李 磊，支 梅，马卫国，曹礼荣，李睿涵，王思维

(1.西安科技大学 安全科学与工程学院，陕西 西安 710054；2.沂水县应急管理局，山东 临沂 276400)

0 引言

近年来，人类面临着大自然带给我们的多重挑战。从2019年四川凉山森林大火、贵州水城特大山体滑坡，到2020年台风“黑格比”侵袭，再到2021年河南特大洪涝灾害，中国的国土板块频繁遭受自然灾害的摧残。随着灾害治理工作的有效推进，自然灾害受灾情况逐年好转，但在应对极端天气时，仍存在各应急救灾物资储备部门不明确“储什么、储多少”的问题。

应急救灾物资保障是统筹发展与安全两件大事，是应急管理体系和能力现代化建设的重要内容，是防范化解重大风险的“稳定器”和“压舱石”。应急救灾物资需求预测是应急物流规划[1]、灾害应急救援的前提和基础，精准预判各类应急救灾物资的需求量，是有效应对突发事件的重要保障。但现阶段，学术界对已有自然灾害应急救灾物资需求预测研究的系统性梳理与分析较少。因此，拟通过可视化分析应急救灾物资需求预测相关研究成果，归纳厘清该领域的研究热点并判明研究趋势，以期为深入推进自然灾害应急救灾物资需求预测研究提供参考。

1 数据获取与可视化分析

1.1 数据获取

在中国知网(CNKI)中，以“应急救灾物资and需求预测”为主题词检索，剔除会议成果、专利后，共获得117篇文献。对存在中英文同义词的关键词进行数据清洗，将“地震应急”“大型地震”“地震应急救援”替换为“地震灾害”，“案例推理”替换为“CBR”，“应急资源”替换为“应急物资”后进行共现分析。具体工作流程如图1所示。

图1 工作流程示意

1.2 关键词可视化

关键词的聚类可较好地反映学者的研究方向[2]。Gephi软件可处理任何能够表示为节点和边的数据，并将数据以图形的形式呈现[3]。在处理大规模网络数据集的同时，既能在节点层面统计分析网络属性，也支持不同主流网络布局算法可视化处理数据集，可直观了解研究热点分布情况。

因此，应用Gephi将排名前26的关键词(见表1)转化为节点，各关键词间的共现关系转化为连线，根据各节点度的大小设置节点尺寸、标签及颜色深度尺寸，绘图时使用“Force Atlas 2”算法聚焦、“Rotate”流程优化布局，得到应急救灾物资需求预测关键词共现可视化，如图2所示。

表1 应急救灾物资需求预测排名前26的关键词

图2 关键词共现可视化

从图2可看出，主要包含GM(1，1)、CBR、BP神经网络3种预测方法及地震、洪涝、台风3类自然灾害；节点颜色深度、标签大小显示：CBR>BP神经网络>GM(1，1)，且CBR与节点应急救灾物资间连线颜色更深，表明应急救灾物资需求研究时，应用CBR方法的学者较多；地震>洪涝>台风，表明学者对地震灾害的研究较多。

2 研究方法分析

初期，学者们大多采用模糊综合评价法[4]、层次分析法[5-6]、多米诺效应分析[7]等经验判断法预测应急救灾物资的需求量，面对自然灾害受灾区域大、伤亡人数多、救援时间长等特征[8]，传统的预测方法已不能满足人们精准预测的要求。因此，拟对常用的3种应急救灾物资需求预测方法展开论述。

2.1 案例推理

案例推理(CBR)是通过探寻与之工况条件相似度较高的匹配案例，修正其解决方案并应用于当前工况的过程。CBR较传统的经验判断法而言，主观性更弱，偏向于以数据挖掘的形式匹配最佳相似案例，是一种基于人工智能的定性定量相结合的预测方法。其关键在于从案例数据库中匹配出最佳相似源案例，基于此，学者从以下3方面深入研究。

一是，优化匹配案例算法角度，以期提升匹配的精准度。刘贾贾[9]等采用熵值法和加权欧式距离求得最佳相似历史案例。SUN[10]等将全局案例相似度细化结构相似度和属性相似度，避免传统最近邻算法中属性缺失的问题。

二是，不断完善关键因素。傅志妍[11]等提取灾区人口和道路面积为关键因素。王兰英[12]等选择震级、受灾面积、受灾人口、地震持续时间和震源深度作为关键因素。在其基础上，郭继东[13]等引入发生时间、城镇化率、经济水平等特征因素，完善目标案例与源案例之间的相似度。

