震后损失快速评估研究综述

2022-10-13赵煜，李婷

防灾科技学院学报 2022年3期

赵煜，李婷

(兰州财经大学统计学院，甘肃兰州 730000)

0 引言

地震灾害损失评估指标包括非经济损失和经济损失两大类[1]。近几十年发生的强震，如唐山大地震、墨西哥城地震、日本阪神地震及2008年汶川地震造成的损失都极其严重，震后的震害调查和损失快速评定，有助于掌握地震灾害的损失程度，有助于政府实施救援活动，进而为灾区恢复重建决策的制定提供依据。随着科学技术的发展、地震现场工作经验的积累和震害分析的深入，学术界在震后快速损失评估研究方面有了大量的尝试，主要包括对不同的评估参数提出相对应的评估方法、房屋建筑强度对损失评估的影响等。国内外地震损失评估方法的研究取得了丰富的研究成果，由于研究的切入点不同和理论基础的不同，评估方法各有侧重，存在一定的差异。

1 震后灾害评估对象研究

图 1是地震造成灾害损失的分类，非经济损失包括人员伤亡和社会功能丧失；经济损失包括直接经济损失和间接经济损失，是进行地震损失数据的获得或震后损失评估方法选取的主要基础。而评估对象的确定也是源于这一分类。

图 1 地震灾害损失分类Fig.1 The classification of earthquake disaster loss

1.1 人员伤亡损失评估

目前对于人员伤亡方面的快速评估主要从选取指标和评估方法两方面进行研究。

现有文献在指标的选取方面主要包括基于传统地质参数、基于参照物的易损性以及外部环境指标三个方面。由于不同指标间的关联性、环境的复杂性以及数据获取的困难性等方面的制约，目前地震人员伤亡评估模型的指标比较难选取，主要分类见表 1。

表 1 地震人员伤亡指标选取Tab.1 Selection of earthquake casualty indexes

结合表 1的指标选取角度，将人员伤亡评估方法主要分为数学方法和统计方法。

1.1.1 数学方法

数学方法是地质人员常用的方法，最初主要基于地质参数和易损性方法，目前主要是灰色关联法、层次分析法和经验函数评判法。

(1)基于地质参数

地质参数的方法主要分为单参数评估和多单数评估，单参数主要选取指标有震级、房屋破坏比与地震强度等；多参数评估选取指标有地震烈度、人口密度、建筑物破坏率、发生时间等的结合。

基于一个参数的评估方法是通过选取一个影响因素作为衡量是否造成人员伤亡，并建立它们之间的关系。尹之潜等提出了房屋破坏比与死亡比之间的关系[2]；傅征祥等以倒塌率为参数得到了死亡率与倒塌率的关系公式[3-4]；楼宝棠等在房屋破坏率的基础上考虑了不同发震时间对地震人员伤亡的影响[5]；日本人河角宏提出了以房屋全毁栋数为指标的人员伤亡预测模型[6]；邹其嘉等研究了地震人员死亡数量与房屋毁坏面积的关系[7]。

基于多参数的评估方法是通过选取多个不同的影响因素进一步确定人员伤亡的评估方法。傅征祥等研究了地震烈度、区域人口密度、地震发生时间与死亡人数的关系[3]；陶谋立等以烈度和房屋破坏为基础，以白天和夜间两个时间段考虑地震发生时间对人员伤亡率的影响[8]；施伟华等讨论了地震死亡人数与震级和烈度的关系，并确定了不同情况下影响地震人员死亡数量的加权系数[9]；赵振东等对地震人员伤亡状态函数进行研究，并讨论了其与震后时间、人的健康条件、压埋环境等关系，随后建立了地震人员伤亡动态评估模型[10]；周素琴等确定了以土坯和砌体等为结构的初始人员伤亡矩阵，并结合人员被困条件、人员自身健康和时间得到了伤亡评估模型[11]。

(2)易损性方法

震后易损性研究方法主要是基于建筑物易损性的研究，通过对建筑物相关参数的研究分析人员伤亡的程度。

基于建筑物易损性的研究是采用历史震害数据，对建筑物单体的评估参数和权重进行了研究与分析，且在 GIS 技术下分析评估了各烈度下建筑的易损性。国内对建筑易损性的方法主要有解析分析、抗地震倒塌易损性的分析等方法，邹其嘉等对不同类型的建筑物在地震中的易损性进行分析，建立一套基于建筑物易损性的评估方法[7]；赵振东等通过分析建筑物易损性的研究构建了一套针对地震伤亡的动态评估系统，是对建筑进行抗震加固的重要依据[10]；王海潮等借用动力时程分析，对不同条件下砖混结构的破坏形式及特点进行研究，并在不同地震强度下对比抗震加固效果为实际工程提供参考[12]；陈尧等是在地震的作用下通过生命易损性分析地震影响区内的人员伤亡程度[13]。

