韓欽宇

摘要 跟隨現(xiàn)代科技信息時代的快速發(fā)展，我國社會現(xiàn)已全面進入大數(shù)據(jù)時代，計算機在各行各業(yè)領(lǐng)域均有涉及。筆者在參加了18年的ICM比賽之后，就其中某個問題進行深一步的剖析，主要應(yīng)用多數(shù)據(jù)處理與相關(guān)氣候模型以及機器學習就氣候變化如何影響地區(qū)不穩(wěn)定性進行分析與闡述。

【關(guān)鍵詞】大數(shù)據(jù)處理 多元線性回歸分析 灰度預(yù)測 氣候模型

氣候變化目前仍是全球最大的環(huán)境挑戰(zhàn)，在過去100年間，溫室氣體激增，全球變暖導致的一系列問題在與本來就管制不佳，社會分裂的國家相結(jié)合從而加劇了這些國家本來就不穩(wěn)定的國情。美國和平基金會曾公布了一系列年份的脆弱國家指數(shù)排名，上榜且排名靠前的國家均有因環(huán)境劇變而崩潰的風險。為了較為準確的衡量一個國家甚至是一個地區(qū)的脆弱程度并以此評級作為首要處理國家進行干預(yù)與改善以防止其崩潰，本文針對這幾點目的進行了大規(guī)模數(shù)據(jù)的分析與整合，一方面計算與模擬出評分方式的細則，同時也針對影響地區(qū)經(jīng)濟的氣候等多方面因素進行模擬從而進行誤差分析與調(diào)整，形成一整套的環(huán)境脆弱評估體系，最后，對相關(guān)的防范與整治措施進行了一定程度上的提議。

1 脆弱指數(shù)評價

就美國和平基金會公布的脆弱性指數(shù)數(shù)據(jù)，筆者隨機選取了比較有代表性的十個國家的近十年的脆弱性評價指數(shù)，該基金會提供的數(shù)據(jù)共分為十二個影響脆弱性的因素，每個因素或多或少影響脆弱性。為獲知該十二個官方評價指標計算方式，筆者進行了大量的數(shù)據(jù)查找，根據(jù)世界銀行以及美國農(nóng)業(yè)部等權(quán)威網(wǎng)站的數(shù)據(jù)查詢，找到了影響該十二個決定脆弱性指標的因素?，F(xiàn)以其中的‘經(jīng)濟下滑與貧困指標為例，其影響因素顯性的體現(xiàn)為GDP，通脹率，對外貿(mào)易往來等多方面因素，為求精簡，本文只考慮其中代表性強的五個因素進行多元線性回歸分析從而分析其權(quán)重來進行脆弱指標的初步考察。部分數(shù)據(jù)如圖1所示。

相應(yīng)系數(shù)對應(yīng)其權(quán)重，由此在評價其他未給出國家或者是大型城市以及預(yù)測脆弱性趨勢時，只需在一些權(quán)威網(wǎng)站上查詢相關(guān)的經(jīng)濟學數(shù)據(jù)即可初步的推算出相應(yīng)指標的脆弱性評分。

2 基于氣候條件的指數(shù)修正

由于前述的指標計算方法只是針對相應(yīng)領(lǐng)域的不同影響因素獨立的進行分析，但由于氣候因素會在整體脆弱性上有宏觀的影響。因此，本文進一步的定量計算氣候變化對此十二個指標的影響趨勢（強弱，正負相關(guān)）。同樣，以經(jīng)濟指標為例，在查閱了中國以及世界災(zāi)害年鑒以及美國農(nóng)業(yè)部數(shù)據(jù)后，筆者選取了洪澇，干旱以及農(nóng)作物病三個較普遍的因素來分析其對各個指標的影響程度，并利用Excel做出了歷年洪澇等三因素對選取國家的經(jīng)濟影響因素的趨勢曲線，直接觀察可以看出干旱的影響因素最高。進行回歸分析之后可以做出三個因素的具體影響系數(shù)。 （E=5.84-O.OIFlood+0.002droughr+O.Oldisease）

就其他幾個指標，也同樣采取這種氣候影響分析，不在此贅述。

3 預(yù)估與預(yù)防措施

根據(jù)十二個因素的指標總和，筆者根據(jù)統(tǒng)計定義了兩個轉(zhuǎn)折點，其中指標和高于100定義為極度脆弱，低于50則定義為穩(wěn)定，之間的數(shù)據(jù)則定義為脆弱。由此，我們利用灰度預(yù)測預(yù)估出各個指標在之后幾年的評估值。如表1所示。

在進行GDP統(tǒng)計與人均碳排放統(tǒng)計時，筆者發(fā)現(xiàn)GDP的增長趨勢與C02排放呈現(xiàn)正趨勢關(guān)系，因此，在經(jīng)過擬合分析并加入滯后項作為解釋變量以后，可以檢驗出人均GDP序列與人均002排放序列的二階差分平穩(wěn)，從而代入數(shù)據(jù)得到以下回歸方程：

從而判斷出兩者確切的正相關(guān)，至此可以看出，由于產(chǎn)業(yè)上的結(jié)構(gòu)現(xiàn)狀以及能源的要求限制導致GDP的發(fā)展必然伴隨C02的大量排放，因此，政府加大力度干預(yù)能源轉(zhuǎn)型以及產(chǎn)業(yè)結(jié)構(gòu)勢在必行。

4 結(jié)束語

綜上所述，本文主要通過收集大規(guī)模數(shù)據(jù)以及線性回歸歸納得到評分標準并利用誤差修正，將環(huán)境因素的影響納入總評分的影響因素中來考慮。并給出了不同國家在近幾年的評分趨勢并給出了解決的大體方式。

參考文獻

[1]任小成，基于大數(shù)據(jù)時代人工智能在計算機網(wǎng)絡(luò)技術(shù)中的應(yīng)用分析[J].中國戰(zhàn)略新興產(chǎn)業(yè)，2018 （04）：17.

[2]彭凱.簡析大數(shù)據(jù)時代人工智能在計算機網(wǎng)絡(luò)技術(shù)中的應(yīng)用[J]，計算機與網(wǎng)絡(luò)，2018，44 （01）：46-47.

[3]谷守軍，王海永.大數(shù)據(jù)時代人工智能在計算機網(wǎng)絡(luò)技術(shù)中的應(yīng)用[J].電子制作，2017 （06）：30+37.