【摘要】“脆弱國(guó)家”作為當(dāng)今學(xué)術(shù)界的熱點(diǎn)議題正逐漸得到人們的關(guān)注，而氣候變化從20世紀(jì)80年代以來(lái)作為重大社會(huì)問(wèn)題一直熱度不減，兩者之間關(guān)系的研究成為目前學(xué)術(shù)界的新寵。本文嘗試將氣候變化作為國(guó)家脆弱性程度的影響因素，探究氣候變化對(duì)國(guó)家脆弱性是否產(chǎn)生影響，并通過(guò)建立模型對(duì)該影響進(jìn)行描述，且對(duì)國(guó)家脆弱性狀態(tài)加以評(píng)價(jià)識(shí)別。

【關(guān)鍵詞】BP神經(jīng)網(wǎng)絡(luò) 脆弱國(guó)家 氣候變化

20世紀(jì)80年代以來(lái)，氣候變化作為社會(huì)各界的熱門話題逐漸得到人們關(guān)注。氣候變化，從其定義而言，即指氣候平均狀態(tài)隨時(shí)間的變化；從其影響來(lái)看，氣候變化往往會(huì)涉及干旱或洪澇災(zāi)害的增加、動(dòng)植物種類變化、海平面上升等一系列問(wèn)題，并且這些影響往往存在地區(qū)差異。2012年聯(lián)合國(guó)氣候變化專門委員會(huì)（IPCC）發(fā)布了《管理極端事件及災(zāi)害風(fēng)險(xiǎn)，推進(jìn)適應(yīng)氣候變化》特別報(bào)告，指出在氣候變化的背景下，許多極端事件都會(huì)超出人類知識(shí)和經(jīng)驗(yàn)的范疇，并警示各國(guó)積極采取防御措施。

與此同時(shí)，近年來(lái)，學(xué)術(shù)界提出“脆弱國(guó)家”的概念并開(kāi)始了有關(guān)“脆弱國(guó)家指數(shù)（FSI）的相關(guān)研究?！按嗳鯂?guó)家”是指一個(gè)國(guó)家沒(méi)有能力或者有意不向社會(huì)提供基本服務(wù)和公共產(chǎn)品，從而導(dǎo)致其合法性流失，更有甚者會(huì)引發(fā)社會(huì)沖突，加速國(guó)家經(jīng)濟(jì)的衰退。

結(jié)合相關(guān)文獻(xiàn)，我們發(fā)現(xiàn)“脆弱國(guó)家指數(shù)”通常是從社會(huì)、經(jīng)濟(jì)、政治和安全等四個(gè)方面進(jìn)行衡量，并未考慮環(huán)境因素，然而伴隨著全球環(huán)境變化，環(huán)境作為一個(gè)重要影響因素同其他四個(gè)指標(biāo)一樣應(yīng)當(dāng)?shù)玫街匾?/p>

一、BP神經(jīng)網(wǎng)絡(luò)模型的介紹及求解

（一）BP神經(jīng)網(wǎng)絡(luò)介紹

BP（back propagation）神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart和McClelland為首的科學(xué)家提出的概念，是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)。

BP神經(jīng)網(wǎng)絡(luò)是多層前饋神經(jīng)網(wǎng)絡(luò)[1]，其算法稱為BP算法，它的基本思想是梯度下降法，利用梯度搜索技術(shù)，以期使網(wǎng)絡(luò)的實(shí)際輸出值和期望輸出值的誤差均方差為最小，其激活函數(shù)為S型函數(shù)，輸出量為0到1之間的連續(xù)量，可以實(shí)現(xiàn)從輸入到輸出的任意非線性映射。模型是一個(gè)由輸入層，輸出層和一個(gè)隱含層三個(gè)神經(jīng)元層次構(gòu)成的模型，各層次的神經(jīng)元間形成全互連連接，同層次內(nèi)的神經(jīng)元間沒(méi)有連接。對(duì)于輸入信號(hào)，要向前傳播到隱含層神經(jīng)元，經(jīng)激活函數(shù)變換后，再把隱含層神經(jīng)元的輸入信號(hào)傳播到輸出層神經(jīng)元。

（二）評(píng)價(jià)指標(biāo)體系及數(shù)據(jù)來(lái)源

首先，我們構(gòu)建國(guó)家脆弱性評(píng)價(jià)指標(biāo)體系的構(gòu)建，為更加全面衡量國(guó)家脆弱程度，本文從政治、社會(huì)、經(jīng)濟(jì)、安全和氣候五個(gè)方面共計(jì)14個(gè)指標(biāo)進(jìn)行評(píng)價(jià)[2]，具體指標(biāo)如下：政治因素：P1：政府正當(dāng)性、P2：公眾服務(wù)、P3：人權(quán)；社會(huì)因素：S1：人口壓力、S2：難民及國(guó)內(nèi)流浪者、S3：外部干涉；經(jīng)濟(jì)因素：E1：經(jīng)濟(jì)、E2：經(jīng)濟(jì)不平等、E3：人力及智力海外流失；安全因素：C1：治安、C2：權(quán)利斗爭(zhēng)，階級(jí)斗爭(zhēng)、C3：種族矛盾；氣候因素：D1：溫度、D2：降水量。