基于建筑分类清单的地震损失评估方法有：震害矩阵方法根据大量地震灾害观测资料，建立人员伤亡率与地震动以及建筑物类型的相关关系；相关系数法通过对建筑物的单体抗震特性进行分析，依据建筑物的材料结构等计算在不同地震下，房屋的破坏状态与人员伤亡的相关关系。

(3)灰色关联法

灰色关联法是将因素之间发展趋势的相似或相异程度作为衡量因素间关联程度的一种方法。贾婧等通过4个影响因素提出评价指标体系的构建，并建立熵权法-灰色关联分析法海岛地震应急能力评价模型[14]；朱兴等利用灰色关联分析，挑选出与大别山地区地震活动关系密切的影响因子[15]。

(4)层次分析法

层次分析法(AHP)始于20世纪70年代初，通过应用网络系统理论和多目标综合评价方法提出的一种定性和定量相结合的综合分析方法[16]。肖遥等主要利用AHP 分析城市非工程性防震减灾能力各影响因子以此规划防震减灾[17]；刘莉等则是考虑了信息不全的 AHP 和不确定的AHP[18]；李波等基于AHP和灾害风险学理论，通过分析4个主要影响城市地震灾害损失因素，构建出城市地震灾害风险指数[19]。

(5)模糊综合评判法

模糊综合评判法主要针对多因素、多指标问题，具有一定的优势。臧石磊等基于模糊综合评价法计算分析得到地震易损性矩阵，根据辽宁省震害实例对预测结果进行了验证和分析[20]；张桂欣等采用综合加权法得到预测结构模拟震害指数，进而给出单体结构破坏等级。

1.1.2 统计方法

统计方法主要是基于经验数据，找变量之间的关系，通过构建变量之间的框架去进行评价体系的构建。主要包括回归分析、BP 神经网络。

(1)回归分析

回归分析主要是基于历史震害资料数据进行拟合回归，得到损失程度与各个因子之间的关系。Samardjieva E等在Christoskov的研究人口死亡回归模型的基础上建立了人员伤亡与震级、震区人口密度的回归模型[21]；张洁等利用线性回归的方法建立了强震和中强震分别与毁坏面积及破坏面积的人员伤亡快速评估模型[22]；高建国等通过分析数十次报道死亡人数，拟合得到死亡人数随震后时间的变化规律[23]。

(2)BP 神经网络

BP神经网络主要是以数据库和地理信息系统为基础建立地震伤亡的预测评估体系。田鑫等在选取评价指标后，算出其主成分，运用神经网络分析方法建立预测模型[24]；于山等利用神经网络方法研究了影响地震的七个因素，并根据震害实例建立了三层 BP 神经网络地震灾害人员伤亡预测模型[25]；杨帆等建立了基于 BP 神经网络的地震人员伤亡预测模型，解决了评估不准确的问题[26]。

1.2 直接经济损失

地震直接经济损失的评估始于20世纪80年代，其发展可分为三个阶段。

第一阶段的核心主要是通过抽样调查现场得到所需数据汇总分类。20世纪80年代对直接经济的评估是通过对不同建筑物类型进行分类，从而得到各建筑物类型破坏等级的平均破坏概率曲线[6]。

第二阶段是在第一阶段的基础上，在评估方法中加入了遥感技术、基于GIS软件进行评估。1995年美国FEMA在GIS的基础软件上进一步研发了震害评估软件—HAZUS-MH，该软件以定量的峰值运动为参数进行易损性分析，对灾区长期的经济损失、社会影响做出评估，提高了计算各级建筑物的破坏概率的准确性[27]； 2013年周光海等讨论地震建筑直接经济损失评估流程的过程中依据易损性清单法模型，结合 GIS 技术得出地震灾害损失评估系统[28]。

第三阶段是综合研究阶段，既有经济维度也有空间维度的分析。主要包括2015年蔡友军等对多次地震的直接经济损失样本数据做无量纲处理，按震级和烈度分别作了统计分析，利用回归函数，构建了基于贝叶斯模型的快速评估方法，提高了评估的准确性[29]； 2016年赵士达等选取影响震害的7个因素作为主要评价指标，建立了基于LM-BP神经网络的地震直接经济损失评估模型，此方法能更准确地预测出损失[30]； 2017年陈尧等以我国1990—2013年261次破坏性地震直接经济损失数据为样本，利用最小二乘法分别建立了基于震中烈度、震级、震中烈度与震级等3种地震直接经济损失快速评估模型[13]。

1.3 间接经济损失

间接经济损失的评估方法最开始是从一些相关联的量进行损失评估的，常见的关联模型有经济学模型和经验统计模型。目前相对前沿的方法是利用大数据分析震后间接损失。

1.3.1 经济学模型

利用经济学模型进行间接经济损失的测算，文献主要聚焦于其与产业的关联，代表性的有投入-产出模型及可计算的一般均衡模型，该类方法能够更好地给出产业关联的定量分析，为地震间接经济损失的评估研究提供主要依据。

