CN116029598A

CN116029598A - 一种城市洪涝灾害适灾韧性的评估方法、装置及应用

Info

Publication number: CN116029598A
Application number: CN202310030904.8A
Authority: CN
Inventors: 郁强; 黄圣威; 杨彬
Original assignee: CCI China Co Ltd
Current assignee: CCI China Co Ltd
Priority date: 2023-01-10
Filing date: 2023-01-10
Publication date: 2023-04-28

Abstract

本发明提供一种城市洪涝灾害适灾韧性评估方法、装置及应用，先通过构建目标城市的洪涝灾害适灾韧性的指标体系，且在指标体系中设置不同评价维度下的至少一评估指标，通过ANP网络层次分析法和熵权法确定每个评估指标的主客观权重，再通过极差最大化组合赋权法综合每个评估指标的主客观权重得到每一评估指标的组合权重，获取目标城市的每一评估指标的至少一当前评估指标分，并根据每一评估指标的组合权重加权计算得到每一评估指标的至少一指标观测数据，并基于所有评估指标的指标观测数据利用TOPSIS法得到目标城市的洪涝灾害适灾韧性，可以提高城市洪涝灾害适灾韧性水平的准确客观的评估。

Description

一种城市洪涝灾害适灾韧性的评估方法、装置及应用

技术领域

本发明属于城市洪涝灾害适灾韧性评估方法领域，尤其涉及一种城市洪涝灾害适灾韧性评估方法、装置及应用。

背景技术

城市适灾韧性(urban resilience of disaster)，其具体含义为“城市系统及其居民在灾害的各种冲击和压力下保持正常运作，且积极适应并转型可持续发展的可量化和可评估的能力”。

城市适灾韧性根据其功能不同可以划分为结构适灾韧性、过程适灾韧性和系统适灾韧性。过程适灾韧性可以理解为抵抗、恢复与适应三个阶段。抵抗表示为城市系统可以吸收外部冲击的负面影响，保证城市基本功能运转；恢复表示外部冲击发生后，城市系统可以迅速恢复到期望状态，即原状态或者新状态。适应阶段指城市系统经受过外部冲击后自觉或被迫改变城市发展模式与结构特征，从而更好的应对外部冲击，这三者之间彼此联系相互影响。

而城市洪涝适灾韧性可以高效应对洪涝灾害冲击和扰动产生的不确定性，从而有针对性进行城市洪涝灾害的预防与治理，因此是提高城市适灾韧性的有效途径。城市洪涝灾害适灾韧性评估重点在于指标体系的确定以及危险因素的分析，毫不夸张地说，指标体系的确定以及危险因素的分析是整个评估工作的前提与基础。

由于城市洪涝灾害适灾韧性暂无公认定义，目前发现的多种综合评估指标权重确定方法，大致可分为主观赋权法和客观赋权法两大类，其中，主观赋权法主要包括专家调查法(德尔菲法)、层次分析法和模糊综合评价法，主观赋权法主要是由专家根据自身的知识、经验判断，通过调查研究判断各评估指标的相对重要程度，从而对整个城市洪涝灾害适灾韧性进行判断。客观赋权法包括熵权法、标准离差法、TOPSIS法等，这些方法依赖于实测数据，运用一定的计算方法，可以避免主观赋权法赋权可能存在赋权随意的弊端。但这两种方案都只是对城市洪涝灾害适灾韧性的一方面来进行判断，主观赋权法在判断时往往会缺少实际数据的检测，从而导致城市洪涝灾害适灾韧性的评价缺少真实数据作为支撑影响到最终的韧性判断；而客观赋权法在判断时注重实际数据但缺少了专家的评判和各评估指标对实际城市洪涝灾害适灾韧性重要程度的判断，从而导致在对城市洪涝灾害适灾韧性的判断中缺少了主观因素而影响到最终的韧性判断。

评估指标权重的大小应该看实际问题的政策导向。从这一方面讲，评估指标的主观权重就更加符合评价主体的主观意愿，也更加重要一些。但是在某些特殊情况下，城市洪涝灾害适灾韧性的评估指标评价的一个最重要的应用就是被评价的评估指标的有效区分。为了突出被评估指标之间的区分度，有时主观权重是必需的，有时客观权重是必需的，有时主客观权重的组合也是必需的。

因此，亟需一种可以将主客观权重相结合的城市洪涝灾害适灾韧性的评估和预测的方法。

发明内容

本申请实施例提供了一种城市洪涝灾害适灾韧性评估方法、装置及应用，通过对城市洪涝灾害适灾韧性的不同评估指标进行主客观权重的组合赋权形成新的组合权重，通过TOPSIS优劣解距离法模型评估城市洪涝灾害适灾韧性；且还可以通过经过优化的暴露-敏感-适应性的系统分析框架和GWR地理加权回归计算，对城市洪涝灾害适灾韧性进行预测。

第一方面，本申请实施例提供了一种城市洪涝灾害适灾韧性评估方法，其步骤为：构建评估目标城市的洪涝灾害适灾韧性的指标体系，其中所述指标体系包括不同评价维度的至少一评估指标；