考慮到數(shù)據(jù)的可得性以及分析的準(zhǔn)確性，本文以2017年全球160個(gè)國(guó)家作為數(shù)據(jù)總體利用MATLAB隨機(jī)抽選出150個(gè)國(guó)家作為樣本，各個(gè)指標(biāo)具體數(shù)值來(lái)源于World Bank Climate Change Data Knowledge Portal以及The University of East Anglia's Climate Research Unit，將選中的150個(gè)國(guó)家分為兩種類型，其中100個(gè)國(guó)家作為訓(xùn)練樣本供BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練使用，通過(guò)應(yīng)用誤差反傳原理不斷調(diào)整網(wǎng)絡(luò)權(quán)值，使網(wǎng)絡(luò)模型輸出值與已知的訓(xùn)練樣本輸出值之間的誤差平方和達(dá)到最小或小于某一期望值，使得神經(jīng)網(wǎng)絡(luò)更合理；其余50個(gè)國(guó)家作為測(cè)試樣本用以對(duì)神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性加以測(cè)試。

（三）處理步驟

Step1：將2017年全球160個(gè)國(guó)家的14個(gè)用于衡量國(guó)家脆弱性的指標(biāo)數(shù)據(jù)以及國(guó)家脆弱性得分?jǐn)?shù)據(jù)表導(dǎo)入到MATLAB中，并從中隨機(jī)選取150個(gè)國(guó)家進(jìn)行研究并隨機(jī)選擇100個(gè)國(guó)家作為訓(xùn)練樣本，60個(gè)作為測(cè)試樣本[3]；

Step2：為了將各個(gè)指標(biāo)合成一個(gè)綜合評(píng)價(jià)體系，則首先應(yīng)當(dāng)將每個(gè)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，隨后對(duì)數(shù)據(jù)進(jìn)行歸一化處理，將數(shù)據(jù)轉(zhuǎn)化至區(qū)間[0，1]，減少奇異值對(duì)于網(wǎng)絡(luò)訓(xùn)練時(shí)間的增加，加快程序運(yùn)行的時(shí)間，為后續(xù)操作提供方便；

Step3：構(gòu)建神經(jīng)網(wǎng)絡(luò)，與此同時(shí)使用軟件產(chǎn)生[-1，1]之間的隨機(jī)數(shù)并對(duì)所有連接權(quán)重進(jìn)行隨機(jī)賦值，同時(shí)為相關(guān)訓(xùn)練參數(shù)設(shè)定初值；

Step4：進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練；

Step5：利用測(cè)試樣本進(jìn)行仿真測(cè)試，用以檢驗(yàn)測(cè)試結(jié)果是否符合預(yù)期以及所建模型的準(zhǔn)確性；

Step6：進(jìn)行數(shù)據(jù)的反歸一化，還原數(shù)據(jù)本身情況；

Step7：利用相對(duì)誤差、決定系數(shù)等指標(biāo)對(duì)所構(gòu)建的神經(jīng)系統(tǒng)模型進(jìn)行性能評(píng)價(jià)。

二、結(jié)果分析與評(píng)價(jià)

結(jié)合MATLAB運(yùn)行結(jié)果圖形的變化趨勢(shì)可看出，神經(jīng)網(wǎng)絡(luò)的輸出值與實(shí)際值基本吻合，僅存在個(gè)別樣本略有偏差，但是這種偏差在預(yù)設(shè)的精度范圍之內(nèi)，對(duì)于模型整體的精確性影響可以忽略，且就整體而言擬合優(yōu)度達(dá)到98.584%，可認(rèn)為擬合效果優(yōu)良，該模型可用于衡量國(guó)家脆弱性程度，并且精度較高。

三、結(jié)論

結(jié)合BP神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果，氣候變化對(duì)于國(guó)家脆弱性程度存在影響[4]，我們可以發(fā)現(xiàn)經(jīng)濟(jì)、政治、社會(huì)、安全和環(huán)境作為影響國(guó)家脆弱性的因素可以較為綜合反映國(guó)家的脆弱性程度，各個(gè)指標(biāo)之間都具有較為良好的解釋能力，該結(jié)果表明綜合指標(biāo)評(píng)價(jià)體系中所選指標(biāo)均為國(guó)家脆弱性程度變化的影響指標(biāo)，并且以此構(gòu)建的神經(jīng)網(wǎng)絡(luò)具有較為優(yōu)良的評(píng)價(jià)與分析能力，可用于研究氣候變化對(duì)于國(guó)家脆弱性的影響。

參考文獻(xiàn)

[1]楊淑娥，黃禮.基于BP神經(jīng)網(wǎng)絡(luò)的上市公司財(cái)務(wù)預(yù)警模型[J].系統(tǒng)工程理論與實(shí)踐，2005.

[2]劉天旭，吳滔.脆弱國(guó)家的評(píng)估標(biāo)準(zhǔn)問(wèn)題[J].理論討論，2016.

[3]許東，吳錚.基于MATLAB 6 X的系統(tǒng)分析與設(shè)計(jì)——神經(jīng)網(wǎng)絡(luò)[M]（第二版）.西安：西安電子科技大學(xué)出版社，2002.

[4]史培軍，李寧，葉謙等.全球環(huán)境變化與綜合災(zāi)害風(fēng)險(xiǎn)防范研究[J]地球科學(xué)進(jìn)展，2009.

作者簡(jiǎn)介：趙宇晗（1997-），女，漢族，河北石家莊人，河北大學(xué)經(jīng)濟(jì)學(xué)院本科生，研究方向：經(jīng)濟(jì)統(tǒng)計(jì)。