王庆荣，马辰坤

兰州交通大学 电子与信息工程学院，兰州730070

近年来，频繁的自然灾害给人们的生活带来了巨大的损失。据国际紧急事件数据库（Emergency Events Database，EM-DAT）的国际灾害数据库（International Disaster Database）不完全统计，1994—2013 年，全球地震灾害致死人口占所有因灾死亡人口的55%，约75万人，超过洪涝、飓风、旱灾、火山喷发、火灾、地质灾害等其他灾害致死人口总和，地震灾害造成的经济损失占所有自然灾害经济损失的31%，达到7 870亿美元[1]。虽然人们无法控制灾害的发生，但通过采取有效有力的防灾救灾措施，可以在一定程度上降低自然灾害的损失[2]。因此，如何快速、精确、合理地预测出地震事件发生后应急救援物资的需求量，是当前社会的热点问题。

郭子雪等[3]针对应急物资影响因素的特点，构建确定应急物资需求量的多元模糊回归预测模型；Spencer等[4]采用时间序列模型对灾区物资进行预测；Mohammadi等[5]利用混合智能算法及径向基神经网络相结合的方法，对震后应急物资需求进行预测；胡忠君等[6]采用两步法，建立基于改进GM（1，1）受灾人口数量的应急物资动态需求预测模型进行预测；程琼琼[7]运用BP神经网络的方法来进行预测；朱昌峰等[8]通过引入区间数的概念，提出对案例属性间的相似度进行计算的应急物资预测方法；郭继东等[9]考虑灾区信息贫乏的特点，运用模糊案例推理的方法，建立震后物资需求预测模型。

上述文献从不同角度出发，针对应急物资预测问题进行研究，主要分为三类：第一类，数学算法拟合模型，对物资趋势进行预测；……