雨洪灾害视域下的老旧社区防灾韧性评估——基于PSR模型和BPNN的实证研究

尚磊, 张友志, 张董寅, 钟媛

(1.江苏科技大学土木工程与建筑学院, 镇江 212100; 2.江苏科兴项目管理有限公司,南京 210021; 3.吉林建筑大学建筑节能技术工程试验室, 长春 130118)

21世纪以来,在全球极端天气和城镇化进程加快的大背景下,各种灾害风险频发,造成了严重生命和财产损失,对城市和社区的可持续发展产生诸多不利影响。根据《中国气候变化蓝皮书(2022)》显示,1961—2021年中国年平均降雨量呈增加趋势,年累计平均降雨量每10年增加5.5 mm,区域降雨量差异明显,暴雨天数增多[1]。雨洪灾害视域下,老旧社区作为城市灾害风险管理的基本单元,也是人类生活中的群众基础机构,由于建成年代远、建筑防灾等级低、配套设施差等原因,老旧社区防灾韧性普遍较弱[2]。因此,基于韧性视角的老旧社区雨洪灾害风险的研究,对于提升社区韧性以保障城市发展安全显得至关重要。

韧性,被定义为某一系统、社区或社会内在的本领,在受到冲击或压力的影响后能够保持原有的特征、结构和关键功能的能力[3]。近年来,从韧性视角探寻老旧社区应对雨洪灾害风险的能力已成为防灾减灾领域的研究热点。目前,现阶段中外学者对于老旧社区雨洪韧性的评估方法主要有4类:①运用模糊数学分析法、数据包络分析法、元网络分析法等综合评估法[4-6],构建评估指标体系对社区雨洪灾害进行风险综合评估;②利用回归分析法、损失率模型法、聚类分析法等数理统计法,对雨洪灾害历史数据进行统计分析,预测未来雨洪灾害发生的风险概率[1,7-9];③应用暴雨洪水管网模型(storm water management model,SWMM)、二维水动力系列模型等水文力学模型,对雨水排水系统、排水管道等设计、测试与可视化模拟[10-13];④基于空间分析法、遗传算法、元胞自动机等试验模拟法,采用遥感和地理信息系统(geographic information system,GIS)技术,模拟灾害情景,进行社区雨洪灾害的动态监测和评估[1,14-17]。

总体上,现有文献普遍认为老旧社区雨洪韧性是社区经济、防灾设施等多种因素耦合的结果。但是,对于老旧社区雨洪韧性的形成过程及其机理方面有待进一步揭示。也鲜有文献从雨洪灾害冲击下的社区承灾压力、社区状态和社区响应角度分析老旧社区雨洪韧性问题。为此,借鉴PSR模型[压力(P)-状态(S)-响应(R)],从老旧社区受雨洪灾害扰动的过程角度出发,以期更准确表征灾变过程的韧性特征和影响因素[18-19]。目前,PSR模型应用于老旧社区雨洪韧性的类似研究还相对较少;同时,BP神经网络(BPNN)常被用于因果关系复杂的非确定性问题的研究,具有较强的自适应、自组织协调和分类记忆功能,通过不断的自我学习使误差达到系统要求,被广泛运用于诸多研究领域[20-21]。

基于此,现构建基于PSR模型的老旧社区雨洪韧性评估框架和评估指标体系,采用BP神经网络(back propagation neural network,BPNN)建立老旧社区雨洪韧性模型(PSR-BPNN),以江苏镇江市京口区老旧社区为例进行案例验证研究,最后基于研究结果提出老旧社区雨洪韧性提升策略。与类似研究相比,PSR模型有利于揭示雨洪等外部灾害冲击下的老旧社区韧性形成机理,BPNN有助于改善雨洪等多灾种韧性评估模型的精度和适应性,对于老旧社区防灾减灾能力建设具有重要意义。

