新書推薦：
《
地理中的中国史（自然篇）
》
售價：NT$
301.0
《
昭昭春日
》
售價：NT$
356.0
《
组织发展OD：出色HR如何做战略和效能分析
》
售價：NT$
356.0
《
大秦帝国全史
》
售價：NT$
1015.0
《
孟浩然（英语世界中的*一本孟浩然传记）
》
售價：NT$
332.0
《
改革年代：美国的工业霸主之路
》
售價：NT$
347.0
《
你愿意，人生就会值得（蔡康永2025新作）
》
售價：NT$
305.0
《
向坐着的人指控爱情
》
售價：NT$
199.0
|
| 編輯推薦： |
|
本书可作为高等院校管理科学与工程、工业工程、计算机科学、运筹学与控制论、工商管理、管理系统工程、信息科学及相关专业的高年级本科生和研究生的参考教材，也可供对决策分析感兴趣的研究人员、工程技术人员以及企业管理者阅读参考。
|
| 內容簡介： |
|
本书聚焦于突发公共卫生事件下的应急医疗物资需求预测和配置建模，对应急医疗物资配置研究现状及可视化分析展开研究，进而构建了基于时空注意力机制的应急医疗物资需求预测模型，实现了不同场景下的应急医疗物资配送路径优化建模，并致力于实现群体交互情境下基于多模态信息的应急医疗物资配置决策方法研究。本书为突发公共卫生事件应急管理体系构建提供了理论支撑，以期完善应急医疗物资配置机制，提升应急医疗物资配置的响应速度和服务效率。
|
| 關於作者： |
|
缑迅杰，副研究员，四川大学“双百人才工程”入选者，斯坦福大学全球前2%科学家（2020-2023），四川大学管理学博士，西班牙格拉纳达大学数据科学与人工智能博士。
|
| 目錄：
|
第1章 多模态语言信息的表达形式
1.1 双层语言术语集
1.1.1 双层语言术语集
1.1.2 第二层语言术语集的选择规则
1.1.3 双层语言术语集的运算法则
1.2 多模态语言信息形式
1.2.1 双层犹豫模糊语言术语集
1.2.2 双层语言偏好关系
1.2.3 双层犹豫模糊语言偏好关系
1.2.4 非平衡双层语言术语集
1.2.5 概率双层语言术语集
1.2.6 自信双层语言偏好关系
1.2.7 语言偏好序
第2章 应急医疗物资需求预测与配置决策建模与应用
2.1 应急医疗物资配置研究现状及可视化分析
2.1.1 应急医疗物资需求量与需求点预测研究现状
2.1.2 应急医疗物资配置模型研究现状
2.1.3 可视化分析
2.1.4 结论分析
2.2 基于时空注意力机制的应急医疗物资需求预测模型及应用
2.2.1 问题定义
2.2.2 问题描述及方法原理
2.2.3 SpacetimeNet网络模型的实验验证
2.2.4 应急医疗物资需求预测模型及应用
2.2.5 结论分析
2.3 基于PSOALNS算法的应急医疗物资配置模型
2.3.1 问题描述和数学模型
2.3.2 PSOALNS算法描述
2.3.3 PSOALNS算法有效性验证
2.3.4 算例分析
2.3.5 结论分析
2.4 基于PSO-VNS算法的卡车-无人机协同应急医疗物资
配送路径方法及应用
2.4.1 问题描述和数学模型
2.4.2 PSO-VNS算法描述
2.4.3 算例分析
2.4.4 结论分析
第3章 多模态语言信息的测度方法
3.1 多模态语言信息的距离和相似度测度
3.1.1 双层犹豫模糊语言元素的距离和相似性测度
3.1.2 双层犹豫模糊语言术语集的距离和相似性测度
3.1.3 基于双层犹豫模糊语言信息距离和相似性测度的决策方法与实例分析
3.2 多模态语言信息的关联测度
3.2.1 双层犹豫模糊语言元素的均值和犹豫度
3.2.2 双层犹豫模糊语言术语集相关系数的上下界
3.2.3 双层犹豫模糊语言术语集的加权相关测度
3.2.4 双层犹豫模糊语言术语集的加权相关测度
3.2.5 基于双层犹豫模糊语言信息加权相关测度的决策方法与实例分析
第4章 多模态语言偏好信息的一致性方法与应用
4.1 双层犹豫模糊语言偏好信息的加性一致性
4.1.1 双层犹豫模糊语言偏好关系的加性一致性检验
4.1.2 双层犹豫模糊语言偏好关系的加性一致性修正
4.1.3 基于双层犹豫模糊语言偏好关系加性一致性的群体决策方法与实例分析