获取针对同一评价维度下不同评估指标之间的主观影响评分，利用ANP网络层次分析法基于所述主观影响评分对所述指标体系进行处理得到每一评估指标的主观权重；

获取目标城市的评估指数的至少一组历史评估指标分，利用所述历史评估指标分基于熵权法评估每一评估指标的客观权重；

基于每一评估指标的客观权重和主观权重利用极差最大值组合赋权法计算每一评估指标的组合权重；

获取目标城市的每一评估指标的至少一当前评估指标分，每一评估指标的组合权重加权计算对应的至少一所述当前评估指标分数得到每一评估指标的至少一指标观测数据，基于所有评估指标的指标观测数据利用TOPSIS法得到目标城市的洪涝灾害适灾韧性。

第二方面，本申请实施例提供了一种城市洪涝灾害适灾韧性评估方法的装置，包括：

获取装置：用于获取目标城市的洪涝灾害适灾韧性的指标体系，用于获取所述指标体系包括不同评价维度的至少一评估指标，用于获取针对同一评价维度下不同评估指标之间的主观影响评分，用于获取目标城市的评估指标的至少一组历史评估指标分，用于获取目标城市的每一评估指数的至少一当前评估指标分，用于获取每一评估指标的至少一指标观测数据；

计算装置：用于利用ANP网络层次分析法基于所述主观影响评分对所述指标体系进行处理得到每一评估指标的主观权重，用于基于熵权法评估所有评估指标的所述历史评估指标分得到每一评估指标的客观权重，用于基于每一评估指标的客观权重和主观权重利用极差最大化组合赋权法计算每一评估指标的组合权重用于基于所有评估指标的指标观测数据利用TOPSIS法得到目标城市的洪涝灾害适灾韧性；

评估装置：基于所有所述评估指标的指标观测数据，评估目标城市的城市洪涝灾害适灾韧性。

第三方面，本申请实施例提供了一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行一种城市洪涝灾害适灾韧性评估方法。

第四方面，本申请实施例提供了一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括一种城市洪涝灾害适灾韧性评估方法。

本发明的主要贡献和创新点如下：

本发明通过极差最大值赋权法对城市洪涝灾害适灾韧性中不同评估指标的主客观权重进行整合，生成单个评估指标新的组合权重，使得在评估城市洪涝灾害适灾韧性时不仅避免了主观赋权法赋权可能存在赋权随意的弊端，也避免了在客观赋权法赋权时不考虑实际情况的错误发生，提高了评价模型的准确性和可解释性。

本发明采用了TOPSIS优劣解距离法模型，通过TOPSIS优劣解距离法可以将本方案中所选取的不同的评估指标方案同最优理想解和最劣负理想解之间的距离进行对比分析，通过对比分析得到可执行方案的优劣排序，并通过优劣排序结果来最终确定适应于目标城市的洪涝灾害适灾韧性系统。

本发明通过建立优化后暴露-敏感-适应性的系统分析框架与空间分析模型，并利用GWR地理加权回归对城市洪涝灾害适灾韧性评估方法计算得到的目标城市的洪涝灾害适灾韧性进行计算得到计算结果，基于得到的计算结果对城市洪涝灾害适灾韧性模型进行预测，从而可以快速预判目标城市和相邻区域内未来时间段内发生洪涝灾害的风险。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种城市洪涝灾害适灾韧性评估方法的流程图；

图2是根据本申请一具体实施例的长江流域城市洪涝灾害适灾韧性空间分异图；

图3是根据本申请实施例的城市洪涝灾害适灾韧性评估装置的结构示意图；

图4是根据本申请实施例的电子装置的硬件结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。

需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。

本方案提供了一种城市洪涝灾害适灾韧性评估方法，包括以下步骤：

构建评估目标城市的洪涝灾害适灾韧性的指标体系，其中所述指标体系包括不同评价维度的至少一评估指标；

具体地，在“构建评估目标城市的洪涝灾害适灾韧性的指标体系，其中所述指标体系包括不同评价维度的至少一评估指标”步骤中，所述评估指标涵盖不同评价维度，在一具体实施例中，评估指标包括对应不同评价维度的一级评估指标以及对应所述一级评估指标的至少一二级评估指标。所述二级评估指标可以正相关于对应的所述一级评估指标，也可以负相关于所对应的所述一级评估指标。

在“获取针对同一评价维度下不同评估指标之间的主观影响评分”步骤中，获取专家或者相关人员针对同一评价维度下不同评估指标之间的主观影响评分。示例性的，人均公园绿地面积对城市人均耗水量而言的主观影响评分为80分。

具体地，在“利用ANP网络层次分析法基于所述主观影响评分对所述指标体系进行处理得到每一评估指标的主观权重”步骤中，基于主观影响评分将所述指标体系构建成控制层和网络层，其中控制层包括定义决策目标的目标层和定义决策准则的准则层，所述准则层对应不同评价维度；其中所述网络层为同一评价维度下存在相互影响关系的评估指标组成的网络结构，所述网络结构内定义每一评估指标的主观权重。

所述控制层中的所述目标层定义决策目标，在本方案的一实施例中，所述目标层为城市洪涝灾害适灾韧性，所述准则层定义决策准则，在本方案的一实施例中，所述准则层对应不同评价维度或一级评估指标。

所述网络层内定义决策指标，在本方案的一实施例中，所述网络层内的决策指标对应每一评价维度下的评估指标或一级评估指标下的二级评估指标。

进一步地，在一些实施例中，所述网络层用图形形式和矩阵形式两种模式来进行表征，所述图形形式定性表示同一准则层下内各个评估指标之间的相互影响关系以及反馈影响，所述矩阵形式定量表示同一准则层下指标层内各个评估指标之间的影响程度作为每一评估指标的主观权重。