1 构建基于PSR模型的老旧社区雨洪韧性评估体系

1.1 PSR(压力-状态-响应)模型的引介

PSR模型是一种较为成熟的灾害冲击下的生态风险评估分析框架[22-24]。通过考察社区受外部扰动的影响、扰动冲击下社区的脆弱性、社区对扰动的恢复程度3种交互影响的内在链式反应,以此来揭示压力层(P)-状态层(S)-响应层(R)三者之间的因果关系。PSR模型反映“灾害-建筑物-人”三者之间的相互影响和反馈作用,能够反映雨涝灾害冲击下城市老旧社区防灾韧性影响因素之间的系统关联。为此,构建基于PSR模型的老旧社区雨洪韧性评估框架(图1),选取3个方面的具体指标。该评估框架由相关联的3部分组成。

图1 基于PSR模型的老旧社区雨洪韧性评估框架

(1)压力层(P):描述社区在受到外部灾害扰动时的致灾因子,包括自然灾害和社区面临的其他潜在风险因素等。其中:①自然灾害风险,如极端天气影响、雨洪等;②社区面临的其他潜在风险,如排水管网密度、地形起伏度、社区周边存在的危险源等。

(2)状态层(S):描述社区作为承灾系统所处的状态,如建筑设施稳定性和公共空间布局分布等。

(3)响应层(R)描述灾害冲击下社区居民、社区和相关管理部门所采取的应急处置和恢复措施,是对致灾因子和承灾体自身状态做出的响应。

老旧社区雨洪韧性就是社区在面临雨洪灾害冲击(P)后,社区作为承灾系统所表现出的抗灾能力状态(S)以及采取的防灾减灾响应措施(R),由此形成压力-状态-响应相互关联的内在链式响应。

1.2 评估指标选取结果

整合社区韧性理论,提出一个基于PSR模型改进的老旧社区雨洪韧性评估指标体系。在参考相关研究文献基础上[7,24-25],整合了城市规划、社区管理和防灾减灾等方面的标准规范和法律法规,如《城市防洪工程设计规范》(GB/T 50805—2012)、《防洪标准》(GB 50201—94)、《城市居住区规划设计规范》(GB 50180—93)和《砌体结构设计规范》(GB 50003—2011)等。

充分考虑指标代表性、科学性、指标数据的可获得性等问题,在对江苏省镇江市京口区部分老旧社区进行实地调研的基础上,结合专家咨询意见确定老旧社区雨洪韧性评估指标体系。本指标体系由20项评估指标构成,其中:压力层指标6项、状态层指标6项和响应层指标8项,如表1所示。

表1 老旧社区雨洪韧性评估指标体系

1.3 指标权重的确定

邀请城市规划、社区管理、消防工程、防灾减灾等相关领域的专家28人,对专家发放调查问卷,回收有效问卷23份(剔除信息不完整问卷),对评估指标体系的准则层、要素层和指标层进行相对重要性评估,通过建立判断矩阵,计算最大特征值并通过一致性检验,得到相对重要性排序[1,25-26],确定每项评估指标权重,具体步骤如下。

(1)采用网络分析法(analytic network process, ANP)[1],其中,控制层包括评估目标,即老旧社区雨洪韧性水平,下属3个决策准则(压力层韧性-状态层韧性-响应层韧性)。网络层将各准则层指标作为相互不独立的元素组,如图2所示。

图2 老旧社区雨洪韧性水平ANP决策分析模型

(2)社区雨洪韧性ANP分块超矩阵代表相互元素组(P-S-R)之间关系,超矩阵W有3个集群层,其中元素组P包含C1～C66个指标,元素组S包含C7～C126个指标,元素组R包括C13～C208个指标,则形成的超矩阵W,即

S…R

(1)

(2)

(3)

式中:uij为aij的具体数值。

(4)

研究分类、分层将压力因素、状态因素和响应因素进行比较和确定权重,构建划分为4个层级的老旧社区雨洪韧性评估指标体系,利用指数标度法[26]给各层级指标进行权重配比,得到各指标全局权重,结果如图3所示。

图3 老旧社区雨洪韧性评估层次结构及权重赋值

2 BP神经网络评估模型

2.1 BP神经网络原理

基于BP神经网络的老旧社区雨洪韧性评估模型包括3层,分别是:初始化输入层、隐含层和输出层神经元[27],权向量V和W分别为输入层到隐含层及隐含层到输出层的连接权。当输入自变量向量为M维,输出因变量为N维,评估模型是从M维自变量到N维因变量的函数映射过程。

