多种时间序列预测的方法，选用了能够进行动态预测的递归神经网络，将时间序列预测与递归神经网络预测相结合，形成了基于递归神经网络的时间序列预测方法，并讨论了神经网络的泛化能力，使其适用于新鲜样本的预测。最后，为了最大程度的确保灾区应急物资的供应，将安全库存也纳入考虑，在物资需求公式引入了需求提前期。 最后，以 2008 年汶川地震为例，对本文提出的模型进行了验证，并给出了预测结果，与实际数据进行了比较，实现了应急物资的动态需求预测，对物资调配和救援工作起到了一定的指导作用。 关键词：应急物资需求；动态预测；递归神经网络；时间序列预测Abstract -II- Abstract China always has lots of serious earthquake disasters. In recent years the large earthquake happened a few times with great casualties and property losses makes people pay more and more attention to the research of earthquake relief. Among them the ability of achieving disaster information is an important measure. This article aims at those large earthquake disasters and chooses those relief supplies which have a close relationship with the population involved, expecting to predict the dynamic demand of emergency supplies. Using an indirect prediction method design a set of prediction schemes. First, the article establishes a similar earthquake case set. Then it uses a recursive neural network based on time series to predict the number of the earthquake daily death. Finally, it calculates the daily material request of the disaster areas according to the population and emergency supplies demand formula. This paper first chooses the seismic attribute set, and then judges the similar case sets as the sample data through calculating the Euclidean distance between the cases and the goal. The researcher then compares a variety of time series forecasting method, choosing the recursive neural network as it can make dynamic prediction. The paper combines the time series prediction and recursive neural network forming the recursive neural network based on time series prediction method. And discuss the neural network generalization ability, make its applicable to new sample.In order to ensure the supply of emergency demands, puts the safety stock also into consideration, and imports the lead time into the material needs formula. Finally, use the WenChuan earthquake happended in 2008 as an example, this paper checks the validation of the model, and gives the prediction results and compared with the actual data, at