三是，结合模糊变量描述。SHAO[14]等将直觉模糊与案例推理相结合，定义为直觉模糊案例推理(IFCBR)，保障案例检索的精准度。LIU[15]等提出基于案例推理及风险分析的预测方法，预测物资的数量、质量及类型。汪贻生[16]等结合面向对象的案例组织与表示模式、相似案例集检索方法及灰色关联分析，提出最佳相似案例匹配算法。DUAN[17]等建立案例推理和灰色关联分析相结合的模型，用案例推理计算历史案例与目标案例间的相似度矩阵后，再分析二者间的灰色关系。

案例推理方法主要适用于“战时”状态下应对某一突发事件所需应急救灾物资的需求预测，前提是拥有足够多且具有代表性的历史案例。但实际中难以收集到有效的案例，以应对多类、多因素、多指标的突发事件，且现阶段针对案例库存储、分类等方面的研究较为缺乏。

2.2 时间序列预测

时间序列预测通过统计分析过去的时间序列数据，推测出事物的发展趋势，过程中考虑受偶然因素影响产生的随机性，对数据适当处理以消除此类影响，是一种定量的研究方法。目前，常用的时间序列预测包括多元线性回归、BP神经网络、支持向量机等方法。

2.2.1 多元线性回归法

LARRY[18]等依据响应级别和严重程度的匹配程度定义正确及不正确的利用，结合应急设施提供的数据，建立多元回归模型估计对紧急运输服务的需求。郭子雪[19]等引入对称三角模糊数表示影响因素的模糊特征，建立多元模糊线性回归预测模型。结果表明，灾害级别、受灾人口、受灾面积是影响物资需求预测的重要因素。

2.2.2 BP神经网络算法

针对其易陷入局部极小值的缺陷，刘芳[20]、CHEN[21]等提出IACO-BP神经网络算法，分别预测洪涝灾害应急救灾物资、物料状况需求；樊睿[22]运用粒子群优化(PSO)改进BP神经网络，预测六级以上的大型地震应急救灾物资的需求量，结果表明改进后的算法精度和稳定性都有显著提高。针对其过早收敛的缺点，REZA[23]等提出利用遗传算法(GA)生成新体系结构的混合优化，其可根据群体状态调整惯性权重和加速度系数。

2.2.3 支持向量机(SVM)

赵一兵[24]等运用该算法和库存管理理论，构建地震伤亡人数预测模型，对饮食类、御寒类和医药类物资需求量预测。由于其初始参数的选取对预测精度有较大影响，何珊珊[25]等利用遗传算法(GA)优化参数，构建了GA-SVM人员伤亡预测模型。为消除包含误差的数据样本对模型的影响，刘文博[26]提出改进的加权最小二乘支持向量机，对各数据权重予以自适应迭代修正。

该类方法主要用于“平时”应急救灾物资储备管理，可根据不同区域易发灾害的历史数据预测不同类型应急救灾物资的需求，未考虑外界变化的可能性。当遇到外界发生较大变化，往往会有较大偏差，适用于长期预测。

2.3 灰色预测模型

灰色预测模型是通过少量的、不完全信息，建立数学模型以估算应急救灾物资需求量的一种预测方法。所需建模信息少、运算方便、精度高，适用于“小样本、贫信息”系统[27]的建模预测，广泛应用于多种预测领域[28]。

GM(1，1)是灰色预测理论最基本的模型[29-31]，但忽略了未来信息对模型预测精度的影响。胡忠君[32]、李丽丽[33]等引入新陈代谢的思想，将预测得出的结果重新带入模型中，构建GM(1，1)动态预测模型。LIU[34]等考虑信息的不同背景与差异，在灰数与白化权函数模糊条件下，提出定义为“区间灰数核”的计算方法。曾波[35]等基于“核”和“灰度”规范化处理数据，建立灰色异构数据“核”序列的DGM(1，1)模型，预测地震帐篷的需求量。王正新[36]等应用Fourier描述模型残差的周期性振荡信息，建立Fourier-GM(1，1)模型预测森林火灾扑火经费。

现实世界中普遍存在小样本、信息边界模糊的数据，为模型构建提供了丰富的数据资源。但该模型只能反映系统发展的大致趋势，并不能精确预测未来的数值[37]，仍需不断提升模型预测精度，以应对各类突发事件应急救灾物资的需求预测。

结合上述研究成果，发现各类预测方法均在一定程度上满足了物资需求。但现实情境下，受灾区及需求信息是不断更新的，如何根据信息的不确定性和动态性，制定出不同类别不同时间段应急各物资动态需求预测方法，是今后应急救灾物资需求预测的研究重点。

3 研究对象分析

我国地形地势、区域灾害情况复杂，是世界上自然灾害最多的国家之一[38]，以洪涝、地质、风雹、台风灾害为主[39]。基于CNKI平台获取2006—2020年地震、洪涝、台风3类灾害研究成果，数量统计数据，如图3所示。