在三层BP神经网络拓扑结构图,设X=(x1,x2,…,xn)T为输入向量,H=(h1,h2,…,hn)T为隐含层输出向量,O为输出层输出向量,y为期望输出向量,netj为隐含层第j个神经元的输入,netk为输出层第k个神经元的输入,如式(5)～式(6)所示。

隐含层输出为

(5)

输出层输出为

(6)

综合可得第l次迭代输出误差为

(7)

由式(7)可知修正权值可使误差E不断地减小,修正变量与下降误差梯度成正比。残值计算公式为

(8)

(9)

连接权值修正误差反方向调整,输出层和隐含层修正公式为

(10)

(11)

式中:负号表示梯度下降,比例系数λ∈(0,1)。以此可得BP神经网络学习算法修正公式为

Δwjk=λ(yk-ok)ok(1-ok)hj

(12)

(13)

BP学习算法是一个迭代过程[27-28],通过反复迭代,修正的权值和阈值再向前传播。若评估模型迭代或误差达到目标精度,则证明训练成功,否则返回开始新一轮训练,直至满足要求,方可用于评估研究目标。BP神经网络评估模型的学习算法流程(图4)。

2.2 BP神经网络评估模型构建

2.2.1 神经网络训练样本选择

目前,老旧社区雨洪韧性指标评估值尚无明确划分标准和界限范围。根据老旧社区雨洪韧性评估成果[4,20-21],以25组老旧社区作为模拟训练样本,在构建BP神经网络评估模型过程中,采用MATLAB高级语言程序实现算法[28],随机生成25组项目评估指标值,对25组老旧社区按照最高评分设为5分,最低评分设为1分,将评分数据作为输入变量,用模糊层次分析法确定的PSR模型评估指标体系的权重作为输出值,得出老旧社区雨洪韧性评估总分。将数据分为2份,其中20份为训练集,5份为测试集,设20个三级指标对应的权重W=(WC1,WC2,…,WC20),其对应的分级量化值S=(S1,S2,…,S20),则老旧社区雨洪韧性期望输出值Y=WS,即BP神经网络学习训练期望输出值。

2.2.2 确定隐含层节点数

对于模拟训练样本,输入分析20个老旧社区雨洪韧性评估指标(C1～C20),即m=20;输出n为老旧社区雨洪韧性评估值,即n=1;然而,隐含层神经元数目不同很大程度上会影响网络的性能,目前理论上没有明确的规定,可以参考经验公式[27,29],通过式(13)～式(15)来选取神经元个数。

(14)

(15)

k=log2m

(16)

用试凑法[27]将隐含层节点数设为5～14。分别对不同隐含层节点数的训练样本进行均方误差(mean-square error,MSE)计算,通过多次反复试验,将隐含层节点数定为6时,训练样本均方差最小,故中间最佳隐含层神经元节点数为6。

2.2.3 学习参数选择

基于BP神经网络模型对老旧社区雨洪韧性评估指标训练、测试,通过按比例划分训练集与测试集-数据归一化-确定输入层神经元个数,构建最佳隐含神经元个数-神经网络测试集与训练集拟合结果分析,输入拓扑结构“20-6-1”的老旧社区雨洪韧性评估模型(图5)。

Input:输入;hidden layer:隐含层;output layer:输出层;output:输出

采用MATLAB高级语言程序实现算法[27],设置参数(表2)。神经网络评估模型通过设置参数随迭代过程推进误差逐步减小,遍历以达到最优。

表2 模型训练参数

2.2.4 拟合结果分析

利用MATLAB训练网络,得到BP神经网络评估模型的拟合结果。

(1)将指标(C1～C20)训练样本量化值代入BP神经网络模型训练,经过2次训练达到最佳精度要求,BP训练曲线达到收敛状态,训练结束。BP训练误差(MSE)=0.225 38,相关系数(R)=0.947,BP神经网络训练过程曲线,如图6所示。

