考虑灾害时空演化特征的多阶段跨区域应急网络设计及其动态优化研究

摘要

针对突发灾害管理中区域灾害损失的时空动态演化特征，以及由此引发的灾后应急需求与路段通行能力高度不确定性，本文提出了一种集成智能预测和随机优化方法的多阶段跨区域应急响应网络设计框架(smart predict-thenoptimize for multi-stage cross-regional emergency response network, SPO-MCERN))，以协同灾前备灾与灾后响应决策。首先，针对传统统计方法难以捕捉灾害损失复杂时空演化特征的不足，构建了融合一维卷积操作(1D-Conv)与多头自注意力机制(multi-head self-attention, MHSA)的混合深度学习预测模型Conv-MHSA。该模型利用构建的高维区域灾害特征集，通过对灾害时空演化局部及全局特征的提取和融合，实现了对区域灾害损失的高精度预测。其次，基于预测输出设计了包含地区修正与季节响应的动态评估机制，量化灾后动态需求与路段能力。最后，利用样本均值近似(sample average approximation, SAA)方法对SPO-MCERN模型进行重构，并提出了融合蒙特卡洛模拟与SAA的随机优化混合求解算法。基于中国地震灾害历史数据的Conv-MHSA在预测精度、鲁棒性和整体性能方面有着显著优势。甘肃省的应急响应网络设计实证分析表明SPO-MCERN框架使网络设计和运输成本在时空演化条件下保持最优。先预测后优化的协同决策机制相比于传统方案可以减少21.6%的冗余设施及物资部署成本，并对应减少25.9%的灾后运输与筹集成本，可为灾害跨区域应急决策提供科学支撑。

关键词

应急网络设计 / 时空演化特征 / 深度学习 / 数据驱动 / 随机优化