4.2 双层犹豫模糊语言偏好信息的积性一致性
4.2.1 双层犹豫模糊语言偏好关系的积性一致性检验
4.2.2 双层犹豫模糊语言偏好关系的积性一致性修正
4.2.3 基于双层犹豫模糊语言偏好关系积性一致性的群体决策方法与实例分析
4.3 双层犹豫模糊语言偏好信息的区间一致性
4.3.1 双层语言偏好关系的一致性指标
4.3.2 双层犹豫模糊语言偏好关系的标准化一致性指标
4.3.3 双层犹豫模糊语言偏好关系的区间一致性和平均一致性指标
4.3.4 基于双层犹豫模糊语言偏好关系区间一致性的群决策方法与实例分析
第5章 基于多模态语言信息的群体共识决策方法与应用
5.1 基于双层犹豫模糊语言偏好信息的群体共识决策方法
5.1.1 双层犹豫模糊语言偏好信息的相关系数
5.1.2 基于双层犹豫模糊语言偏好信息的群体共识决策方法
5.1.3 基于双层犹豫模糊语言偏好信息的群体共识决策方法的实例分析
5.2 基于语言偏好序的群体共识决策方法
5.2.1 语言偏好序与双层语言偏好关系的转换模型
5.2.2 基于语言偏好序的共识模型
5.2.3 基于语言偏好序的多阶段交互式共识达成算法的实例分析
5.3 基于自信的双层语言偏好信息的群体共识决策方法
5.3.1 最小二乘法模型
5.3.2 权重确定方法
5.3.3 基于自信的双层语言偏好关系的共识测度和调整机制
5.3.4 基于双层语言偏好信息和自信度修正的共识模型的实例分析
5.3.5 仿真实验和比较分析
第6章 基于多模态信息的大规模群体共识决策方法与应用
6.1 基于双层犹豫模糊语言偏好信息的大规模群体共识决策方法
6.1.1 基于双层犹豫模糊语言偏好信息的大规模群体聚类方法
6.1.2 基于双层犹豫模糊语言偏好信息的大规模群体共识决策方法
6.1.3 基于双层犹豫模糊语言偏好信息的大规模群体共识决策方法的实例分析
6.2 基于自信双层语言偏好关系的大规模群体共识决策方法及应用
6.2.1 自信双层语言偏好关系的一致性测度
6.2.2 基于自信双层语言偏好关系的大规模群体共识决策模型
6.2.3 基于自信双层语言偏好关系的大规模群体共识决策模型的实例分析
6.3 管理小众意见和非合作行为的大规模群体共识决策方法
6.3.1 聚类方法、权重确定方法及共识模型
6.3.2 管理小众意见和非合作行为
6.3.3 管理小众意见和非合作行为的大规模群体共识决策方法的实例分析
6.4 基于语言偏好序管理非合作行为的大规模群体共识决策方法
6.4.1 基于语言偏好序的大规模群体共识达成过程
6.4.2 管理不同类别的非合作行为
6.4.3 管理不同类别非合作行为的大规模群体共识模型的实例分析
参考文献
|
| 內容試閱：
|
前 言
随着社会经济、科技的快速发展，自然环境的不断变化，突发事件在发生频率和规模上都有不断增大的趋势，这给各个国家的经济、人民的生命和财产安全都带来了巨大的威胁。经济全球化和信息网络化的推进不断增加了社会系统的复杂性和内部结构的关联性，因而，任何一个突发事件的爆发都有可能演变为具有强大破坏力的灾难或衍生二次灾难，造成大范围的人员伤亡和巨大的经济损失。突发事件是指突然发生的危及公共安全的紧急事件，将造成或可能造成重大人员伤亡、财产损失、生态环境破坏和严重社会危害，主要分为四大类：自然灾害、事故灾难、公共卫生事件、社会安全事件。各类突发事件的发生都严重威胁着人民的生命财产安全、造成巨大的经济损失，健全突发事件的应急管理体系与机制是减少各类损失的重要前提。因此，对应急管理决策的理论和方法进行深入的研究和探讨具有重要的理论意义和实际意义。