图6 BP神经网络的训练过程曲线

(2)BP神经网络模型拟合过程(图7),当第9次迭代时,梯度=1.074×10-5,误差精度Mu=1×10-7,验证失误次数=6次。说明神经网络9次迭代后达到目标精度要求,拟合模拟运行良好。

图7 BP神经网络模型拟合过程

(3)BP神经网络模型拟合效果(图8),R>0.91,拟合优度R2接近1,拟合效果良好。表明老旧社区雨洪韧性BP神经网络模型预测精度较高,可用于评估雨洪灾害视域下的社区防灾韧性。

2.3 训练与测试

由拟合运算结果可知,本文构建的BP神经网络模型具有精度良好的评估能力,对模拟训练样本划分训练集和测试集,适用于老旧社区雨洪韧性评估。具体过程如下。

(1)网络样本数据共有25组,其中:将样本编号1～20组作为训练集,在训练过程中对训练误差进行梯度下降,提取学习训练后的权值和阈值,使训练结果和期望输出的相对误差在精度范围内。由训练集结果分析(图9):训练的20组样本,相对误差最小的为0.001 8,其余误差均接近于0。

图9 神经网络训练结果

(2)将样本编号21～25组作为测试集,计算得出老旧社区雨洪韧性测试集拟合结果如表3所示。由表3可知,测试集平均误差(MRE)=0.093 5,相对误差范围为0.008 6～0.286 5,测试结果和期望输出值相吻合,反映该评估模型具有较高的可信度和精度。因此,PSR-BPNN模型可以作为老旧社区雨洪韧性评估工具,反映老旧社区雨洪韧性评估指标和指标评估值之间存在自适应训练学习和非线性关系,该评估模型具有较高的网络泛化能力和拟合精度。

表3 BP神经网络测试结果

2.4 老旧社区雨洪韧性评级

基于PSR-BPNN模型将输出层神经元雨洪韧性评估值设置为5级韧性评估:L={弱Ⅰ级,较弱Ⅱ级,一般Ⅲ级,强Ⅳ级,较强Ⅴ级}。计算公式为

(17)

(18)

式中:Um为各指标层评估结果;nUm为影响因素指标个数;Wi为第i项韧性评估指标的权重;Li为第i项评估指标的输入神经元量化值{1,2,3,4,5};L*为老旧社区雨洪韧性评估值。

采取非等距离划分法[1,30]将Um和L*值划分为5个等级(表4)。通过计算得出老旧社区雨洪韧性总体区间范围,结合指标权重,以此建立老旧社区雨洪韧性评估等级子因素集:压力层子因素集U1={严重,高压力,中等压力,轻微压力,小压力},状态层子因素集U2={受损,脆弱,中等健康,健康,非常健康},响应层子因素集U3={无响应,弱响应,中等响应,强响应,很强响应}。在老旧社区雨洪韧性的定义下,韧性等级越高,则表示社区承灾系统应对雨洪灾害风险的抗灾能力越强。

表4 老旧社区雨洪韧性水平等级划分

3 模型实证评估

3.1 研究案例及数据来源

镇江市地处长江下游南岸,位于江苏省西南部,属于典型的丘陵地貌,洪涝灾害等多种自然灾害频发。据报道,近年来镇江市最高水位周期性上涨,短时间特大降雨量屡屡超过历史记录,引发严重的城市内涝灾害。京口区为镇江市辖区,是镇江市现存面积和规模较大的老旧社区聚集地。对京口区老旧社区进行了深入的实地调研,该区域也是受雨洪灾害侵扰最严重的地区之一,这些社区建设年代多为1960—1990年,建筑层数多为4～6层、砖木结构的多层住宅,人口密度和建筑密度较高的居民区(表5)。此类社区大多公共面积较小,老年人口比例高,是典型的“高龄”社区。

表5 镇江市京口区老旧社区情况

数据来源调研问卷、实地考察和相关领域专家获得的数据资料,具体过程如下。

(1)实地勘察:2022年4—6月,选取老旧社区特征明显的古通巷片区、观音桥巷片区、府学新村、城隍庙东和青云门片区、医政路片区,以及东吴路沿线零散片区6处居住小区进行实地勘察。

