基于模糊综合评价探究气候对国家脆弱性影响.docx

?

?

基于模糊综合评价探究气候对国家脆弱性影响

?

?

李梦迪

摘要：气候变化通过对区域稳定性产生影响，进而改变国家的脆弱性，当它与薄弱的政府治理和社会分裂相结合时，可以引发一系列的暴力恶性事件，通常沿着潜在的民族和政治分歧发展。因此，研究气候变化对区域稳定性的影响势在必行。首先根据建立的模糊综合评价模型分析了气候对国家脆弱性的影响，然后利用相关性分析了气候如何对国家脆弱性产生影响。

关键词：模糊综合评价;国家脆弱性;气候变化

1模糊综合评价模型的建立

1.1建立因素集

首先对数据进行了预处理，依据2017年美国大学生数学建模题所收集到的国家脆弱指数数据，国家脆弱性评价指标首先分为：凝聚，经济，政治，社会，然后凝聚分为：安全装置，派系精英，集体申述，经济分为：经济衰退，发展不平衡，人类飞行和人才流失指标，政治分为：国家合法性，公共服务，人权和法治，社会分为：人口压力，难民和国内流离失所，外部干预。

利用各项指标建立评价指标体系。国家脆弱性是有多种因素决定的，评价因素的选择合理性与否将对最终评判结果的正确性起关键作用，在此定义国家综合评价指标集合为：

1.2建立综合评价集

为确定各个评价区域各因子指标的表现，表示各指标的脆弱性程度，需确定评价集合，将国家脆弱性程度分为三个等级，得到评价指标集合为：

其中，为相应的综合评价标准的集合。下标值的大小反映了脆弱等级，当下标为1时，表示非常脆弱;当下标为2时，表示脆弱;当下标为3时，表示稳定在国家脆弱性的分级评价中。U是一个模糊向量，V是一个矩阵。

1.3建立权重集

在此确定权重为：

1.4隶属函数的计算

在此，选用将偏小型降半梯形分布和偏大型升半梯形分布隶属函数相结合的方法进行评价。可以把隶属度看成脆弱性指标因素的性状数据以及脆弱性等级的函数。

设某个国家的某个脆弱性指标的数据为，那么，这个指标对各个脆弱性级别的隶属度可以根据公式计算得出：

根据模糊的定义，表示某个国家的第个评价指标的数值可以被评为第级脆弱性的可能性。模糊评价矩阵中的第行，表示第个评价指标对各级脆弱性标准的隶属度，第列，表示各个评价指标对第级脆弱性标准的隶属度。

2计算气候与国家脆弱性之间的影响

根据模糊综合评价模型中的权重，评价矩阵，可以用以下公式进行计算：

以上的模糊综合评价模型没有直接考虑气候变化的影响，因此将气候列为考虑因素同样具有非凡统计意义。

运用气候变化与上述的国家脆弱指数的关系将气候引为评价指标，公式如下：

其中表示平均气温与第项指标的相关系数，为有效对比指标。

2.1分析气候对国家脆弱性的影响

通过以上分析，根据最大隶属度原则作出探究，找出向量中分量最大者，其对应的评价集中的相应的评论结果为模糊综合评价的最终结果。

若出现的最大分量不止一个，则要根据具体情况进行具体分析，选出其中一个作为最终评价结果。

的计算结果为正值表示带来有害影响，从而导致国家脆弱性综合指标升高;同理，反之，则给国家稳定带来有利影响。

3气候怎样影响比较脆弱的国家的脆弱性

3.1相关性的求解

假设未考虑气候变化时每个指标的权重为1，考虑气候变化后权重变化如下：

表示第个指标与气候变化的相关系数，此相关分为正相关和负相关两种情况。正相关表示的是气候变暖会加剧该因素的对国家脆弱性的影响，负相关则是相反的影响。因始终为正即可通过权重变化量的大小直接判断气候变化对各个指标的影响。值越小，影响效果越不明显，且小到一定范围带来的将是好的影响。由此直接判断权重的变化值更为方便。

4气候对一般国家的影响

4.1数据收集

首先选择不在前10名最脆弱国家之列的“瑞典”作为研究对象。然后保持指标不变，瑞典的各项脆弱性指標相关数据为：安全装置指标为-0.3259，派系精英指标为-0.5273，集体申述指标为0.1652，经济衰退指标为0.496，经济发展不平衡的指标为0.0669，人类飞行和人才流失指标为-0.2576，国家合法性指标为0.1589，公共服务指标为-0.1177，人权和法治指标为-0.2396，人口压力指标为-0.2396，难民和国内流离失所指标为-0.2008，外部干预指标为-0.8907。

由上可得8个指标与瑞典气候变化呈现负相关。4个指标与瑞典气候变化具有正相关性。“不均衡的经济发展”与其相关系数虽然为正，但其值为0.0669，较小，所以忽略不计，其他3个指标中“经济衰退”与气候变化的相关系较强，所以此指标重点导致瑞典脆弱性的增加，其他两个正相关指标次之。因此得决策性变量为：“经济衰退”，“国家合法性”，“集体申述”。由此当瑞典气候变暖时，国家合法性降低时，经济开始衰退时，集体申述强烈时，瑞典将会变得脆弱。

4.2数据归一化进行分析

对以上得出的决策变量的数据进行数据处理，将数据与其对应相关系数相乘，然后