决策的实质是在复杂的决策环境下基于既定的目标对备选方案进行评估，并选择最优的方案。在实际决策问题中，由于认知结构的局限性、决策环境的多变性、客观事物的复杂性和模糊性，人们往往采用自然语言或扩展的语言术语这类相对量词来描述或评价客观事物的不确定性。为了解决这类带有语言评价信息的决策问题，国内外学者提出了多种复杂语言表达模型，将语言评价信息转化为相应的语言变量，并运用传统的语言决策方法对备选方案进行排序。然而，随着科学技术的飞速发展、信息更新速度不断加快，决策问题的复杂性日益凸显，传统的单一语言评价方式、添加语言修饰语的语言评价方式、仅使用数字或数字和语言变量的组合方式已不能适用于需要多个语言术语来描述的动态的、复杂的决策问题。基于此，本书作者以复杂的决策问题为研究对象，率先提出了双层语言术语集的概念。随后，国内外学者特别是本书作者给出了不同决策环境下的双层语言术语集的扩展形式（本书统称多模态语言信息），如双层犹豫模糊语言术语集、双层语言偏好关系、双层犹豫模糊语言偏好关系、非平衡双层语言术语集、概率双层语言术语集、自信的双层语言偏好关系、语言偏好序等。近年来，有关该理论的研究已受到了国内外相关领域学者的广泛关注，并已被成功地应用于决策分析、医疗管理、水资源管理、风险投资、中国政府和社会资本合作发展评估等诸多领域。随着对上述多模态语言信息研究的不断深入及应用范围的不断扩展，并结合其自身的特点，综合研究基于多模态语言信息的测度理论、偏好关系理论、群体共识和大规模群体共识模型等，并将其应用于实际的决策问题显得愈加重要，具有广泛的应用前景。
突发事件的多样性、复杂性、突发性和衍生性，导致研究对象具有高度的不确定性、模糊性和随机性，进而使得决策者获取的研究信息往往是不完备的。因此，深入系统地研究基于多模态语言信息的决策方法是当前应急管理决策的主要研究内容之一，这为相关职能部门提高应急管理能力奠定了理论基础，并为决策者制定具体的应急管理方案提供了科学的决策支持。由于社会网络的复杂化、信息化技术的飞速发展，以及人们认知结构的局限性，决策问题变得更为复杂。因此，研究基于多模态语言信息的决策方法一直是决策科学领域的研究重点，同时也是本书的重点内容。
综上，本书将致力于群体交互情境下多模态语言信息驱动的应急决策理论与方法研究，主要对近年来国内外学者特别是作者在应急医疗物资需求预测和配置决策方法，多模态语言信息的概念、测度方法、一致性检验和非一致性修正方法、群体共识和大规模群体共识决策模型进行介绍，并展示上述决策理论与方法在重大突发公共卫生事件下不同领域的多准则、群体和大规模群体应急决策等实际问题中的应用。全书共分6章。
第1章介绍多模态语言信息的概念。在复杂的决策环境中，为了完全反映人们对客观事物的真实评价，从充分分析人类认知和剖析复杂语言信息结构的角度出发，提出基于二元语言结构的双层语言术语集，运用双层的语言信息全面表征决策问题的不确定性。此外，率先给出不同决策环境下的双层语言术语集的多种扩展形式，包括双层犹豫模糊语言术语集、双层语言偏好关系、双层犹豫模糊语言偏好关系、非平衡双层语言术语集、概率双层语言术语集、自信的双层语言偏好关系、语言偏好序等。上述成果为群体交互情境下多模态语言信息驱动的应急决策理论与方法研究奠定了重要的理论基础。
第2章介绍应急医疗物资需求预测与配置建模与应用。首先，根据主题词从WOS进行文献检索，使用CiteSpace对检索数据进行可视化分析，并根据关键词共现的结果分析“应急医疗物资配置”领域的研究重点和研究热点，为应急医疗物资配置的研究提供有用信息，并根据可视化分析的结果对该领域未来的研究趋势进行分析和总结。其次，综合考虑疫情的特点和发展趋势等因素，提出基于时空注意力机制的自回归模型框架SpacetimeNet；采用公开的疫情数据集对该模型进行验证，展示了该模型在疫情发展趋势预测性能上的有效性和优势；随后根据其各自特点分别建立应急医疗物资需求预测模型并获取最终预测结果。再者，开展应急医疗物资配置路径优化研究，分别构建了基于自适应大邻域搜索粒子群算法的应急医疗物资配置模型和基于PSO-VNS算法的卡车—无人机协同应急医疗物资配送路径方法，以此保障应急医疗物资快速准确到达需求节点。本章研究内容为后续章节提供了应急决策案例背景和初步的应急医疗物资配置方案，同时也是本书群体交互情境构建的重要基础。
