蒋红梅

摘 要：为了研究渠县的洪灾等级，在综合考虑渠县经济和受灾情况的基础上，针对渠县5次特大洪灾，从经济损失、农作物受灾情况、受灾人口、死亡人口、失踪人口和房屋倒塌情况6个方面构建评价指标，先对原始数据进行无量钢化处理，再应用接近性关联模型确定洪灾灾情与极重灾的接近程度，计算渠县的洪灾灾情的关联度，最后确定渠县的洪灾灾情等级。通过实际分析，评价结果与渠县的实际灾情比较相符，能为渠县洪灾灾情等级的综合评价提供依据。

关键词：接近性灰色关联度 洪灾 灾情等级 评价体系

中图分类号：O22 文献标识码：A 文章编号：1674-098X（2015）06（c）-0052-02

Research on Quxians Floods Evaluation Rating Based on Proximity Grey Correlation Analysis

Jiang Hongmei

（Department of Mathematics and Finance-Economics， Sichuan University of Arts and Science， Dazhou Sichuan，635000，China）

Abstract：In order to investigate Quxians floods rating ，This paper constructs an evaluation system about the economic loss， crops disaster， affected population， number of dead and missing and housing collapse based on Quxians economy and disaster situation for five floods. The raw data is processed to dimensionless firstly .Then， the proximity grey correlation model is applied to determine the degree of proximity and then compute the correlation degree， so to determine the annual flood grade lastly. The result shows that our conclusion is consistent with the actual disaster fact through analysing， and thus provides the basis for comprehensive evaluation of local flood level.

Key Words：Proximity of Grey Correlation Degree； floods； Flood Grade； Evaluation Ssystem

在自然灾害研究中，许多学者应用灰色理论[1]评估灾害性天气[2]、暴雨灾害 [3]等，其评价结果与实际灾情比较符合。为了定性地评估洪水灾情，国内学者采用灾度判别[4]、神经网络法[5]、投影寻踪模型及混沌文化粒子群算法[6-7]等评估模型综合评价洪灾的受灾程度。渠县地处四川盆地东部，属地质灾害多发易发地带。仅2004-2011年，渠县共发生5次特大洪灾，并呈逐年上升、多发、易发态势，全县工业、农业、道路和通讯等损失严重，阻碍了该县的经济发展。基于渠县洪灾的多发性和不确定性，该文利用接近性关联模型[8]确定洪灾灾情与极重灾的关联程度，并对渠县历次特大洪灾情况进行定量的灾情等级评价。

1 数据采集和评估指标

1.1 数据采集

以渠县2004—2011年发生的5次特大洪灾受损情况为研究对象，通过市县救灾办、四川新闻网收集相关数据，详细数据见表1。

1.2 评估指标

针对渠县洪水灾害损失的实际情况，从6个方面构建评估指标。

（1）直接经济损失（万元）：因洪水灾害导致的直接经济损失。

（2）受灾人口（人）：因洪水灾害导致的受灾人口。

（3）农作物受灾面积（公顷）：因洪水淹没的农作物面积。

（4）房屋倒塌（间）：因洪灾导致的房屋倒塌数。

（5）死亡人口（人）：由洪水灾害导致的死亡人口。

（6）失踪人口（人）：由洪水灾害导致的失踪人口。

根据上述指标，结合渠县的经济及人口密度的特点，将洪灾损失等级分为极重灾、重灾、中灾、小灾、微灾5个等级。

2 灰色关联分析的评价过程

灰色关联分析的基本思路是先确定参考数据序列和比较数据序列，将原始观测数进行无量纲化处理，然后计算关联度，根据关联度的大小判断参考序列和比较序列之间的相似程度。灰色关联度分为接近性关联度和相似性关联度，接近性关联度用于评价两个序列在空间中的接近程度，如果两个数据序列的变化趋势越接近，则说明两个序列的关联度较大，否则它们之间的关联度较小。

2.1 接近性灰色关联度模型

无量纲化处理原始数据后得到比较数列，参考数列为利用接近性关联度判断比较数列和参考数列之间的接近程度，其一般步骤为：

第一步，求，（）

第二步，按接近性关联度公式：，计算两个序列间的关联度。通过关联度测度序列的大小关系，可以判断洪灾灾情与极重灾的接近情况。如果关联度越大，则说明洪灾灾情与极重灾更接近。

通过关联度的数值确定洪灾的灾情等级。如果关联度的数值越大，则说明洪灾灾害越严重。根据关联度划分渠县洪灾灾情等级的评价标准，见表2。

2.2 接近性灰色关联分析模型的建立和评价

根据渠县2004-2011年5次特大洪灾受损情况，以每次洪灾的6个评价指标数据构成比较数列，参考数列为极重灾的指标数据。接近性灰色关联分析模型的建立步骤一般为：首先，利用转换函数无量纲化处理原始数据，然后利用关联模型计算关联度，最后利用评价标准评价洪灾风险等级。

根据实际数据情况，我们给出相应的转换函数：

利用转换函数无量纲化处理表1的数据，得表3。此时比较序列为，参考序列为，其中U0是各项指标的数值皆为1，属于标准的极重灾。

由，，计算接近性关联度，见表4.

3 结论

由表4知，在5次特大洪灾中，除2005年“7.8”洪灾是小灾外，其他4次洪灾均为中灾，这与渠县实际遭受洪灾情况相符合。1990-2003年渠县最高洪峰不超过15 m，而2011年9月18最高洪峰25.36 m，洪灾一年比一年凶猛。2004年整个达州地区遭受百年不遇的“9.3”特大暴雨洪涝灾害，由于洪灾来势凶猛，渠县受到源发性和次生性洪灾的影响致使洪灾损失严重；2005年“7.8”洪灾中宣汉受灾最重，渠县主要是次生性灾害。后三次洪灾与2004年相比较灾情后果稍轻，原因在于总结抗洪经验，在特大暴雨来临前，采取多部门联动预警机制，加强监测地质灾害点和防汛隐患点，加强渠江流域的综合治理，但由于雨量大、降雨密集度强等原因致使洪灾损失严重。由此可见，应用接近性灰色关联度评估渠县洪灾灾情，是一种可行的洪灾灾害评估方法，其评估结果与实际灾情基本一致。

参考文献

[1] 刘思峰，党耀国，方志耕等.灰色系统理论及其应用[M].北京：科学出版社，2010.

[2] 魏海宁，周伟灿，刘佳音.灰色关联度方法在灾害性天气评估中的应用研究[J].安徽农业科学，2011，39（2）：976-980.

[3] 吴哲红，陈贞宏，叶帮，等.基于灰色关联度的暴雨事件灾害评估和预评估方法[J].贵州气象，2011，6（35）：6-9.

[4] 于庆东.灾度等级判别方法的局限性及其改进[J].自然灾害学报，1974，23（9）：881-890.

[5] 崔东文.基于人工神经网络与主成分分析法的洪灾评估—以文山州1990～2007年洪灾评估为例[J].水资源研究，2011，32（2）：37-39.

[6] 高立群，李丹，王珂.基于决策者偏好投影寻踪模型的多属性决策法[J].系统仿真学报，2007，19（24）：5751-5755.

[7] 卢有麟，周建中，宋利祥.基于CCPSO及PP模型的洪灾评估方法及其仿真应用[J].系统仿真学报，2010，22（2）：383-387.

[8] 魏勇.指标相关程度与模式接近程度不容混淆[C]//灰色系统及其应用.灰色系统理论及其应用学术会议论文集.北京：中国高等科学技术中心，2006：116-123.