难民模型探析及决策应用.docVIP

难民模型探析及决策应用 　　摘 要 本文运用Logistics方程和相关方程分析难民迁出国的情况，同时，运用马尔科夫矩阵来调整迁入国难民数量。分析出不同国家间难民数量的相互影响。分析了突发事件对难民迁移的影响。扩大模型的应用范围，将难民的迁移考虑范围增大，分析模型的变化 关键词 难民迁移 Logistics方程 马尔科夫矩阵 扩大范围 中图分类号：D068 文献标识码：A DOI：10.16400/j.cnki.kjdkz.2016.11.070 随着地域冲突升级，欧洲难民危机也在不断发展。为了分析欧洲难民危机带来的影响，就要从源头上分析难民转移情况。分析出迁入国和迁出国难民数量变化趋势，以及相关因素对难民数量影响。只有合理地分析清楚难民变化规律，才能更有效地解决难民危机引发的一系列问题 1 难民数量变化的分析 1.1 迁出国难民数量分析 对于迁出国家难民数量，只考虑战争等政治因素。使用Logistic函数建立模型，迁出率随迁出人数的增加而减小，即： PO（t）：迁出人数，POm：允许迁出最大人数，a（t）：迁出速率，r：因子。待求参数为：PO（0），POm和r 1.2 迁入国难民情况分析 1.2.1 单个国家情况分析 对于难民迁入的国家，国家资源对可容纳难民数量影响巨大。人口的迁入会加快资源的消耗，资源的消耗又会抑制人口迁入，建立模型： PI（t）：t时刻的迁入人数，b（t）：迁入速率，AC（t）：住宿剩余量，PIm：允许迁入的最大人数，FO（t）：食物剩余量，EM（t）：就业率，NGO（t）：非政府组织安顿人数，：累积迁入人数 将迁入人数、迁入速率、食物剩余量和住宿剩余量相互之间影响联系在一起。确定出迁入国家为难民准备食物量为FO0，住宿量为AC0，非政府组织安顿难民数：NGO（t）。对于非政府组织，它对难民迁入数量影响随时间变化，且与迁入速率有关。建立差分方程分析以上三个变量的变化： 其中，m：住宿与人口调整系数，n：食物与人口调整系数，q：非政府组织接纳人口数与迁入速率的关系 进行比例确定，对于食物、住宿、非政府组织以及就业率四个方面，非政府组织（比如公平劳工协会、世界卫生组织等）的参与会解决部分难民问题，但大部分的难民问题需要政府来解决。所以非政府组织的贡献相对小一些。根据两两变量相比，确定出各自的比例为：（0.374，0.362，0.103，0.161），将此比例带入公式（4）中，得到： 对于就业率，需要收集各国就业率的历年数据并对其进行相关数据拟合来预测数据（图1）。生成函数f（t），一次预测就业情况。即： （10） 最后，可以得到迁入人数变化律： 在众多迁入国家中，选择德国这个典型的国家为分析对象。根据难民的迁移情况，首先初步确定德国需要容纳的难民数量为229062人迁入数量达到国家所容许的容量值 对于每个国家，可以用一个含四个参数的向量来表示一个国家的难民迁入程度，即ST=（ACt，FOt，NGOt，EMt），可得： 1.2.2 国家间的相互影响 国家与国家间难民的迁入数量也会相互影响。最受欢迎的迁入国难民数量很快就会达到饱和，随后其他国家的迁入速率就会增加。这里，选取德国、法国、意大利、西班牙、希腊和匈牙利这6个国家来分析。如果一个国家的难民接纳能力达到极限或者受其他因素的影响，难民到达这个国家后会选择继续迁移至其他国家，用矩阵来展现这一规律，矩阵中的元素代表难民到达一个国家后会再转移到其他国家的概率。用国家间的距离和国家间交通的方便性来表征概率的大小 矩阵?%`=（PI1t，PI2t，PI3t，PI4t，PI5t，PI6t），PIit表示t时刻进入i国的难民数。当一个国家的难民数饱和时，其他国家的难民数量增速加快，用矩阵来进行人数分配。例如，德国的难民数达到饱和时，下个月的难民数将会是6，000人。通过矩阵可以得到从德国迁入法国、意大利、西班牙、希腊和匈牙利的人数分别为2580，1980，180480和780 将初次调整的难民数量建立向量 矩阵P3作为马尔科夫矩阵，最终收敛到 由此看出，所建立模型不仅可以描述难民的移动，也可以预测每个国家的难民数 关于资源分配问题，六个国家应根据难民数量来分配资源。利用公式（8）和差分方程进行迭代确定 每个国家可以容纳的难民量，确定FO0和AC0的初始值，从而确定出迁入国需要为难民准备的资源总量 2 制定政策所考虑因数 如果政府需要制定应对难民危机的政策，需要基于几个因数来考虑，这些因数最终可以合成一个迁移模式的理想度。将理想度分成两部分。难民理想度为IDr，迁入地理想度为ID。为了便于分析，从6个因数来考虑，分别为（1）健康度，