基于HHM-RFRM-EOC模型的洪水風險定量評估與結構化表達

黃昕桐， 王瀟*， 張國偉， 董利輝， 曲娜

(1.沈陽航空航天大學安全工程學院， 沈陽 110136； 2.沈陽工程學院機械學院， 沈陽 110136)

近幾年來，受全球變暖的影響世界各地頻繁發生極端氣象災難。大量科學研究和證據表明，極端氣象災害的嚴重程度和頻率均處于不斷上升趨勢，暴雨、洪水及風暴潮等自然災害事件頻發，給人類帶來嚴重的人員和財產損失。因此，研究開展暴雨洪水風險分析具有重要的意義。

為減輕暴雨洪水災害所造成的后果，最大限度地減少人員財產損失，近年來中外學者對于災害評估展開了各種研究。Schneeberger等[1]考慮洪水的空間異質性，提出一個基于大量樣本的洪水分析模型，通過3個不同指標相互組合，確定區域的預期洪水影響。牟鳳云等[2]以公路為研究背景，建立了密度、抗災能力、能耗指數等指標體系的綜合抗災能力分析，為災害防治提供依據。Ekmekciolu 等[3]提出了一種由13個洪水脆弱性和危險性標準組成的分層分析方法用于洪水風險評估。Zeng 等[4]提出了一種結合了單元損壞的脆弱性模型、多米諾骨牌升級的概率估計以及整體情景的基于多米諾骨牌效應的洪水情景定量風險評估方法。Chen[5]提出一個由災害、暴露、脆弱性和恢復力組成的洪水風險評估框架，通過框架疊加洪水風險圖以區分風險等級，到最高等級風險。Ma等[6]和Zhu等[7]采用構造風險指標體系的方法分析洪澇災害風險，并分別采用加權聚類法和隨機森林法確定風險指標權重。趙陽等[8]結合地區經濟發展及災害致死情況，基于最低合理可行原則分析了地區災害可接受程度。

綜合來看，中外洪水災害風險分析研究中研究方法主要分為3種，分別是基于歷史數據、基于系統指標和基于情景分析的洪災風險分析方法?；跉v史數據的評價方法能夠為災害評估提供以往的數值及趨勢，使評價者更易總結規律構筑評價大方向。但歷史數據更適用于相對穩定的評價環境，且基于歷史數據的風險分析往往忽略風險因素之間的內在聯系，災害變化復雜難以有一致的歷史數據提供支持，容錯性相對較差?；谥笜说娘L險分析方法使用廣泛，能夠系統性地定量化風險水平，能夠實現風險的直觀性和可比較性，但指標打分可能存在缺乏科學性和客觀性?；谇榫胺治龅姆治龇椒ㄗ⒅貫暮Πl展的多種可能性，評價結果可參考性強，但是情景分析往往對決策者的主觀性和邏輯性有較強依賴且在災害環境有較大變化時有些情景難以預測。災害的3種方法各有其優點和缺點，因此需要構建一個更適合的洪水災害評價方法。

由于暴雨洪水災害與一般事故相比具有明顯的不確定性，加之演化過程相對復雜，單一風險分析方法往往難以滿足現實需求。因此，現引入HHM-RFRM-EOC風險評價、表達模型作為分析暴雨洪水風險方法，不同于單一風險因素模型，本文所選方法綜合上述3種分析手段，從洪水災害發生的不同維度體現災害風險，在暴雨洪水災害風險分析的基礎上進行二重、三重過濾與篩選，以期望更準確得出洪水災害的高危風險情景。同時，從目前中國洪水應急管理數據上看，存在非結構化或結構化程度不高的現象，不利于洪水災害信息的深度處理和應急決策的有序進行?，F將EOC模型應用于暴雨洪水風險要素結構化表達，目的是將洪水災害情景科學、準確表達，避免目前災情信息大多靠多方人員溝通，難以快速響應決策的局面。

1 基本原理

分層全息建模最初由雅科夫·海姆斯提出的用于捕捉和處理大型多層次系統風險特征多樣性的理論方法[9]。它能夠從多個視角捕捉和表示系統的各種內在特征，當系統包括多個目標函數、多個決策者、非線性因果關系和隨機元素時的作用十分明顯，是一種綜合思想和方法論。分層結構框架在具有多系統變量的復雜系統中，優于傳統結構，能夠使決策者在現實系統中多重疊層次結構中快速有效的識別獲取風險情景信息。這種方法的關鍵就是通過分層來展示系統框架，因而特別適用于分析暴雨洪水災害這種復雜系統風險。