(2)走访调研:调研对象为老旧社区居民、社区居委会相关人员,通过发放问卷向对老旧社区居民包括居民信息、老旧社区基础设施韧性状况及居民对韧性社区认知3个部分,包括年龄、职业、社区邻里关系、社区雨洪灾害情况等。

(3)专家访谈:2022年7月,罗列出雨洪视域下对老旧社区防灾韧性影响因素,综合相关领域专家的意见和建议,确定老旧社区雨洪韧性评估体系的压力层、状态层和响应层指标内容,在PSR-BPNN评估模型下,根据专家的判断分值,最终得到相应层级的老旧社区雨洪韧性水平评估值。

老旧社区主要指建成于2000年以前、社区配套设施落后、居民改造意愿强烈的老社区。此类社区普遍存在房屋陈旧、开放式管理、安全性差和老龄化严重等诸多问题。老旧社区里的公共设施受外界环境以及资源条件的影响,存在着很多安全隐患,该类老旧社区雨洪韧性较低。

3.2 雨洪韧性水平评估结果

基于PSR-BPNN模型对镇江市京口区老旧社区雨洪灾害视域下防灾韧性进行评估,归纳得出该老旧社区雨洪韧性水平评估值,如图10所示。

图10 京口区老旧社区雨洪韧性水平评估值

从图10可知,对老旧社区雨洪韧性评估值影响最大的指标分别为砖砌体结构防洪加固情况(C9)>应急标识和设施完善程度(C13)>水电管网线路及相关设施稳定性(C10)>排水管网密度(C3)>防汛演练和预案响应(C15)。各子系统对雨洪韧评估值贡献大小为:状态层(S)>响应层(R)>压力层(P),表明状态层对老旧社区雨洪韧性评估值作用最为显著。

(1)由压力层(P)雨洪韧性评估值可知,排水管网密度(C3)评估值远高于压力层的其他指标,雨洪灾害发生频率(C2)、地形起伏度(C4)和不良周边环境要素(C6)在压力层指标中评估值处于同一水平,评估值范围为0.042 4～0.054 9。区域性暴雨天气情况(C1)和内部绿地规划和植被选择(C5)是评估值较低2项指标,同样也是影响老旧社区雨洪韧性的客观条件。

(2)在状态层(S)指标因素中。砖砌体结构防洪加固情况(C9)评估值位于全局第1位。其中:公共空间数量和面积(C8)、水电管网线路及相关设施稳定性(C10)、附属设施稳定性(C12)是评估值较高的3项指标,在状态层中处于同一水平,评估值范围为0.088 5～0.208 4。表明雨洪灾害冲击时老旧社区的建筑体结构等要素防灾能力脆弱。

(3)在响应层(R)指标因素中,应急标识和设施完善程度(C13)在响应层中起主导作用,应急通道通行情况(C14)、防汛演练和预案响应(C15)和救灾物资储备情况(C19)在该指标层评估值中表现较高影响力。道路宽度和断面形式(C18)评估值最低,但对应急救援疏散通道的整治和扩宽也尤为重要,表明老旧社区在雨洪灾害冲击下的整体响应能力较差。

由式(17)和式(18)可知,镇江市京口区老旧社区雨洪韧性区间为(0.088,2.198),社区雨洪韧性评估值L*=0.548,压力层(P)、状态层(S)和响应层(R)雨洪韧性评估值分别为0.31、1.35和0.91。

对照雨洪韧性评估等级划分表(表4)发现,案例所选老旧社区压力层处于高压力状态,状态层处于脆弱阶段,响应层处于弱响应状态,社区的雨洪韧性等级L为Ⅱ级,面对雨洪灾害防灾韧性等级较低。评估结果和镇江市京口区实际雨洪韧性状态较为一致。因此,表明基于PSR-BPNN模型的评估方法可以准确、有效地应用于老旧社区雨洪韧性定量评估中。

