基于灰色关联模型的风雹灾害经济损失影响因素研究

何树红+汤欣雨+王帅平+尤丽霞+王倩

摘 要：文章分析研究的对象是云南省曲靖市风雹灾害（气象灾害中较为常见的灾害之一）。根据《云南减灾年鉴》2000-2013记录的数据，文章主要运用了灰色关联分析法和DPS（Data Processing System）数据处理系统来分析研究云南省曲靖市因风雹灾害产生的直接经济损失的影响因素，以及各因素对直接经济损失的关联度。为今后防灾减灾，以及风雹灾害的风险管理，提供重要的科学依据。

关键词：直接经济损失 DPS数据处理系统 灰色关联 风险管理

中图分类号：F127 文献标识码：A

文章编号：1004-4914（2016）10-179-02

一、引言

云南省占地约为39万平方公里，占国土总面积的4.11%，因海拔悬殊，低山、丘陵又比较多，因而形成了比较复杂的气候特征——兼具低纬气候、季风气候、山原气候等。复杂的地域分布特征、地理环境和气候特征往往导致各种各样自然灾害的发生，如地震、洪涝、滑坡泥石流、冷冻低温、雪灾、风雹雷击、森林火灾等灾害。

近年来，云南省遭受了大量的气象灾害，如风雹雷击、冷冻低温、雪灾、洪涝以及滑坡泥石流等灾害。本文主要研究一种比较常见的气象灾害——风雹灾害。风雹灾害是指在强对流天气发生的情况下会引起冰雹、雷电、大风等造成的一种气象灾害。在一次波及范围较广、来势比较凶猛的降雹过程中，往往伴随着狂风、短时性强降水、温度急降等灾害性极端天气的发生。由于受到季风气候的影响，造成了我国是风雹灾害多发的国家之一。在我国风雹灾害的发生次数每年平均接近1000余次，灾害次数最少的为1977年共发生了400余次，灾害次数最多的为1987年达2150余次之多。

灰色关联分析是由我国著名教授邓聚龙首创的科学理论，王珊（2015）运用灰色关联理论深入研究分析了云南省暴雨灾害经济损失影响因素，得出暴雨灾害经济损失的影响因子之间的关联度，并提出应对暴雨灾害的策略；徐袆璠（2014）将灰色关联分析运用到粮食产量的影响因素分析当中，最终得出不同种类的农作物其粮食产量的首要影响因素不相同的结论；石桂双（2007）应用DPS数据处理系统对辽宁省玉米区域试验产量与主要性状进行灰色关联分析，得出影响玉米产量的主要性状，为以后育种提供重要的科学依据。Changsheng Ji（1999）将灰色关联应用到增加矿山收益以及降低生产成本中，找出各自最大的影响因素，从而为降低成本获取更大收益提供充分依据。

本文以2000-2013年云南省曲靖市境内发生的风雹灾害为例，运用灰色关联分析方法和DPS数据处理系统，深入探讨分析由风雹灾害所带来的直接经济损失的影响因素以及各因素之间的关联度排序，为今后防灾减灾以及风雹灾害的风险管理，提供重要的科学依据。2014年曲靖市统计人口为646.46万，约占云南省总人口的13.7%，人口总数仅次于昆明市，位列第二位；土地面积约为28904平方公里，约占云南省现有总面积的7.33%，位列第六位。依据《云南减灾年鉴》2000-2013年进行数据整理统计分析可知，云南省发生风雹灾害次数共计3981次，曲靖市虽不是全省最大的州市，但14年间发生风雹灾害的总次数却高达756次，占云南省14年间总风雹灾害发生次数的18.99%，位居全省第一。因此，本文采用云南省曲靖市2000-2013年发生的风雹灾害相关数据来分析研究风雹灾害直接经济损失影响因素以及各影响因素间的关联度，所得结论为日后防灾减灾工作过程中提供科学依据。

二、基本模型简介

灰色关联分析方法是由邓聚龙教授首创的科学理论，是一个关于灰色系统理论学科中的重要分支，灰色关联分析的具体操作步骤，如下所述：

1.确定分析数列：首先确定参考数列（又称母序列），它们主要是反映系统行为特征的数列；比较数列（又称子序列），它们主要是影响系统行为的数列。设母序列为Y=Y（t），其中t=t1，t2…，tn表时间，子序列为Xi=Xi（t），其中Xi为第i个影响因素的时间序列。