風險過濾、評級與管理的本質是從多重疊角度對大規模系統的過濾與排名[10]。風險過濾、評級與管理(risk filtering, ranking and management framework，RFRM)框架目前已經在水資源管理、船舶航行等領域開展了應用研究[11-12]。通常，災害初識風險種類、數量繁多，在突發事件的背景下決策者難以在短時間內全部考慮，此時采用RFRM對初識風險篩選與過濾能夠提供出暴雨洪水災害風險優先級，大大提高決策效率。

要素-對象-結果模型是一種針對突發事件分析的框架模型[13]，該模型填補了突發事件分析領域缺乏信息支持和結構化表達的空缺，輔助實現突發事件結構化分析、存儲和表達。將分層全息、建模(hierarchical holographic modeling，HHM)和RFRM理論框架與EOC模型相結合，組成暴雨洪水災害從風險分析直至信息表達的整個流程，可為今后暴雨洪水災害分析提供一種新思路。

本文提出的HHM-RFRM-EOC風險評價、表達模型流程如圖1所示。

圖1 HHM-RFRM-EOC模型流程圖Fig.1 Flow chart of HHM-RFRM-EOC model

2 暴雨洪水災害風險識別

2.1 風險因素構建

暴雨洪水災害風險來源較廣泛，如何有效分析管理是一項龐大的工程。結合相關專家分析和綜合指標，將暴雨洪水災害風險的來源構成分為5個方面：人力因素(P)、設備設施因素(F)、環境因素(E)、應急管理因素(M)、信息因素(I)。

(1)人力因素主要包括領導干部的風險意識、心理素質、應急知識儲備和應急救援人員的救援經驗、心理素質、風險意識、生理狀態以及受災群眾的主觀意識、心理素質、生理狀態、受教育程度等。在暴雨洪水災害發生過程中，人力因素是第一位的，領導干部和救援人員的應急知識和經驗等決定了暴雨洪水災害的最終結果，錯誤的應急決策可能會帶來的致命的損失。受災群眾的各種狀態也是風險來源中重要因素，例如，鐘景鼐等[14]專門研究了公眾信賴對與防洪災風險的影響，并得出信賴高低與公眾受災經歷、受教育程度、性別、年齡等不同而存在差異的結論。

(2)設備設施因素主要包括城市交通設施、水利設施、城市排水系統、電力設施、油氣管道、熱力設施、供水設施、郵電通訊設施、監控系統、醫療衛生設施、教育與文化設施等。設施和設備的損壞會導致暴雨洪水災害應急救援困難，拖延救援事件等問題。例如，1975年8月8日河南駐馬店發生的水庫潰壩事件，造成河南、安徽省29個縣市、1 100萬人受災，傷亡慘重，直接經濟損失近百億元。

(3)環境因素主要包括社會環境和自然環境兩個層面，具體包含危舊平房區、建筑工程區、地鐵隧道、未及時處理的工業廢水廢渣、農作物田地、重點危險化學品企業、礦山井巷、動植物尸體腐敗區域、山洪泥石流易發地區、地勢低洼地區等。不同的環境抵抗暴雨洪水災害的能力不同，因此更加關注脆弱性低的幾個高風險地區。

(4)應急管理因素主要包含兩個層面，分別是預防階段應急管理和響應階段的應急管理，具體包含疏散路線制定、群眾安置地點規劃、重點設施設備防水防雷、應急反應速度、救援隊伍、救援效率、群眾轉移、應急物資情況、救援機械設備和后勤保障情況。

(5)信息因素主要包含信息技術和信息傳播兩個層面，信息技術包含氣象預報、實時雨量、通信服務和監控報警，信息傳播包括媒體的支持、信息傳播速度、傳播范圍、輿論導向、地理信息、天氣環境信息的掌握以及信息上報的情況。例如，有研究數據顯示，媒體關于災情的報道數量與災害獲得社會資源及公益籌款情況呈正相關。