last realize the dynamic demand forecast of emergency supplies, provide a guide to the relief work. Keywords：Relief demand, Dynamic prediction, Recursive neural network, Time series prediction目录 -III- 目录 摘 要.I ABSTRACT II 第 1章 绪 论. 1 1.1 研究背景及研究的目的和意义1 1.1.1 研究背景与问题提出.1 1.1.2 研究的目的和意义2 1.2应急物资需求预测国内外研究现状3 1.3 本文主要研究内容与方法5 1.4 论文结构安排.7 第 2章 基于递归神经网络的时间序列预测模型研究 8 2.1 时间序列预测.8 2.1.1 时间序列预测的相关概念.8 2.1.2 时间序列预测的特点和条件.9 2.1.3 时间序列预测方法比较.9 2.2递归神经网络的动态预测11 2.2.1 BP神经网络及预测的缺陷.11 2.2.2递归神经网络实现动态预测.13 2.2.3递归神经网络使用的算法.14 2.2.4递归神经网络的泛化能力.19 2.3基于递归神经网络的时间序列预测模型.20 2.3.1 时间序列预测与递归神经网络预测相结合20 2.3.2 时间序列DNN用于地震死亡人数动态预测的合理性分析.22 2.4本章小结23 第 3章 应急物资动态需求预测模型构建24 3.1 模型构建方案24 3.1.1 模型的选择.24 3.1.2 数据来源及处理方法25 3.2 确定相似地震案例集.26 3.2.1 确定地震属性集.26 目录 -IV- 3.2.2 计算相似地震案例.27 3.3 地震死亡人数动态预测.29 3.3.1 准备训练样本集.29 3.3.2 隐层神经元数与输入输出节点数的确定30 3.3.3 网络层数的确定.30 3.3.4 学习速率与网络各层激活函数的确定.31 3.3.5 构建基于递归神经网络的时间序列预测模型32 3.4 引入仓库概念的物资需求公式.32 3.4.1 计算公式.33 3.4.2 参数设置.34 3.5 模型优势分析35 3.6本章小结36 第 4章 案例分析37 4.1 案例数据处理及参数设定.37 4.1.1 求解相似案例集.37 4.1.2 确定救援系数.39 4.1.3 确定预测步长.40 4.2 MATLAB分析41 4.2.1 Matlab训练过程41 4.2.2预测结果分析44 4.3案例动态物资需求计算.45 4.4本章小结46 结论.48 参考文献.50 附录.54 哈尔滨工业大学学位论文原创性声明及使用授权说明.56 致谢.57 哈尔滨工业大学管理学硕士学位论文 -1- 第1章 绪 论 1.1 研究背景及研究的目的和意义 1.1.1 研究背景与问题提出 中国位于环太平洋地震带和欧亚地震带之间，受各版块的挤压，地震活动频繁，是一个震灾严重的国家。且中国国土面积广阔，城市人口分布密集，一旦发生大型地震灾害，必然导致巨大的人员伤亡和财产损失。1990 年年初至今2012年6月，在这20多年的时间里，中国的经纬度范围内，其中包括周边地区发生 6.0 级以上的地震已达 400 多起，造成巨大的损失。尤其是近几年来发生的几次大地震，给我们带来了巨大的震撼，同时，在救灾过程中出现的问题也引起了人们的关注。大型地震发生以后，瞬间死伤无数，由于建筑物倒塌，道路遭到破坏，通讯中断，给救援工作带来巨大的障碍。为了及时有效的开展救援，在努力以最快的速度发现存活人口的同时，也要为存活下来的灾民提供生活物资。但是，由于各种不利因素的存在，使得快速收集人口数据和灾民所需物资的信息变得十分艰难，物资的供应量就成为了一个盲区，导致物资的配送工作无法顺利进行，无疑使得救援工作雪上加霜，灾民的生存受到严重威胁。 虽然，中国政府已经清楚在灾害救援中应急管理工作的重要性和必要性，在制定相关的制度法律法规的基础上，逐步建立起一套较为完整的应急救灾预案，但是由于我国对于应急物流的研究以及应急管理工作都处于初级阶段，应急物流体系的不发达不健全，同发达国家比较还有不小的差距，必须全国上下各条战线同心同德努力工作尽快缩小距离，否则我国目前应急物流的巨大成本支出还会居高不下。根据何明柯的研究，低效的应急物流水平会导致死亡人数的增加，导致伤亡成本是有效救援水平的1.5倍以上，可见在灾害救助中快捷高效的应急物流是多么重要。 但是，我国的应急救灾储备数量有限。目前，大部分应急物资来源于社会捐赠，由于捐赠组织繁多，又没有明确的政府导向，对应急物资需求不明确，导致社会捐助物资出现种类的大量重复和时间上的配送供需矛盾，或造成浪费或无法满足需求。更有可能在应急响应初期形成救援真空，没有应急物资及时到达，在后期需求基本满足之后，不再产生新的需求时，救援物资仍源源不断地配送，造成供应过多、浪费严重等问题。