具体的，所述网络层的构建过程如下：

以概率为主准则，基于所述主观影响评分以每一一级评估指标为次准则计算一级评估指标下的二级评估指标相对于当前的次准则的影响程度，并基于所述影响程度构建当前次准则下的超矩阵；

以概率为主准则，基于所述主观影响评分以当前一级评估指标下的二级评估指标为次准则对所有二级评估指标进行比较判断后构建当前次准则下的权矩阵；

将不同次准则下的所述超矩阵和对应的所述权矩阵进行加权处理后得到的加权超矩阵，其中所述加权超矩阵的列向量元素为不同二级评估指标对该列的次准则对应的一级评估指标的影响程度，将所述加权超矩阵作为所述网络层的矩阵形式。

具体地，在本方案的一具体实施例中，所述网络层的构建具体步骤为：

a、建立超矩阵。建立以概率为主准则，基于主观影响评分以每一一级评估指标为次准则计算所述一级评估指标下的所有二级评估指标相对于当前的次准则的影响程度，并基于所述影响程度构建当前次准则的超矩阵，汇总所有次准则的超矩阵得到式(1)所示。

其中W_ij表示所选取的第j个一级评估指标下的第i个二级评估指标对当前的一级评估指标的影响程度，W_ij的列向量是由一个一级评估指标作为次准则，计算所述一级评估指标下的二级评估指标相对于当前次准则的影响程度，进行比较判断得到判断矩阵的特征向量。

b、建立权矩阵。以概率为主准则，基于主观影响评分以当前一级评估指标下的二级评估指标为次准则对所有二级评估指标进行比较判断，并计算特征向量，依次以不同的一级评估指标为次准则进行判断比较后得到所述权矩阵如式(2)所示：

其中a_ij指的是第i个二级评估指标与相同评价维度下的其他二级评估指标的比较值，其中j表示的是同一评价维度下的其他二级评估指标的数量

c、建立加权超矩阵并求解。将所述超矩阵按式(3)方式进行加权即可得到加权超矩阵，加权超矩阵中的列向量元素大小即为相对应的二级评估指标对于此列上的一级评估指标影响的大小，若某一个二级评估指标对此所述一级评估指标没有影响，则对应的值为零，此时可利用幂法或其他方法对加权超矩阵进行相对排序向量的求解，最后得到的排序向量就是各一级评估指标在概率准则下的权重。

d、计算多准则适灾韧性因素权重。依次以不同的一级评估指标为次准则按照第(2)步进行权重向量求解，然后以第(1)步中所求得的权重对各单准则的一级评估指标的权重进行合成，可得到各一级评估指标在城市洪涝灾害适灾韧性系统中的权重大小排序。

具体地，在“获取目标城市的评估指数的至少一组历史评估指标分，利用所述历史评估指标分基于熵权法评估每一评估指标的客观权重”步骤中，所述历史评估指标分的获取途径包括但不限于目标城市的城市治理与城市韧性相关文献、《安全韧性城市评价指南》等，所述历史评估指标分指的是历史时间的当前评估指标的得分。

熵是描述系统内存在混乱程度的函数，熵值常常被运用定量分析研究中，使用熵来衡量测算数据在系统中的权重大小的方法即是熵权法。熵权法能客观地对各评估指标进行赋权。也就是通过测算每个评估指标的数值在系统中的熵值大小来确定该评估指标的权重，其内涵是根据该评估指标的数值在系统中与其他评估指标的数值之间的差异程度来反映当前评估指标的影响权重的大小，得出的熵值越大，意味着该评估指标对整体评价的影响程度越大。熵权法是一种较为客观的指标赋权方法，能剔除以往人为赋权的主观干扰因素，使评价结果更加科学客观。

进一步地，所述熵权法的计算方法为：

假如在一个城市洪涝灾害适灾韧性系统中有m种不同的一级评估指标，且每种一级评估指标出现的概率记为P_i(i＝1，2，…，m)时，那么就可以把所述城市洪涝灾害适灾韧性系统的熵定义为：

也就是说，在一个城市洪涝灾害适灾韧性系统中如果每种一级评估指标出现的概率是相等的，且当每种一级评估指标出现的概率记为P_i＝1/m时(其中i＝1，2，…，m)，则熵值e会达到它的极值状态，达到最大值，即表示为：e_max＝ln m。

现在假设存在有m个一级评估指标，每个一级评估指标下有n个二级评估指标，则可以用一个原始矩阵R来表达R＝(r_ij)_m*n。对应于一级评估指标中的第j个二级评估指标r_j来说，就会有如下的熵值：

公式(5)和(6)中的p_ij代表第i个一级评估指标下的第j个二级评估指标出现的概率。

从公式(5)和公式(6)中可以看出：如果r_j计算出来的熵值e_j比较小，那么就表示这个二级评估指标r_j的波动范围比较大，则这个二级评估指标r_j所承载的价值就比较大，那么这个二级评估指标在相对应的一级评估指标中的权重就会比较大；反之，权重应该越小。

在“获取目标城市的评估指数的至少一组历史评估指标分，利用所述历史评估指标分基于熵权法评估每一评估指标的客观权重”步骤中，对正向影响的评估指标的历史评估指标分以及负向影响的评估指标的历史评估指标分进行标准化处理得到历史标准指标分，将每一评估指标的历史标准指标分求和后同所有评估指标的历史标准指标分做商得到当前评估指标的比重，基于当前评估指标的比重计算当前评估指标的熵值，并综合所有当前评估指标的熵值计算每一评估指标的客观权重。

