缺失數據下災情評估變量及權重的確定方法.pdf

1、災情評估研究正向定量化、標準化和模型化的方向發(fā)展，國際上成熟的定量評估方法往往都有翔實的數據支撐，并且遵循“分析災情數據-選擇評估變量-確定變量權重-構建評估模型-求解評估結果”這一過程。其中，前三階段為災情數據預處理問題，是決定災情評估模型有效性，進而影響評估結果準確性的關鍵問題。
　　基于此，考慮到災情數據獲取階段中存在的數據缺失現(xiàn)象，借鑒已有災情評估模型的構建思路，將如何在缺失數據情形下確定災情評估變量與變量權重作為主要研究

2、問題，以實現(xiàn)從災情數據中獲取關鍵評估參數，輔助評估模型建立的目的。其中，數據缺失是災情數據的重要特征，而評估模型的建立需基于完備數據集，因而，首先要解決數據缺失問題給災情評估帶來的障礙。其次，自然災害的復雜性使得人類對災害機理的認知存在大量空白，多數災情評估模型并非是利用災害機理推演得到，更多的是通過對災情數據統(tǒng)計分析與規(guī)律挖掘得到評估相關參數，進而建立基于評估參數的評估模型;通過對災情評估模型的分解分析，評估變量和變量權重作為所有模型

3、中的公有和僅有的兩類參數，選擇哪些評估變量及這些變量的權重取值，是影響評估模型有效性的關鍵因素，只有對這兩類參數給予準確的限定與賦值，基于此建立的災情評估模型才是科學有效的。
　　針對上述問題，本文在已有研究的基礎上開展工作，并取得以下的進展:
　　(1)災情數據的缺失特征分析與災情評估描述模型的建立。分析災情數據缺失的原因、缺失機制分類以及缺失的表現(xiàn);并利用模型的共性知識建立災情評估問題的描述模型和評估變量的表示模型。

4、r>　　(2)給出缺失災情數據的填補方法。在對災情數據缺失表現(xiàn)分析的基礎上，就災情評估中出現(xiàn)的離散缺失情形和連續(xù)缺失情形分別提出對應的缺失數據補全方法。對于離散缺失情形，利用災情數據間的關聯(lián)性，提出基于最近鄰算法建立缺失值填補方法;對于連續(xù)缺失情形，提出基于情景匹配的缺失值填補方法，通過界定情景的概念，利用情景匹配方法選擇與當前情景匹配度最高歷史情景，借助于其中數據輔助解決當前的缺失值問題。
　　(3)給出評估變量選擇方法。在完備

5、數據的保證下，通過分析災情評估問題中評估目標對評估變量間的關系，將評估變量的選擇劃分為單一目標下的變量選擇方法和多目標下的變量選擇方法兩類。其中，單目標情形下考慮災情數據與評估目標關系，提出基于灰關聯(lián)分析的評估變量選擇方法;多目標情形下考慮主客觀多個評估目標，建立一個兩階段的變量選擇過程，提出了基于多目標優(yōu)化理論的變量選擇方法。
　　(4)給出評估變量賦權方法。對篩選出的評估變量進行賦權，根據評估模型中評估變量的存在形式，分別給出

6、了單變量的賦權方法和評估變量集的賦權方法。對于單變量形式，將評估變量的賦權方式界定為一種客觀賦權方法，利用評估變量值的平均信息量差異作為變量賦權的主要依據，提出基于變量值信息熵的賦權方法。對于評估變量集，通過建立評估指標權重與評估變量權重間的量化關系，將評估指標賦權問題轉化為求解指標與變量間關聯(lián)系數的問題，進而提出一種基于關聯(lián)度的評估指標權重確定方法。
　　本研究考慮了災情評估中的數據缺失情形，展開評估變量的選擇方法及變量賦權方法