為了全面準確地捕捉暴雨洪水災害風險來源，在以上分析的基礎上建立了暴雨洪水災害風險HHM模型框架，如圖2所示。

圖2 暴雨洪水HHM框架圖Fig.2 Flood HHM frame diagram

2.2 結構化可視表達

選用Protégé軟件的本體構建和知識圖譜可視化功能基于上文所列的HHM框圖建立暴雨洪水所有風險情景，從而達到幫助暴雨洪水災害發生時應急決策者快速掌握暴雨洪水災害各種風險要素的作用，結構化表達示例圖如圖3和圖4所示。

owl: Thing為本體語言圖3 風險要素構建示例圖Fig.3 Example diagram of risk element construction

3 暴雨洪水風險場景過濾和排序

3.1 雙重標準過濾

首先采用可能性與嚴重性兩個評價標準繪制風險排序矩陣對暴雨洪水過程中的風險因素進行初次排序，其中嚴重性評價綜合考慮人員傷亡，財產損失以及環境破壞3個指標，從而過濾風險矩陣中的低風險和一般風險單元格內的風險場景。按照暴雨洪水災害發生特點結合歷史災害數據采用專家征詢及問卷調查的方式，對各項指標打分，設置每項標準設置最高分為10 分，最低分為0 分，分數越高風險性越大。

專家對各個風險的風險評價平均分為

(1)

式(1)中：Gj為風險j的風險評價的平均分；n為人數；j為風險因素種類；aij為專家i對風險j的可能性評分；bij為專家i對風險j的嚴重程度評分。

對HMM框架列出的各個風險因素打分計算后，按照所計算的平均分值填入風險評級矩陣對應位置，風險嚴重性評級矩陣如圖5所示。過濾掉中等及以下風險FA6、FA5、FA7、FA9、MB7、PB2、MA3、MB6、IA5、PA2、PB4、MB2、MB5、IA1、IB1、MA2、PB4、PB5、MB4、IA6、IB2、IA2、IA3、IA4，最終保留34個風險較高以上場景。

3.2 多重標準評估

從易損性、持續性、可控性不可察覺性和可恢復性幾個方面對剩余的34 個暴雨洪水關鍵風險因素進行進一步評估，判斷各個風險情景發生的可能性與嚴重性進行雙重標準過濾與排序。暴雨洪水評估多重標準如表1所示。

通過調查問卷和專家打分方將易損性、持續性、不可控性、不可察覺性和不可恢復性劃分為高(H)、中(M)、低(L)3個后果等級，具體結果如表2所示。

owl: Thing為本體語言圖4 工程性基礎設施子類可視化示例圖Fig.4 Visual example of engineering infrastructure subclass

圖5 風險嚴重性評級矩陣Fig.5 Risk severity rating matrix

表1 暴雨洪水災害多重評估標準Table 1 Multiple assessment criteria for flood disaster

3.3 量化排序

那么，EA1后驗概率計算過程為

Pr(e)=Pr(EA1)Pr(e|EA1)+

(2)

(3)

計算得到Pr(EA1|e)=0.110 2，同理可以計算其余風險場景后驗概率，具體計算結果如表3所示。

表2 多重標準評估結果Table 2 Evaluation results of multiple criteria

表3 洪水災害風險因素概率Table 3 Probability of flood disaster risk factors

后驗概率數值越大危險性越高，根據計算各個風險場景后驗概率結果，按照大小排序后截取前10個風險要素作為暴雨洪水災害的高危風險要素。從而得出結果：暴雨洪水高危風險分別是農作物田地、山洪泥石流易發區、地勢低洼地區、水庫附近區域、文物古跡、危舊平房區、城市交通設施、水利設施、受災群眾受教育程度和教育與文化設施。若按照5個一級風險要素進行劃分，每個一級風險要素中最危險要素分別為人力因素中的受災群眾受教育程度、設備設施因素中的城市交通設施、環境因素在中的農作物田地、應急管理因素中的疏散方案和信息因素中的監控報警要素。然而，僅得到暴雨洪水高危風險難以滿足中國現階段洪水應急需要，目前中國洪水應急領域存在數據存儲結構化程度不高的現象，因此提出運用EOC模型結構化表達分析結果，從而提高應急部門決策效率。