值得一提的是，若不同评估指标对应不同评估维度的话，则将每一评估指标的历史标准指标分求和后同同一评价维度下的所有评估指标的历史标准指标分做商得到当前评估指标的比重，基于当前评估指标的比重计算当前评估指标的熵值。

具体的：

(1)数据的标准化处理。为了避免不同评估指标的历史评估指标分存在量纲的差异而对最终的测算结果产生影响，因此首先需要对历史评估指标分进行处理得到标准化的数据。具体地，在本方案的一实施例中，获取的所述历史评估指标分对评估指标有正向影响或负向影响，因此需要先对获取的所述历史评估指标分进行标准化处理，具体地处理方式如下式所示。

对于正向的历史评估指标分，需要按照以下公式进行调整：

其中x_ij指的是获取的历史评估指标分，v_ij为标准化后的历史标准指标分。

对于负向的历史评估指标分，我们需要按照以下公式进行调整：

本方案经过式(7)和式(8)的处理后，得到标准化的历史标准指标分。

(2)计算各评估指标的熵值。设e_j为第j个评估指标的熵值，则熵值e_j的计算公式如下：

公式(9)中的a_ij表示为第i个一级评估指标下第j个二级评估指标特征的比重，x_ij为第i个二级评估指标中第j个历史评估指标分(i＝1,2，…，n；j＝1，2，…，m)，为第j项一级评估指标下所有历史评估指标分之和，其中lnm中m指的是历史评估指标分的数量，通过式(9)可以计算得到当前评估指标的比重，通过式(10)计算可得到当前评估指标的熵值。

(3)计算各评估指标的客观权重。设W_j为第j个评估指标的客观权重，则客观权重W_j的计算公式如下：

上式中，e_j为第j个评估指标的熵值，1-e_j表示第j项评估指标的差异系数，所述差异系数越大，则相对应的评估指标反映的信息量越大，应赋予对应的评估指标更大的权重，通过式(11)计算可得到各个评估指标的客观权重。

至此，利用所述历史评估指标分并基于熵权法评估每一评估指标的客观权重的步骤结束。

具体地，在“基于每一评估指标的客观权重和主观权重利用极差最大值组合赋权法计算每一评估指标的组合权重”步骤中，基于每一评估指标的客观权重和主观权重确定当前每一评估指标的组合权重的合理取值区间，基于所述组合权重的合理取值区间确定每一评估指标的差分值，所述差分值最大的评估指标作为目标函数，并以所述合理取值区间为约束条件计算评估指标的组合权重。

所述极差最大值组合赋权法是一种以单个评估指标为组合单位的主客观组合赋权方法。

所述组合赋权方法主要步骤是：基于所述ANP网络层次分析法和所述熵权法计算每一评估指标的主观权重和客观权重；基于所述主观权重和所述客观权重确定每一所述评估指标的组合权重的合理取值区间；基于所述组合权重的合理取值区间确定每一评估指标的差分值，所述差分值最大的评估指标作为目标函数；基于所述目标函数和所述合理取值区间为约束条件计算得到评估指标的组合权重。

进一步地，所述极差最大值组合赋权法的具体组合赋权方法为：

(1)组合权重的合理区间确定：

为了确定组合权重的合理区间，现给出如下三个定义。

定义1：若第j个评估指标的组合权重θ_j落在主观权重或者客观权重的δ领域里，即说明该所述评估指标的组合权重θ_j兼顾了主观权重或客观权重的权重信息，δ越小，则所述评估指标的组合权重θ_j兼顾性越好。

定义2：若第j个评估指标的组合权重θ_j既落在主观权重的δ领域，又落在客观权重的δ领域，则说明该所述评估指标的组合权重同时兼顾了主客观权重的权重信息。

定义3：假设则第j个评估指标的组合权重θ_j的合理区间为为第j个评估指标的组合权重的上界，为第j个评估指标的组合权重的下界。其中和的计算方式如下：

其中定义1和定义2中的代表的是前置条件，所述前置条件用于定义评估指标的组合权重的取值空间。

关于定义3中的评估指标的组合合理区间的说明：合理区间的确定方法为：根据定义1和定义2可知，第i种赋权方法下第i个评估指标的组合权重α_ij的δ_j的临域，临域是需要通过比较不同的赋权方法的权重计算得出的，范围越小越好，可以参考定义描述内容，【α_ij-δ_j，α_ij+δ_j】即为α_ij的合理范围。当第j个评估指标有n个对应的组合权重时，则也有n个所述评估指标的组合合理区间，即：【α_1j-δ_j，α_1j+δ_j】，【α_2j-δ_j，α_2j+δ_j】，···，【α_nj-δ_j，α_nj+δ_j】。n个组合合理区间的“交集”代表了所述评估指标的组合合理区间。则当时，第j个评估指标的组合权重θ_j的合理区间为

也就是说，在“基于每一评估指标的客观权重和主观权重确定当前评估指标的组合权重的合理取值区间”步骤中，获取每一评估指标的设定临域，并计算当前评估指标的多组客观权重同设定临域组成的第一取值区间，以及当前评估指标的多组主观权重同设定临域组成的第二取值区间，取第一取值区间和第二取值区间的交集作为合理取值区间。