4 结论与对策建议

4.1 结论

(1)引入灾害冲击下的生态风险评估领域较为成熟的PSR模型,构建了压力层韧性(P)、状态层韧性(S)、响应层韧性(R)3个维度的社区防灾韧性评价指标体系,反映雨洪灾害冲击下城市老旧社区防灾韧性影响因素之间的系统关联。

(2)通过BP神经网络(BPNN)模型,拟合分析该模型的可靠性,对20组训练集和5组测试集进行学习训练、拟合检验,计算可得测试结果与期望输出值相对误差较小,接近于0,反映该评估模型具有较高的拟合精度和良好的网络泛化能力,适用于雨洪灾害视域下的老旧社区防灾韧性定量评估。评估模型可以更加客观而有效地表达出评估指标和指标量化值之间存在自适应训练学习和非线性关系,降低老旧社区防灾韧性评估过程中的主观因素,可为社区雨洪韧性评估提供一个新的视角。

(3)基于PSR-BPNN评估模型对镇江市京口区老旧社区进行雨洪韧性案例研究,结果表明:案例社区的雨洪韧性综合得分L*=0.548,在I～V级雨洪韧性等级划分中处于第Ⅱ级,社区承受了高度的外部压力(P)、状态层存在诸多薄弱环节(S)、响应层为弱响应(R),社区雨洪韧性脆弱。

(4)基于PSR-BPNN模型的老旧社区雨洪韧性评估方法、评估框架和评估模型具有较好的适用价值。研究结论可以推广至其他类型社区和其他类型的灾害风险防范,针对其他类型社区和灾害风险的特殊性,可以构建适宜的单灾种或者多灾种防灾韧性评估框架和评估模型,进而提高社区防灾韧性评估和防灾策略的有效性和针对性。

4.2 对策建议

(1)“压力”源的修复与防御。①强化预警,开发洪涝灾害情景下的灾害应急导航系统和公共空间灾害监测设施,提升救灾速度,降低洪涝灾害的损失和影响;②在灾害来临时,在社区(乡、村)等基层配备相应的应急物资储备库,在应急救灾响应启动时,给受灾社区居民提供基本生活物资保障;③整治社区周边道路,重点排查社区周边危险源,并对社区内部构筑物进行加固及改造,以应对洪涝灾害冲击;④有效进行绿植配置。为防止洪涝灾害在社区内部引发滑坡、崩塌等次生灾害风险,应种刺槐、黄金蜀桧柏和草类植物等树种。

(2)“状态”的承载性转变。①对于地基存在不均匀沉降、基础开裂或变形,可根据实际情况,采用基础承载力加固和基础注浆加固法进行加固修复。而部分墙体倾斜变形、移位开裂和局部连接结点失效,以及基础承载力构件承载力不足、钢筋锈蚀和整体抗争性能不足,对不同部位的结构问题采用不同的加固方式;②对非结构部件的围护结构、外部连接构件和附属机电设备,应当加强措施,提高其非结构构件防洪排涝性能,使其降低传递居住社区主体建筑的不利影响;③定期检查老旧社区基础建筑构筑物的布置情况,疏通社区电线布局和清理单元楼内通道出口。结合现有社区内公共空间布局情况,对关键基础设施进行布置调整。

(3)“响应”效率的优化。①对社区应急标识和基础设施的建设和规划,增加救灾资源冗余度,建立灾前、灾中和灾后全过程的应急预案演练,鼓励社区中居民全过程参与。同时,在公共服务领域,提高居民灾害风险保障意识,促进居民以购买商业保险服务等形式,增强心理援助,推动保险业参与灾害风险应对日常管理;②加强对社区居民的管理和教育工作,对行动困难的老年人进行防灾演练,组织集体科普学习,保障和改善无障碍设施建设,以此提高社区居民的防灾救灾能力;③建立智慧云社区,根据韧性评估分级,分布预警信息,协同相关管理部门、社区和居民等根据预警信息,采取应急措施,实现智能决策管理;④在社区部署物联网设备等,以此实现雨洪灾害视域下的社区韧性智能状态的感知、数据处理、决策预警和应急处置,运用现代信息化优化传统管理体系。