4.计算关联度。母序列和子序列在各个时刻的关联程度的数值即是关联系数，因此它的数值有很多个，这样会造成信息太过分散，对作整体性比较时十分不利。因此在分析时将各个时刻的关联系数集中为一个数是很有必要的，一般情况下取数集的平均值作为母序列和子序列之间的关联系数，即可表示为：

5.关联度排序。按大小排序：如果r1

三、风雹灾害直接经济损失影响因素实证分析研究

1.数据的来源与整理。本文数据主要来源于《云南省减灾年鉴》2000-2013年记载的曲靖市近14年间发生的所有风雹灾害，以及其带来的直接经济损失、受灾人口总数和历年人口总数如表1。

2.模型实证分析。在本章节设参考数列为直接经济损失数列，表示为Y=Y（t），其中t=2000，2001，…，2013，再设比较数列为大风发生次数，冰雹发生次数，风雹发生次数，受灾人口总数，历年人口总数，表示为Xi=Xi（t），i=1，2，3，4，5。选取这五个指标作为影响因素来分析，主要是因为风雹灾害带来的直接经济损失与当地的人口密度以及受灾人数有很大关系，与风雹发生次数也有紧密的联系。但各因素影响度大小未知，因此有必要研究各因素与直接经济损失间的关联度大小，为今后风雹灾害的预防减灾工作提供科学依据。

本文运用DPS数据处理系统处理表1中的数据，可以直接得到影响因素X1，X2，X3，X4，X5和直接经济损失Y的标准化处理结果（见表2），以及各因素与直接经济损失Y之间的关联度大小（见表3）。

由表3数据结果显示可知，关联度排序为r（X4，Y）>r（X1，Y）>r（X3，Y）>r（X2，Y）>r（X5，Y）

鉴于上述的数据分析结果，我们可以得出下列结论：曲靖市风雹灾害直接经济损失总额与受灾人口关联度最大，与大风灾害次数关联度次之，与风雹发生次数关联度居中，与冰雹灾害次数和总人口关联度最低。

四、结语

本文主要研究风雹灾害给云南省曲靖市带来的直接经济损失，并采用灰色关联分析方法和DPS数据处理系统分析研究大风发生次数，冰雹发生次数，风雹发生次数，人口总数，受灾人数这些影响因素对直接经济损失的影响度。进而得出风雹灾害带来的直接经济损失与受灾人口关联度最大的结论，即受灾人口对风雹灾害直接经济损失的影响度最大。因此，为了把云南省曲靖市风雹灾害造成的直接经济损失降至最低，本文提出以下建议：加强对风雹灾害的准确预测；政府应加大对巨灾风险研究的支持力度；大力推广保险行业与风雹灾害风险管理综合运用；学习交流外国对抗风雹灾害的成功经验。

[基金项目：教育部人文社会科学研究一般项目（11YJA790040）；云南省哲学社会科学规划项目（YB2014037）。]

参考文献：

[1] 百度百科：http：//baike.so.com/doc/7916363-8190458.html

[2] 邓聚龙.灰理论基础[M].武汉：华中科技大学出版社，2002

[3] 王珊.云南省暴雨灾害损失分布及其应对策略研究.[D].云南：云南大学，2015

[4] 徐袆璠.吉林省自然灾害与粮食产量的灰色关联分析[D].吉林：吉林农业大学，2014

[5] 唐启义.DPS数据处理系统：实验设计、统计分析及数据挖掘[M]北京：科学出版社，2010

[6] 石桂双.关于灰色关联分析结果问题的探讨[J].辽宁：种子科技，2007（3）

[7] Changsheng Ji， Youdi Zhang. Gray-Correlation Analysis of Mine Production Cost [C]. 28th International Symposium on Computer Applications in the Minerals Industries October 20-22， 1999 Colorado School of Mines Golden， Colorado USA， （1999）

[8] 赵钰，皇甫岗.云南减灾年鉴[Z].2000-2013

（作者单位：何树红，云南大学经济学院 云南昆明 650091；汤欣雨，云南大学数统学院 云南昆明 650000；王帅平，湖南大学信息与工程学院 湖南长沙 410000；尤丽霞，云南大学数统学院 云南昆明 650000；王倩，云南大学数统学院 云南昆明 650000）

（作者简介：何树红，博士，教授，硕士生导师，主要研究方向：数理金融与风险管理。）

（责编：贾伟）