(2)极差最大化组合赋权优化模型

首先确定目标函数，并基于所述目标函数和所述评估指标的组合权重的合理取值区间为约束条件建立优化模型。

目标函数：基于所述组合权重的合理取值区间确定每一评估指标的差分值，所述差分值最大的为目标函数。目标函数的计算步骤如下：

首先，对正负向的评估指标进行标准化处理，对所述正负向的评估指标进行标准化处理的方式如式(7)和式(8)所示。

然后，如公式(14)所示，计算m个一级评估指标下的k个二级评估指标的标准化矩阵X，如公式(15)所示基于标准化矩阵X得到综合评价公式结果Z，其中综合评价公式结果的均值为综合评价结果的方差如公式(16)所示：

对综合评价结果的方差提取最大值得到最终所需的评价结果的方差，如公式(17)所示：

公式(8)是对约束条件的说明，其中x_mk为第m个一级评估指标下的第k个二级评估指标，X为标准化矩阵，Z为综合评价公式结果，θ代表的是评估指标的组合权重，公式(18)表示约束条件，所有的评估指标的组合权重之和为1。

至此，基于每一评估指标的客观权重和主观权重利用极差最大值组合赋权法计算每一评估指标的组合权重步骤完成。

具体地，在“获取目标城市的每一评估指标的至少一当前评估指标分，每一评估指标的组合权重加权计算对应的至少一所述当前评估指标分数得到每一评估指标的至少一指标观测数据”步骤中，所述指标观测数据通过整合所述目标城市每一评估指标的当前评估指标分得到，所述指标观测数据可以用来反应当前阶段所述目标城市的每一评估指标的评估分值。

具体地，在“基于所有评估指标的指标观测数据利用TOPSIS法得到所述目标城市的洪涝灾害适灾韧性”步骤中，所述TOPSIS法是综合权重TOPSIS法。TOPSIS法的关键思想是定义决策问题的最优理想解和最劣负理想解，再将评价方案分别与理想解、负理想解之间的距离进行对比分析，最后计算出各个方案与理想解之间的相对贴近程度，进行方案的优劣排序，排名靠前者优于排名靠后者。

所述综合权重TOPSIS法是在普通TOPSIS评价方法的基础上引入网络层次分析法的主观权重和熵权法的客观赋值的客观权重，所述TOPSIS法的具体操作方法为先采取网络层次分析法和熵权法分别确定各项评估指标的权重，并通过极差最大值组合赋权法获取每个评估指标的组合权重，再通过TOPSIS法对每一组指标观测数据组成的评价方案进行综合排序，

在“基于所有评估指标的指标观测数据利用TOPSIS法得到所述目标城市的洪涝灾害适灾韧性”步骤中，基于所有评估指标的指标观测数据确定最优理想解和最劣理想解，计算每一组所述评估指标的指标观测数据组成的评价方案相对于最优理想解和最劣理想解的欧式距离，基于所述欧式距离计算每一评价方案的评估指数，取评估指数最大值作为所述目标城市的洪涝灾害适灾韧性。

所述TOPSIS法的具体实施步骤为：

确定最优理想解与最劣负理想解。

运用综合权重值对所述各级评估指标进行加权处理后，基于所有评估指标的指标观测数据确定最优理想解与最劣负理想解。

设S_ki+为第k个评估指标的观测数据的最大值,设S_ki-为第k个评估指标的观测数据的最小值,则S_k+＝Max(S_ki)；S_k-＝Min(S_ki)，通过计算后，得到最优理想解为S₊＝(S₁₊,S₂₊,…,S_m+)，最劣负理想解为S_-＝(S_1-,S_2-,…,S_m-)。

计算欧式距离

欧式距离表示每一组指标观测数据组成的评价方案与最优理想解、最劣负理想解之间的距离。设D_k+为第i个指标观测数据组成的评价方案与最优理想解之间的欧氏距离，设D_k-为第i个指标观测数据组成的评价方案与最劣负理想解之间的欧氏距离，计算公式如下：

其中为最优理想解里面的指标观测数据，y_ni为第n个评价方案的第i个指标观测数据；为最劣负理想解里面的指标观测数据。

(3)计算每一评价方案的评估指数

上式中，U1为每一评价方案的评估指数，范围在0到1之间，且U1的值越大表明评价对象越优。

至此，一种城市洪涝灾害适灾韧性评估系统构建完成。

示例性地，在本实施例中，长江流域城市洪涝灾害适灾韧性以区域城市应对洪涝灾害的能力为评价总目标，通过对影响城市各层次适灾韧性的评估指标因素进行衡量，并通过网络层次分析模型确定各影响因素的评估指标的权重，并对区域内城市应对洪涝灾害的适灾韧性做出评价。基于此目的，在本实施例中，根据长江流域城市的洪涝灾害适灾韧性资料确定四个不同维度的一级评估指标，所述四个不同维度的一级评估指标分别为生态环境系统韧性、基础设施系统韧性、社会与经济系统韧性和洪涝灾害系统韧性。且每个所述一级评估指标下均有三个相对应的二级评估指标，二级评估指标的示意说明如下表一的指标层的指标所述。

获取四个评价维度的主观影响评分，例如人均公园绿地面积对城市人均耗水量而言的主观影响评分为80分，并利用ANP网络层次分析法基于所述主观影响评分对所述指标体系进行处理得到每一评估指标的主观权重，具体地，在本实施例中，基于主观影响评分将所述城市洪涝灾害适灾韧性系统构建成控制层和网络层，ANP网络层次分析法的控制层中区域城市对洪涝灾害的适灾韧性既是该模型的评价目标也是其评价准则；生态环境系统、基础设施系统、社会与经济系统与洪涝灾害系统是区域城市适灾韧性评价的次准则。而在网络层中，每个一级评估指标下的二级评估指标为一个影响因素组。