4 洪水災害環境風險情景表達

人類目前無法阻止自然災害的發生，但人們可以在順應自然和尊重自然的基礎上根據自然災害發生的特點配合以地形地勢等特質，采取積極應對措施，盡量減少自然災害的損失。前面分析的5類風險要素中環境要素占比最大，且相比于其他要素，環境要素具有不能代替和難以改變的特點。因此，在暴雨洪水災害中環境對于災害后果的影響相對于其他類要素更危險更值得關注。運用突發事件EOC模型將暴雨洪水災害中高危風險環境情景要素參數化轉化形式，對上文分析的環境高風險要素進行結構化情景表達。EOC模型能夠對洪水災害應急情景中各要素知識進行用以描述，可以科學、準確地表達當前決策面臨的情景，以便于幫助決策者在暴雨洪水發生時快速了解受災地區環境制定有效應對的策略。

通過對歷史洪水案例和洪水相關應急預案的分析將暴雨洪水高危風險要素出發過程中的要素、對象進行劃分，建立相應要素模型。例如，對EA5農作物田地這一風險要素進行參數化表達，采用構建特征屬性變量A(n)={(屬性名1，屬性值域1)，(屬性名2，屬性值域2)，…}，選取高程、田間溝渠、排澇設施和耕作類型作為對象屬性變量，基于暴雨洪水災害的災害特點，選取降雨、淹沒程度作為災害要素。就選取對象及要素參數化為

超星學習通是超星集團針對移動互聯網時代學習者需求開發的多功能個性化學習APP。超星學習通既包含超星積累的豐富數字教育資源，也集成了完整的網絡教學功能和課程互動插件，可以實現移動教學、直播課堂和多屏互動。超星學習通最核心的理念在于集成、分享與社交，形成基于知識、興趣、學習的社交生態。在本課程之中，超星學習通軟件主要把學校、教師和學生用戶的需求打通，實現學校教育與社會教育的融合，實現終身教育的數據記錄。

(4)

暴雨洪水災害中農作物田地損失要素的定性化表達為

式(5)中：Pe為定性化表達值。

根據要素互相獨立的特點，簡化嚴重度函數，將定義域和值域均設置成[0，1]，根據災害發生特點，隨著形勢惡化，造成的損失往往呈現指數增長趨勢，選取指數函數進行嚴重度計算，將模糊定性要素值等距映射到定義域，參數化后的農作物田地所含要素表示為

對于EB2山洪泥石流易發地區有

(7)

式(8)中：ge為參數化表達值。

并將其他幾個高危風險要素按照同樣方法參數化表達。鏈接上文運用Protégé軟件構建的風險情景對象框圖，繼續為重要環境要素添加數據屬性變量，如圖6所示是舉例某農作物田地環境添加數據屬性后的界面截圖，該步驟可清晰展現某處農作物田地這類環境要素的田間溝渠距離等數據屬性，能夠使決策者迅速了解受災區環境基本狀況，便于其準確、快速地做出相應決策內容。

圖6 為風險要素添加數據屬性后的截圖Fig.6 Screenshot after adding data attributes for risk elements

5 結論

采用分層全息建模法分析出暴雨洪水災害的5大類包含57種風險因素，繪制出HHM框架圖并應用本體軟件構建。

(1)采用RFRM風險過濾、排名與管理方法分析過濾57個子風險，最終得到10個高危風險分別是、農作物田地、山洪泥石流易發區、地勢低洼地區、水庫附近區域、文物古跡、危舊平房區、城市交通設施、水利設施、受災群眾受教育程度以及教育與文化設施。

(2)分析結果表明在暴雨洪水災害中，環境要素所占比重遠遠高于其他風險要素類型，前10個風險中就占6個之多，因此在暴雨洪水災難發生時，相關部門應當重點注意受災地區環境特點，從而最大程度地避免風險帶來的嚴重損失。

(3)由于暴雨洪水災突發性強、應急時間緊迫、信息來源豐富但來源眾多、異質性強的特點，利用參數化信息表達可以將要素知識統一描述，科學、準確地表達當前環境所面臨的情景，運用突發事件分析的EOC風險概念模型對高危環境風險對象、要素參數化表達，可以方便與對暴雨洪水災害風險結構化信息的存儲，為后續相關部門應急決策提供輔助支持。