其原因一方面在于对救灾区域所需的应急物资需求量估算不准确，导致应急物资的供求不平衡；另一方面在应急哈尔滨工业大学管理学硕士学位论文 -2- 物资的分配上缺乏有领导力地决策支持。因此对于商业和社会捐赠，虽无法实现统一运输，但是可以尽量实现统一的需求调配，即国家可以通过对需求的预测，给出明确的物资需求地点、需求时间和需求数量，对捐赠物资进行统计，统一安排物资调配，这样得到信息的商家或者社会团体可以按照需求运输物资，实现合理安排。 在这样的背景下，本文以一般性大型地震灾害为依托，选取地震灾害应急救援中的应急物资动态需求量作为研究对象，原因是小型地震灾害例如震级在3.0 以下，地震的伤害力较小，一是受灾居民基本保留自救能力，另外道路交通设施破坏程度较小，应急物资需求较少，且容易统计，容易运输。但是对于一般性大型地震，则会造成较大伤亡，国家物资储备不易满足大量的救灾需求，因此需要准确获得需求，为我国的应急救援提供一种有效的动态应急物资需求量预测方法，发动社会救援的力量，提高我国的应急救援物资的的供应水平和效率。 1.1.2 研究的目的和意义 突发性自然灾害发生之后，受灾地区必然会派生出数量巨大、种类颇多的应急物资需求，而应急物资的需求具有多面性，譬如突发性、时间的紧迫性、随机性、事后选择性甚至社会公益性等特点。各种特点使得应急物资需求存在四难：预测难、采购难、调配难、运输难。但是，想要最大限度地减少灾区人员伤亡和财产损失，就必须在灾害发生后在最短的时间内，查看灾情，评估灾害损失，搞清灾害的危害，并预估到次生灾害，预测受灾地区应急物资的动态需求情况，为物流运输和和救灾物资调配提供指导意见，按照应急预案开展的救援工作，以最大限度减少灾害带来的损失。 救灾物资大致可分为食品类、御寒类、医疗用品、机械设备等几大类。由于研究数据的限制，本文主要对灾后灾民每日所需的饮食类和御寒类物品这两类与人口存活数量相关的应急物资的需求量进行估算。用前面每日的数据预测之后每日的数据，给出动态需求量曲线，来指导物资供应调配。避免不需要的物资供应过多，同时可以控制急需物资的数量，减轻物资供应的压力。 实际意义：对于抗震救灾而言，震后七十二小时是死亡人数上升最快的时间，因此要最大程度的保证这段时间内的救援能力，保证物资的充足供应。根据以往的研究，地震死亡人数和受伤人数可以做出大致的估算，应首先根据相关数据初步确定物资需求数量，但是由于救灾物资总量巨大，不可能在第一时间准备充分，全部到达，一般的做法是忽略对数量的精确计算，先运送部分应急物资，首先满足这段时间内受灾人民对于应急物资的需求，即时实施救援。 哈尔滨工业大学管理学硕士学位论文 -3- 然而，随着时间的推移，物理环境的变化，受灾人数的上升使得物资需求量发生变化，物资的运输不能处于无计划状态，要根据物资类型、重要程度和缺货程度不同确定运送数量。因此如果能够预测出每类物资的动态需求，就能统筹兼顾，制定出针对发生灾害所需要的应急物资的品种和数量及其包装、存储、运输、配送的整套救灾物流方案，避免部分物资紧缺而其他物资过剩，在最短的时间内将应急物资合理地分配到灾区。 在实际救援中可以结合使用GIS和GPS技术，通过GPS进行车辆跟踪和导航，确认道路损坏状况，GIS 接受 GPS 数据，将其显示在电子地图上，按照最短距离、最短时间或者最少运营成本等原则，确定最佳路线。同时通过RFID射频技术准确掌握在途物资到达的位置和数量，提供高效物资配送[1][2]。 研究意义：以往的研究都是针对地震灾害物资需求的静态预测，其中不乏对神经网络方法的使用，但是对于物资的动态预测却较为鲜见，尤其是引入时间序列的预测，本文认为地震的物资需求数据前后是有相关关系的，因此可以使用历史数据预测未来的数据，尝试将有时间序列的递归神经网络应用于应急物流动态需求预测。首先由于本身灾害应急物流需求数据较难获得，另外神经网络需要用到的训练数据和预测数据应来自同一个数据集，但本次研究试图将使用一些与待预测案例极为相似的地震中的数据对神经网络进行训练得到的神经网络应用于另一次地震数据预测，对其中涉及到系统泛化能力的问题将做出解释和讨论。 1.2应急物资需求预测国内外研究现状 震后救援信息的获取能力对救援工作的开展有巨大的影响，只有最大程度的满足灾民的需求才有可能提高灾民的存活率。由于救援物资及时性的特点，应急物资的需求量的获取并不能等到事情发生之后再进行统计，而是要提前获知，这就需要根据一定的原则进行提前预测，明确需要准备的资金、物资以及医疗救护人员数量等。 由于人命关天，因此该需求数据不能仅凭主观臆断，也不能仅仅通过定性研究的方法分析影响因素，要通过定量研究的方法对数据作出较为准确的判断。但是由于地震的相关数据缺乏科学统计，难以收集，目前仍有大量的学者将精力投注于参数的设定，这不利于救援研究工作的发展。而定量研究方法则主要集中在应急物资需求量的预测上。 其中回归预测模型就是一种常用的定量预测方法。例如王楠选取了与救灾物资数量相关性大的因素：受灾人口、直接经济损失、受灾面积、灾害强度，建立回归分析模型，然后给出相关变量数据，通过多项式的计算得到所需的物