在本实施例中，为解决网络层次法中计算问题，本文采用YANNP软件进行权重过程计算，该软件只需要确定长江流域城市洪涝灾害适灾韧性的网络模型，明确各系统下的评估指标之间相互关系，输入数据即可计算各评估指标的主观权重。经整理后得到长江流域城市洪涝灾害适灾韧性的ANP标准化权重。

表一基于ANP长江流域城市洪涝灾害适灾韧性评估指标权重值

根据2006-2018年长江流域城市洪涝灾害适灾韧性不同评估指标的相关统计年鉴数据，得到长江流域城市洪涝灾害适灾韧性不同评估指标的历史评估指标分，并基于所述历史评估指标分，运用MATLAB软件对采集数据进行分析，通过熵权法计算得出每一评估指标的客观权重，

表二基于熵权法长江流域城市洪涝灾害适灾韧性评估指标权重值

根据ANP网络层次分析法和熵权法计算各个评估指标的主观权重、客观权重；再根据每一个评估指标的主观权重和客观权重确定评估指标的组合权重的合理取值区间；最后，基于所述组合权重的合理取值区间确定每一评估指标的差分值，所述差分值最大的为目标函数，以所述评估指标的组合权重的合理取值区间为约束条件建立优化模型，求解各个评估指标的组合权重。

表三长江流域城市洪涝灾害适灾韧性评估指标综合权重值

由表三中可以看到长江流域城市洪涝灾害适灾韧性的各项评估指标的综合权重值可知，综合权重最高的三个是受灾人口占比、直接经济损失占比、排水管道长度。表明洪涝灾害造成的受灾人口与经济损失是对于区域城市适灾韧性的影响最高，其次就是排水管道长度，对于洪涝灾害，排水管道的好坏对于洪涝灾害造成的城市损失起了很大的作用。从准则层四大评价维度可以看出洪涝灾害系统最为重要占35.85％，基础设施系统次之占比23.12％，生态环境系统权重最低占比19.16％。由此可以看出，针对洪涝这种自然灾害，提升城市的基础设施系统韧性对于城市的适灾韧性提升有着较大的意义，其次就是提升城市社会与经济系统韧性也有助于提高区域城市防洪排涝的能力。

最后采用经过ANP法和熵权法修正后的综合权重基础上通过TOPSIS法，运用MATLAB软件进行计算并分析长江流域九省二市的洪涝灾害适灾韧性值，具体结果如表四所示。

为了反映长江流域各省市洪涝灾害适灾韧性的空间格局变化，在样本数据范围内平均选取四年，并用ArcGIS对代表性年份的适灾韧性进行空间可视化分析，所述ArcGIS是一种常规的GIS平台，得到2006-2018年内长江流域城市洪涝灾害适灾韧性发展空间分异图，并将适灾韧性分为五个级别，其韧性范围可以分为：低适灾韧性<0.2，较低适灾韧性(0.2,0.4)，中等适灾韧性(0.4,0.6)，较高适灾韧性(0.6,0.8)，高适灾韧性>0.8。

时间	上海	江苏	浙江	安徽	江西	湖北	湖南	重庆	四川	云南	贵州
												2006年	0.724	0.665	0.567	0.462	0.311	0.545	0.192	0.509	0.501	0.426	0.417
2007年	0.719	0.742	0.510	0.339	0.524	0.447	0.428	0.232	0.455	0.458	0.389
												2008年	0.722	0.797	0.563	0.392	0.263	0.267	0.280	0.434	0.465	0.372	0.315
2009年	0.719	0.805	0.485	0.440	0.337	0.430	0.386	0.279	0.292	0.480	0.377
												2010年	0.729	0.821	0.652	0.472	0.272	0.410	0.395	0.443	0.340	0.502	0.338
2011年	0.711	0.809	0.518	0.457	0.356	0.328	0.390	0.392	0.221	0.490	0.387
												2012年	0.680	0.818	0.455	0.502	0.398	0.509	0.388	0.457	0.233	0.444	0.353
2013年	0.655	0.848	0.342	0.492	0.493	0.534	0.464	0.538	0.233	0.472	0.429
												2014年	0.650	0.864	0.624	0.521	0.458	0.587	0.332	0.348	0.447	0.389	0.165
2015年	0.625	0.680	0.447	0.316	0.376	0.449	0.349	0.535	0.412	0.410	0.304
												2016年	0.643	0.848	0.658	0.344	0.483	0.252	0.451	0.555	0.561	0.477	0.431
2017年	0.638	0.865	0.666	0.581	0.424	0.496	0.228	0.567	0.538	0.440	0.424
												2018年	0.618	0.747	0.686	0.393	0.489	0.553	0.559	0.572	0.222	0.357	0.502
2006排名	1	2	3	7	10	4	11	5	6	8	9
												2018排名	3	1	2	9	8	6	5	4	11	10	7
次位变化	-2	1	1	-2	2	-2	6	1	-5	-2	2

