基于贝叶斯和云模型的区域型社会稳定风险评估机制研究——以中国（济南）特医食品产业城为例

文/王建浩 刘璐

一、引言

现如今，我国经济发展迅速，产业结构不断优化升级，出现了大量以集成化、集约化生产为主导的高科技产业城区域，如特殊医疗用途食品产业城、化工产业园、数字化产业城等。目前所进行研究中，以重大项目和重大决策社会稳定风险评估为主，涉及到区域型社会稳定风险评估研究内容较少。区域型社会稳定风险作为包含重大项目、重大决策和土地征收三者的结合体，工程之间的相邻影响、重大决策对重大项目的政策指导以及土地征收与重大工程、重大决策的先后关系等均需要科学的理论作为支撑。因此，本文为区域型社会稳定风险评估研究提供理论支撑，并填补区域型社会稳定风险评估研究方面的空白。

本文基于贝叶斯理论和云模型，一方面利用Netica软件的数据学习能力，了解某一区域内社会稳定风险评估概况，提高数据库应用的通用性；另一方面，利用Matlab软件得出区域型社会稳定风险评估的评价云图，与标准云图进行对比，得出风险评价结论。同时，基于贝叶斯理论和云模型提出了区域型社会稳定风险评估方法，以期为行业内同类项目的开展提供参考。

二、理论关系

（一）区域型社会稳定风险评估

区域型社会稳定风险评估是指针对于某一特定区域（某科技区、某产业区）内的各类项目落地、各项政策执行进行一个统筹性的社会稳定风险评估。在某一特定区域，基本上都是某一特定行业的项目或者其配套服务设施项目，这种项目对周边利益相关者的影响类似，对社会稳定的影响方面基本相同，因此，采取区域型社会稳定风险评估可减轻项目单位和风险评估主管部门的工作压力。

（二）贝叶斯理论、Netica学习模型与社会稳定风险评估

贝叶斯理论是用来解决不确定因素较多的情况，在相关调查数据支撑的基础上，对这些不确定性进行分析，从而得出风险概率的分布情况，其所需的数据需要保证真实有效。基于贝叶斯理论，利用Netica软件的大数据学习能力，可以将某工程咨询机构150余万份社会稳定风险评估调查问卷的数据库进行学习，再将某一特定区域的调查问卷进行植入，可以得到该区域型社会稳定风险评估的数据。

（三）云模型与社会稳定风险评估

不确定性与随机性是社会稳定风险评估行业的主要特征，云模型在二者之间关系的处理上具有独到之处，通过对调查问卷中不确定性与随机性进行分析，将定性与定量相结合，从而得到真实的风险评价结论。

三、理论研究

（一）Netica学习模型

采用Netica工具进行系统科学的风险概率及权重预测。通过将已有的数据库中同类项目的问卷数据进行Netica模型学习，得到每一个单因素风险的模型，再将某一区域抽样调查问卷的所有单因素风险进行录入，通过Netica工具进行风险预测，得到某一区域的各个单因素风险。在Netica工具中，离散型概率近似等于权重，因此，各风险的权重采用Netica工具输出的风险概率。

（二）云模型

在云模型中，利用期望值（Ex）、熵（En）、超熵（He）3个数字特征完成了模糊概念与确定数据之间的转化。在社会稳定风险评估阶段，通常利用专家打分法来确定某项目的单因素风险指数，这种方法出来的指数较为模糊、含有主观意识。然而通过云模型，将含有模糊性的表述转换成确定的数字特征，风险评价结果更加具有科学性。

1.确定风险因素集合、评语集合、标准云模型

在利用云模型进行社会稳定风险评估之前，首先，需要对某一特定区域型稳评所有涉及到的单因素风险进行评语集定义；其次，在云模型中定义风险评价指标的标准云，输出每项单因素风险的风险程度；最后，针对风险程度较高的风险因素提出风险防范化解措施。单因素风险程度一般分为以下五个层次，以w字符来表示为：

w={w1,w2,w3,w4,w5}={微小风险、较小风险、一般风险、较大风险、很大风险}

在生成云模型标准评语集之后，利用Matlab软件，使用正向云发生器，可以得到某一特定区域型稳评风险云评价结论，结果如表1所示：

表1 云模型风险因素评价等级及云参数

2.基于云模型的单因素风险指标评价

（1）单因素风险的高低框定打分

采用专家打分的方法获取某区域型稳评风险因素的高低框定打分，专家根据上述稳评单因素风险评价，给出每项单因素风险指数的最高分和最低分（Max和Min），通过公式得到该区域型稳评云模型的3个特征参数，利用Matlab软件将每项单因素风险指数的最高分和最低分（Max和Min）作为云滴值分别带入逆向云发生器，可以得到区域型稳评单因素云Max参数和云Min参数。

（2）单因素风险指数计算

利用（式1）计算各单风险指标的云参数。

3. 最终综合评价

（1）区域型稳评风险云评价模型

通常某一个主要风险因素都是由多个单因素风险构成，通过（式1）可以得到单因素风险指数，通过将单因素风险指数云汇总，得到区域型稳评主要风险指数，主要计算公式如（式2），最终获得某区域型社会稳定风险评估云模型。