(1)投入-产出模型

20世纪80年代末，采用 Wilson提出的区域产业投入-产出模型和计量经济学模型计算间接经济损失。王海滋等从经济学的角度出发，论述了地震间接经济损失的计算模型，着重从投入产出的各个侧面建立产业关联损失评估的理论模型[31]；从产业关联损失角度：都吉夔等利用灾区GDP、震害系数、企业服务业生产营业恢复时间以及地震对产业的影响时间，评估了灾区企业停减产的间接经济损失[32]；魏本勇等以汶川地震为例，利用投入产出模型，从产业关联损失的角度对汶川地震造成的间接经济损失进行评估，为间接损失研究提供依据。

(2)可计算的一般均衡模型(CGE)

CGE模型的思想源于Walras的一般均衡理论，Arrow和Gerard Debreu对一般均衡模型解的存在性问题进行论证； 1960年Johansen构建第一个模型， 1967年Scarf提出对均衡价格开创性算法[33]。核心作用是将一般均衡模型可从纯理论模型转化为实际应用的可计算的模型，使其被更广泛的运用。主要运用在社会核算矩阵，构建CGE模型，计算地震后的经济损失。

1.3.2 经验统计模型

利用经验统计模型的研究，主要将间接损失、直接损失与GDP联系起来提出计算经济损失的方法，通过GIS数据库对数据进行不同程度的处理可以将震害数据以图形的方式呈现出来，能够提高评估效率，进而更有效计算出经济损失。

李恒等通过统计出某地区的GDP值和建筑物的破坏比例，提出基于GDP来估算地震造成的间接经济损失的计算模型[34]；钟江荣等利用比例系数法，通过国内生产总值的变化估计地震灾害造成的间接经济损失，并对地震间接经济损失与直接经济损失之间的比率关系进行了分析；基于宏观易损性模型，以烈度、人口密度、人均 GDP、单位面积GDP为指标，将遗传算法和人工神经网络法相结合，借助标准化函数和 GA-BP 神经网络，得到各评估区的 GDP 损失比，进而可以得出各评估区的评估结果[35]。经验统计模型在经济损失评估中更为准确。

1.3.3 大数据分析法

大数据分析是指利用大数据海量的数据规模、快速的数据流动和动态的数据体系、多样的数据类型和巨大的数据价值4个特性进行信息挖掘与分析，核心解决的问题是如何对这些数据进行有效表达、解释和学习[36]。大数据处理包含4个重点环节：大数据的采集与管理、实时处理、分析挖掘和机器学习，大数据分析技术包括可视化分析、数据挖掘、预测分析、语义分析、数据质量管理等，数据挖掘的分析方法包括聚类分析、分类和预测、关联分析等，而预测分析是利用统计、建模、数据挖掘工具对已有数据进行研究以完成预测。

利用大数据分析方法进行间接损失的测算研究聚焦于数据的选取及数据分析方法，运用合适的方法尽可能收集多维度准确性高的数据，通过数据挖掘技术提取数据中的有效信息，达到提升分析推理能力和预测精度的目的。目前大多数地震灾害损失评估系统主要是基于历史基础数据来计算地震灾害损失的预估值，但由于各地基础数据存在缺失，数据精度不高，更新不及时，导致基础数据库时效性较差、数据质量不高，进而影响了评估结果的准确性。而大数据分析有效克服了间接经济损失中方法单一、灾情信息来源单一和数据源不足的局限性。

区域GDP对比法是通过对比地震灾害发生前后灾区国内生产总值的差异与变化，分析灾区间接经济损失的一种评估方法；韩静轩[37]对1949—2008年我国6级以上地震数据进行聚类分析，得出我国地震灾害主要有六个主要的地震区，整理和分析了自然灾害的影响机理和已有的灾害间接损失评估方法，应用生命周期曲线的原理，构建了更为科学的地震灾害间接损失评估模型并进行了实证分析；张莹[38]等通过对地震灾害损失基础数据的分析及模型的建立，为开展灾情应急工作提供了更科学的经济评估系统，实现了动态评估；宋妍[39]等基于1994—2016年四川省181个县的数据，使用合成控制法，分别研究汶川地震对10个极重灾区经济产生的长期间接影响；汪凡[40]以1996—2010年的历史震例为数据支撑，利用GIS技术获取人口、经济、建筑物公里格网数据，对获取的公里格网数据进行相关处理，构建其样本的协方差矩阵，通过正交变换，求解出间接经济损失相关主成分，利用所得到主成分进行综合评价分析，同时建立基于建筑易损性建立间接经济损失评估模型；李江龙[41]基于直接经济损失，考虑数据的可获取性，采用经验系数法对城市地震的间接经济损失进行预测，并利用ArcGIS软件表达出城市地震综合易损性与经济损失之间的耦合关系。