表四长江流域城市洪涝灾害适灾韧性评价值结果与区位变化

如图2所示，四幅图描述的分别是2006年、2010年、2014年与2018年长江流域各省市洪涝灾害适灾韧性发展水平，其中颜色越深的省市，表明其适灾韧性水平越高，颜色越淡则表示洪涝灾害适灾韧性发展水平越低。

本方案还提供了一种城市洪涝灾害适灾韧性评估系统的应用方法，包括以下步骤：

基于暴露-敏感-适应性的系统分析框架获取影响所述城市洪涝灾害适灾韧性的影响因素；

利用GWR地理加权回归计算方法对上述城市洪涝灾害适灾韧性评估方法计算得到的目标城市的洪涝灾害适灾韧性进行计算得到计算结果，基于计算结果对所述城市洪涝灾害适灾韧性系统进行预测。

具体地，在“基于暴露-敏感-适应性的系统分析框架获取影响所述城市洪涝灾害适灾韧性的影响因素”步骤中，基于所述暴露-敏感-适应性的系统分析框架获取得到影响所述城市洪涝灾害适灾韧性的影响因素，所述影响因素与所述城市洪涝灾害适灾韧性中的所述评估指标相对应。

具体地，在“利用GWR地理加权回归计算方法对上述城市洪涝灾害适灾韧性评估方法计算得到的目标城市的洪涝灾害适灾韧性进行计算得到计算结果，基于计算结果对所述城市洪涝灾害适灾韧性系统进行预测”步骤中，所述GWR地理加权回归是一种基于空间变化关系建模的局部线性回归方法，用于解释变量的局部空间关系与空间异质性，基于GWR地理加权回归计算方法建立空间预测模型，基于所述空间预测模型对所述城市洪涝灾害适灾韧性水平进行空间回归分析。

进一步地，所述空间预测模型考虑了地理位置的影响，且所述空间预测模型是传统OLS的扩展，认为相邻数据可能会存在某种关联，所述空间预测模型如公式(22)所示。

上述公式中，Y_i是因变量，具体Y_i表示空间韧性指数，所述空间韧性指数用于预测与判断区域内的空间关联性，α₀是回归常数，x_ji为自变量，n为应变量x_ji的个数，(S_i，T_i)表示为第i个单元的空间地理坐标。

进一步地，在本方案的一实施例中，GWR模型的参数估计采用了空间加权最小二乘法，并结合城市适灾韧性现状，GWR的空间核函数选择固定型空间核计算，并通过赤池信息准则(AIC)来确定最优带宽。

示例性地，在本实施例中，如表五所示：

年份	<![CDATA[R<sup>2</sup>]]>	<![CDATA[AdjustedR<sup>2</sup>]]>	残差平方和	带宽	AICc
						2006	0.787	0.645	2.334	28.693	47.208
2010	0.828	0.714	1.889	26.223	45.382
						2018	0.821	0.701	1.973	26.609	45.316

表五长江流域城市洪涝灾害适灾韧性GWR模型整体评估结果

基于暴露-敏感-适应能力系统的分析性框架获取得到人口密度、财政支出比、人均可支配收入与基建投资占比为影响因素，并以长江流域洪涝灾害适灾韧性水平为因变量，以人口密度、财政支出比、人均可支配收入与基建投资占比为自变量，通过地理加权回归(GWR)模型的对整体与相关系数进行模型计算，得到GWR模型拟合系数R²都在0.75以上，调整R²系数都在0.6以上，通过R²系数可以说明GWR模型拟合优度较好，其残差平方和的分布也较小。

进一步地，在本方案中，分析各影响因子的评估指标对长江流域城市洪涝灾害适灾韧性不同的影响程度，从高到低依次为人均可支配收入与排水管基础设施投资占投资总额比例>城市基础设施投资占GDP比例、城市人口密度、城市降雨量。人口密度作为城镇化发展偏好的一个评估指标，其回归系数都显著且均为负数，取值波动范围较大，说明人口密度对长江流域城市洪涝灾害适灾韧性的影响起到了一定的抑制作用，由此可见区域人口过于密集可能会扩大城市洪涝灾害脆弱性。而其余三个影响因素系数虽然不是每年都显著，但均为正数，说明人均可支配收入与排水管基础设施投资占投资总额比例、城市基础设施投资占GDP比例、城市气象站点降雨量对长江流域城市洪涝灾害适灾韧性起到一定的推动作用。

基于相同的构思，参考图3，本申请还提出了一种城市洪涝灾害适灾韧性评估方法的装置，包括：

本实施例还提供了一种电子装置，参考图4，包括存储器404和处理器402，该存储器404中存储有计算机程序，该处理器402被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

具体地，上述处理器402可以包括中央处理器(CPU)，或者特定集成电路(ApplicationSpecificIntegratedCircuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

其中，存储器404可以包括用于数据或指令的大容量存储器404。举例来说而非限制，存储器404可包括硬盘驱动器(HardDiskDrive，简称为HDD)、软盘驱动器、固态驱动器(SolIDStateDrive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(UniversalSerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器404可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器404可在数据处理装置的内部或外部。在特定实施例中，存储器404是非易失性(Non-Volatile)存储器。在特定实施例中，存储器404包括只读存储器(Read-OnlyMemory，简称为ROM)和随机存取存储器(RandomAccessMemory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(ProgrammableRead-OnlyMemory，简称为PROM)、可擦除PROM(ErasableProgrammableRead-OnlyMemory，简称为EPROM)、电可擦除PROM(ElectricallyErasableProgrammableRead-OnlyMemory，简称为EEPROM)、电可改写ROM(ElectricallyAlterableRead-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(StaticRandom-AccessMemory，简称为SRAM)或动态随机存取存储器(DynamicRandomAccessMemory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器404(FastPageModeDynamicRandomAccessMemory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(ExtendedDateOutDynamicRandomAccessMemory，简称为EDODRAM)、同步动态随机存取内存(SynchronousDynamicRandom-AccessMemory，简称SDRAM)等。