（2）项目总体风险评价

结合利用Netica软件获得的权重运用式（3）得到该项目社会稳定风险最终评价云模型：

四、实证探究

（一）基于贝叶斯理论单因素风险概率计算

在中国（济南）特医食品产业城社会稳定风险评估中，风险因素可以分为8种类型：政策规划和审批程序、征地拆迁及补偿、技术经济方案、生态环境影响、经济社会影响、项目建设管理、社会舆论导向、质量安全和社会治安。将这8种类型进行细分，可以得到34种单因素风险。接下来运用Netica软件，将前期调查得到的数据进行导入，利用贝叶斯理论，使用Netica软件对34种单因素风险进行分析，得到8种主要风险因素的风险权重值。

根据Netica软件的分析可以得知，每项主要风险概率如表2所示：

表2 主要风险因素概率汇总表

（二）基于云模型单因素风险指数计算

针对v1的两个单风险因素进行高低框定打分，如表3所示：

表3 v1单风险因素高低框定打分表

利用Matlab软件，根据（式1）可以得出v1的两个单风险因素各自的云参数：Max（v11）（0.3356，0.0396，0.0121），Min（v11）（0.2258，0.0477，0.0042），Max（v12）（0.3366，0.0395，0.0119），Min（v12）（0.2249，0.0467，0.0046）；根据（式2）可以得出v1主要风险因素对应的云参数（0.2745,0.0794，0.0157）。

同上上述理论可以得出：

结合Netica求得各主要风险因素的权重，该区域型稳评汇总如表4所示：

表4 v1风险因素汇总表

根据（式3）可以求得中国（济南）特医食品产业城区域型风险评估云模型为:

（三）风险评价结论

根据区域型风险评估云模型（0.3127,0.0777,0.0194）可知，中国（济南）特医食品产业城区域型稳评风险程度在较小风险与一般风险之间，未达到一般风险等级，属于较小风险，与项目的实际情况一致。

为直观地表明中国（济南）特医食品产业城区域型社会稳定风险评估总体风险等级及单因素风险等级，利用Matlab软件，得到项目的总体云图和单因素云图（除标注外的蓝色线条，从左往右依次为：微小风险、较小风险、一般风险、较大风险、很大风险），如下所示：

图4-1 项目总体风险云图

图4-2 政策规划和审批风险云图

图4-3 征地拆迁及补偿风险云图

图4-4 技术经济方案风险云图

图4-5 生态环境风险云图

图4-6 项目质量管理风险云图

图4-7 经济社会影响风险云图

图4-8 施工安全与社会治安风险云图

图4-9 社会舆论导向风险云图

对比总体云图与各单因素风险云图可知：征地拆迁及补偿与社会舆论导向两个单因素风险较为偏右，且风险权重也比较偏大。根据实际调研情况分析，当地老百姓最为在意的即为征地拆迁及补偿方面，容易在老百姓内部形成舆论问题。因此，征地拆迁及补偿与社会舆论导向风险水平要高于整体风险水平。

五、结论与建议

我国各区域的地形地质条件差异较大，区域社会经济和民族文化各有特色，不同区域的区域型稳评的特点性较强、差异化较大。针对以上特点，结合区域型社会稳定风险评估机制的要求，提出以下结论与建议：

一是利用Netica强大的学习能力，增强风险因素确定的准确性。在对风险指标体系敏感性分析和指标权重计算的基础上，从合理性、合法性、合理性、可行性四个方面构建区域型社会稳定风险识别指标体系；通过贝叶斯理论，利用Netica软件对已有数据库进行数据学习，对评估指标进行筛选，明确评估指标体系中的具体指标，对评估指标体系中的指标权重进行量化确定。此外，对数据学习过程进行优化，增强区域型社会稳定风险评估指标体系的灵活性，降低因区域内项目类型不同导致的输出结果中的风险误差。

二是采用基于云推理模型的区域型社会稳定风险评估方法，并以区域型社会稳定风险评估实例验证该评估方法的合理性和科学性。笔者在风险评估体系的基础上，针对区域型社会稳定风险评估过程中的不确定性和模糊性，提出了基于云推理模型的区域型社会稳定风险评估方法。同时，将正态云理论应用于区域型社会稳定风险不确定推理预测，并构建基于条件云发生器的云语言预测规则，在此基础上提出了基于云推理模型的区域型社会稳定风险评估模型，最后以实际数据验证评估方法的实用性。

三是发挥区域数据库强大的支撑作用。本文所论述的情况适合在某一区域具有强大的数据库支撑，数据库作为Netica学习的基础，需要涵盖区域型社会稳定风险评估机制中的所有风险因素。

综上所述，Netica学习与云模型在区域型社会稳定风险评估的应用，可以更好地提高某一特定区域内风险评价体系的完整性、风险评估结果的准确性以及风险防范化解措施的针对性。