城市脆弱性动态演变模拟预测研究.docVIP

城市脆弱性动态演变模拟预测研究 　　摘要对城市脆弱性的动态演变进行模拟预测可以得到城市脆弱性的未来发展趋势和水平，由此为调控城市脆弱性、为制定城市可持续发展政策提供科学的决策依据。遵循“测度、降维、预测”的总体技术路线，首先从城市经济、社会和环境3个方面定量测度城市脆弱性指数（UVI），其次利用相关系数分析法提取影响UVI的主导指标因素，最后构建预测模型并优选出精度最高的模型用于预测。以合肥市为实证，对其城市脆弱性动态演变进行了模拟预测，研究表明：1998-2012年，合肥UVI总体上呈下降趋势，但在2011年发生突变反弹，从2010年的0.276 8增加到2011年的0.506 6，增加了83.02%；影响合肥UVI的主要有6个指标因素；以这6个主导指标为基础，分别构建SLR、MLR和RBF神经网络预测模型，SLR、MLR和RBF神经网络模型的预测相对误差分别为6.61%、4.64%和1.89%，综合对比分析表明RBF神经网络模型的预测精度最高；利用RBF预测模型得到合肥2013-2017年的UVI，结果显示合肥2015年的UVI为0.284 3，和2010年的UVI（0.276 8）基本持平，由此表明，只要6个主导指标能保持目前的发展趋势，合肥UVI将重新回到2011年发生突变反弹前的水平和状态。研究显示，RBF神经网络能为城市脆弱性动态演变的模拟预测提供一种新思路和新方法，进而为完善城市脆弱性研究体系和类似城市的相关研究提供参考借鉴。 　　关键词城市脆弱性；动态演变；模拟预测；RBF神经网络；合肥 　　中图分类号F119.9文献标识码A 　　文章编号1002-2104（2015）10-0095-08 　　doi：10.3969/j.issn.1002-2104.2015.10.013 　　城市脆弱性来源于传统的自然灾害研究领域中的脆弱性概念[1]，是传统脆弱性研究在城市领域中的自然延伸。随着全球城市问题、城市病的日益严重，城市脆弱性研究正得到越来越多的重视，已经成为城市可持续发展研究的热点问题。近年来，城市脆弱性研究取得了较丰富的成果，主要包括：有关城市脆弱性的概念内涵、分析框架等基础理论研究[2-3]；一些城市问题如地形[4]、遗产[5]和疾病[6]等领域的脆弱性研究；特殊类型的城市如资源型城市[7]、旅游城市[8]、沿海城市[9]的脆弱性研究等。另一方面，城市脆弱性的定量测度研究也得到积极开展，如城市环境系统[10]、经济社会系统[11]的脆弱性测度。在测度方法上，代表性的方法有综合指数法[12]、集对分析法[13]、数据包络分析法[14]以及景观格局法[15]等。 　　通过对已有研究的分析梳理，可以发现目前有关城市脆弱性动态演变的研究较少[16]，特别是有关城市脆弱性的未来发展预测仍是研究盲点。因此，展开城市脆弱性的动态预测研究具有重要意义，其目的就在于通过构建城市脆弱性的动态预测模型，分析城市脆弱性动态演变的特点和主要影响因素，进而对未来城市脆弱性的大小进行模拟预测，从而得到城市脆弱性的未来发展趋势和水平，由此为全面调控城市脆弱性提供科学的决策依据。鉴于此，本研究旨在探索构建城市脆弱性动态演变模拟预测的技术方法体系，首先对城市脆弱性进行定量测度，再以此为基础构建城市脆弱性动态预测的多种模型，进而优选出精度最高的模型对未来脆弱性变化进行预测。研究以合肥市为实证对象，以期深化对合肥近年来城市脆弱性历史变化和未来趋势的认识，为合肥城市脆弱性调控提供更精确的科学依据。同时，研究可为完善城市脆弱性研究的理论、方法和应用提供参考，为类似城市的脆弱性研究提供借鉴。 　　1研究方法 　　根据脆弱性的内涵，其是如“敏感性、适应性、应对力、恢复力”等多种概念的集合[17]，同时，城市是一个由经济、社会、环境3个子系统耦合而成的复合系统。基于此，本文把城市脆弱性界定为城市复合系统及其子系统对干扰的敏感性与应对能力。其中，敏感性反映了城市系统遇到干扰时出现问题的概率大小，即面对干扰的不稳定性，敏感性越大，城市系统面对干扰越容易发生变化，脆弱性也就越大。应对能力反映了城市系统的主观能动性，即主动采取措施抵抗干扰影响而保持系统稳定的能力。应对能力越大，城市系统进行主动调节以降低干扰影响而保持系统稳定的能力越大，相应的城市脆弱性也就越小。在上述城市脆弱性概念内涵的基础上，本研究的总体思路可总结为“先测度，后降维，再预测”，具体的技术方法流程如图1所示。 　　（1）测度。从城市是一个由经济、社会、环境耦合而成的复合系统出发，遵循“指标体系―指标分值―指标权重―指标综合”的技术路线，对近m年的城市脆弱性进行综合测度，得到每年的城市脆弱性指数（urban vulnerability index，UVI）。UVI是城市经济脆弱性