存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器402所执行的可能的计算机程序指令。

处理器402通过读取并执行存储器404中存储的计算机程序指令，以实现上述实施例中的任意一种城市洪涝灾害适灾韧性评估方法。

可选地，上述电子装置还可以包括传输设备406以及输入输出设备408，其中，该传输设备406和上述处理器402连接，该输入输出设备408和上述处理器402连接。

传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中，传输设备包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备406可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

输入输出设备408用于输入或输出信息。在本实施例中，输入的信息可以是历史评估指标分等，输出的信息可以是评估指标的主客观权重等。

可选地，在本实施例中，上述处理器402可以被设置为通过计算机程序执行以下步骤：

需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

通常，各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。本发明的一些方面可以以硬件来实现，而其他方面可以以可以由控制器、微处理器或其他计算设备执行的固件或软件来实现，但是本发明不限于此。尽管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表示，但是应当理解，作为非限制性示例，本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。

本发明的实施例可以由计算机软件来实现，该计算机软件由移动设备的数据处理器诸如在处理器实体中可执行，或者由硬件来实现，或者由软件和硬件的组合来实现。包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序产品)可以存储在任何装置可读数据存储介质中，并且它们包括用于执行特定任务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个软件代码或其一部分。另外，在这一点上，应当注意，如图中的逻辑流程的任何框可以表示程序步骤、或者互连的逻辑电路、框和功能、或者程序步骤和逻辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储块等物理介质、诸如硬盘或软盘等磁性介质、以及诸如例如DVD及其数据变体、CD等光学介质上。物理介质是非瞬态介质。

本领域的技术人员应该明白，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims

1.一种城市洪涝灾害适灾韧性评估方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的城市洪涝灾害适灾韧性评估方法，其特征在于，在“利用ANP网络层次分析法基于所述主观影响评分对所述指标体系进行处理得到每一评估指标的主观权重”步骤中，基于主观影响评分将所述指标体系构建成控制层和网络层，其中控制层包括定义决策目标的目标层和定义决策准则的准则层，所述准则层对应不同评价维度；其中所述网络层为同一评价维度下存在相互影响关系的评估指标组成的网络结构，所述网络结构内定义每一评估指标的主观权重。

3.根据权利要求1所述的城市洪涝灾害适灾韧性评估方法，其特征在于，所述网络层用图形形式和矩阵形式两种模式来进行表征，所述图形形式定性表示同一准则层下内各个评估指标之间的相互影响关系以及反馈影响，所述矩阵形式定量表示同一准则层下指标层内各个评估指标之间的影响程度作为每一评估指标的主观权重。

4.根据权利要求1所述的城市洪涝灾害适灾韧性评估方法，其特征在于，在“获取目标城市的评估指数的至少一组历史评估指标分，利用所述历史评估指标分基于熵权法评估每一评估指标的客观权重”步骤中，对正向影响的评估指标的历史评估指标分以及负向影响的评估指标的历史评估指标分进行标准化处理得到历史标准指标分，将每一评估指标的历史标准指标分求和后同所有评估指标的历史标准指标分做商得到当前评估指标的比重，基于当前评估指标的比重计算当前评估指标的熵值，并综合所有当前评估指标的熵值计算每一评估指标的客观权重。

5.根据权利要求1所述的城市洪涝灾害适灾韧性评估方法，其特征在于，在“基于每一评估指标的客观权重和主观权重利用极差最大值组合赋权法计算每一评估指标的组合权重”步骤中，基于每一评估指标的客观权重和主观权重确定当前每一评估指标的组合权重的合理取值区间，基于所述组合权重的合理取值区间确定每一评估指标的差分值，所述差分值最大的评估指标作为目标函数，并以所述合理取值区间为约束条件计算评估指标的组合权重。

6.根据权利要求1所述的城市洪涝灾害适灾韧性评估方法，其特征在于，在“基于所有评估指标的指标观测数据利用TOPSIS法得到所述目标城市的洪涝灾害适灾韧性”步骤中，基于所有评估指标的指标观测数据确定最优理想解和最劣理想解，计算每一组所述评估指标的指标观测数据组成的评价方案相对于最优理想解和最劣理想解的欧式距离，基于所述欧式距离计算每一评价方案的评估指数，取评估指数最大值作为所述目标城市的洪涝灾害适灾韧性。

7.根据权利要求1所述的城市洪涝灾害适灾韧性评估方法，其特征在于，基于暴露-敏感-适应性的系统分析框架获取影响所述城市洪涝灾害适灾韧性的影响因素；利用GWR地理加权回归计算方法对计算得到的目标城市的洪涝灾害适灾韧性进行计算得到计算结果，基于计算结果对所述城市洪涝灾害适灾韧性系统进行预测。

8.一种城市洪涝灾害适灾韧性评估方法的装置，其特征在于，包括：

9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1到7任一所述的一种城市洪涝灾害适灾韧性评估方法。

10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括根据权利要1到7任一所述的一种城市洪涝灾害适灾韧性评估方法。