图3 2006—2020年自然灾害CNKI成果数量统计

由图3可知，一方面，随时间的推移，地震灾害成果数量呈逐步下降、小幅度上涨；洪涝灾害呈逐步上升；台风灾害呈平稳状态的变化特征。另一方面，自然灾害的研究较多，但应急救灾物资需求预测占较少。

3.1 自然灾害成果数量分析

地震、洪涝、台风灾害成果平均1 100篇/年、1 158篇/年、105篇/年，分别占3类灾害平均年发篇量的44%、51%和5%。地震灾前研究集中在应急救援演练[40]、震害预测[41]、应急预案[42]等；灾后主要探究次生灾害[43]及发生规律及特征[44]等；洪涝研究集中于应用历史灾情[45-46]、指标体系[47]、情景模拟[48-49]等方法评估风险；台风灾害以风险评估[50-51]、应急策略[52-55]等研究为主。3类自然灾害指标统计，如图4所示。

图4 自然灾害指标统计

3.2 应急救灾物资需求预测分析

地震灾害应急救灾物资需求预测相关文献共41篇，多以汶川地震[56]、玉树地震[57]等实例为研究对象，分析受灾人口、持续时间等对物资需求的影响。洪涝灾害相关文献共8篇，大多是采用灰色新陈代谢马尔科夫[58]、GM(1，1)及优化BP神经网络等方法预测物资需求量。台风灾害相关文献较少，仅6篇，多以浙江[59]、福建[60]等地区或台风“彩虹”[61]等事件为研究对象，考虑台风登陆时间、降雨量等因素预测应急救灾物资需求量。

4 文献来源分析

为了解现阶段应急救灾物资需求预测领域研究情况，统计并分析获取的117篇相关文献来源，共涉及50所高校硕博士论文、67家期刊机构。载文量超过2篇文献来源统计，如图5所示。

由图5可知，笔者将文献来源划分为高校及期刊2类，包括兰州交通大学、北京交通大学、南京航空航天大学等全国重点高校，中国安全科学学报、灾害学等高质量科技期刊。科研水平作为衡量高校含金量的重要指标，使得各高校科研始终聚焦前沿。侧面反映出应急救灾物资需求预测是当前高校的重要研究课题。对各期刊合作单位或高校机构模块化聚类可视化分析，如图6所示。

图5 应急救灾物资需求预测文献来源统计

图6中蓝色、紫色、红色模块分别表明西安交通大学管理学院与中国管理科学；武汉理工大学、兰州交通大学交通运输学院与中国安全科学学报；中国石油大学(华东)与中国安全生产科学技术、重庆工商大学与物流科技等高校与期刊间存在密切合作，同时涵盖经济与管理、轨道交通、物流、计算机与信息等多领域。同时，进一步了验证上述结论，即应急救灾物资需求预测是当前高校科研关注的前沿领域，也是多学科融合的交叉领域。

图6 期刊合作可视化分析

5 需求预测发展方向

近几年，我国极端天气频发，将灾害治理“关口前移”，才能更好地应对自然灾害。当前我国应急救灾物资储备存在储备方式单一、储备量不合理等诸多问题[62]，但随着信息技术的快速发展，解决应急救灾物资储备问题越来越具可能性。未来自然灾害应急救灾物资需求预测研究的发展方向如下。

应对不同需求采取差异化的预测方法。对于某市或某区年度应急救灾物资储备计划等长期预测，可选用时间序列预测各类应急救灾物资的需求量，为相关部门物资储备提供理论参考；对灾后一天或几天内物资的需求等短期预测，可选用灰色模型预测保障人民生命财产安全类物资的需求量，为应对某一突发事件提供物资保障。

应用百度大数据和多层感知[63]、隐喻地图[64]、ArcGIS空间分析[65]、网格治理[66]、云网格[67]等方法，评估研究区域风险，按照不同等级的区域划分结果，预测各类应急救灾物资需求量。同时可考虑受灾区域的人口规模，包括各年龄段的人口比例、人均需求量等，不断完善应急救灾物资需求预测领域的研究。

间接预测应急救灾物资需求量时，多以伤亡人数、受灾人数为中间桥梁。实际救援中，应考虑不同中间量与不同种类应急救灾物资间的作用关系。具体体现为，受灾人口与生活保障类、临时住宿类；受伤人口与医药类；受灾面积与抢险救灾类应急救灾物资间的关系，结合安全库存理论间接预测各类物资的需求量。

6 结论

1)应急救灾物资需求预测以案例推理、时间序列预测和灰色预测模型3类方法为主，目前以多种预测方法相结合的研究形式较多。

2)地震灾害研究成果数量呈逐步下降、小幅度上涨趋势；洪涝灾害呈逐步上升趋势；台风灾害呈平稳状态的变化特征，但应急救灾物资需求预测相关研究成果数量较少。

3)应急救灾物资需求预测是当前高校科研的前沿领域，也是集管理、交通、物流、计算机等多学科融合的交叉领域。