第3章介绍多模态语言信息的测度方法与应用。为了优化语言术语、偏好信息等不同参数之间的偏差，给出多模态语言信息的距离和相似性测度方法、关联测度方法。首先，分别给出双层犹豫模糊语言元素和双层犹豫模糊语言术语集之间的距离和相似性测度公理；定义一系列具体的距离和相似性测度，包括基本的距离和相似性测度、混合的距离和相似性测度以及包含决策者偏好信息的距离和相似性测度；构建基于距离和相似性测度的TOPSIS决策模型并将其应用于重大突发公共卫生事件医疗数据开放治理模式评估的实际案例。其次，定义双层犹豫模糊语言元素的均值和犹豫度，以及双层犹豫模糊语言术语集的均值和方差的概念；提出双层豫模糊语言术语集的相关性和相关系数，包括双层犹豫模糊语言术语集相关系数的上界和下界，以及考虑加权因子的相关性测度的加权形式和有序加权形式；依托上述关联测度，构建相应的多属性决策方法，并将其应用于中医诊断的实际案例。
第4章介绍多模态语言信息的一致性检验和非一致性修正方法与应用。为了消除人们对备选方案进行成对比较时产生的偏好不一致的问题，构建双层犹豫模糊语言偏好信息的一致性理论框架，主要包含：加性一致性、积性一致性和区间一致性。首先，分别从加性一致性和积性一致性的角度出发，给出双层犹豫模糊语言偏好关系的一致性检验方法和非一致性修正方法，进而提出基于双层犹豫模糊语言偏好关系加性一致性和积性一致性的群体决策方法，并将其应用于重大突发公共卫生事件中风险研判与决策模型的制约因素评估和应对重大及以上传染病突发公共卫生事件的能力评估的实际问题。其次，介绍包含所有双层犹豫模糊语言偏好关系一致性信息的区间一致性，并将其应用于农村突发公共卫生事件应急管理韧性的提升路径评估的群决策问题。上述三种一致性概念和方法多角度地、全面地刻画和评估了双层犹豫模糊语言偏好关系的一致性问题。
第5章介绍基于多模态语言信息的群体共识决策模型与应用。在群体决策过程中，基于双层犹豫模糊语言偏好关系的加性一致性或积性一致性，给出双层犹豫模糊语言偏好关系的相关系数和关联测度，建立群体共识决策模型，并应用于应对重大及以上传染病突发公共卫生事件的能力评估的实际问题。此外，本章分别介绍基于语言偏好序和自信双层语言偏好关系的群体共识决策方法，并将这些群体共识决策方法应用于突发公共卫生事件应急决策社会风险评估和卫生应急管理体系构建情况评估的群体决策案例中。
第6章介绍基于多模态语言信息的大规模群体共识决策模型与应用。首先，重点介绍大规模群体聚类方法、专家权重确定方法，继而介绍大规模群体共识决策模型，并应用于应急物资配置方案评估。其次，研究自信双层语言偏好关系的加性一致性，确保每位专家的偏好信息均具有可接受的一致性；基于此，研究了基于自信双层语言偏好关系的大规模群体共识决策模型，并将其应用于应急医疗物资政企协议储备决策影响因素评估的大规模群体决策问题。再次，通过提出新的聚类方法和共识模型，管理小众意见和非合作行为，从而给出基于双层犹豫模糊语言偏好信息的大规模群体共识决策模型，并将其应用于大规模突发传染疫情应急管理影响因素评估的大规模群体决策问题。最后，依托专家的评价信息，提出一种基于相似性测度的大规模群体聚类方法，以此作为识别和管理非合作行为的基础；给出展现每位专家对不同群组评价的多准则互评矩阵的概念，并基于该矩阵和聚类结果，给出专家权重确定方法；充分考虑大规模群体共识达成过程中的三类非合作行为，并针对三类非合作行为，提出了相应的判断方法和调整算法，进而构建了管理三类非合作行为的大规模群体共识决策模型，并将其应用于应急医疗物资配置优化程度评估的大规模群体决策问题。
由于作者学术水平和能力的局限性，书中难免存在错误和纰漏之处，恳请广大读者和同行批评指正。意见和建议请发至：gouxunjie@scu.edu.cn。
缑迅杰
2022年6月于四川大学
2. 应急医疗物资配置数据的描述性统计
（1） 关键词共现分析。
一般来说，关键词能够代表一篇文献的核心内容与研究重点。因此，对某一领域相关文献的关键词进行分析，不仅可以获取该领域当前的研究热点与重点，而且能够预测该领域未来的发展趋势。继上节对单个关键词进行分析后，本节将进行关键词共现分析，其主要依托不同关键词间的关系来解释某领域的研究热点和发展趋向。图2-4为根据CiteSpace导出的关键词共现图谱，共有666个节点，1459条边，密度为0.0066。
图2-4 关键词共现图
在共现网络结果中，节点（标签）的大小表示关键词出现频率的高低，节点越大意味着出现的次数越多；网络中的节点以年轮的形式显示，每一层的宽度表示相应年份所发表文章的数量，宽度越宽，说明当年发的文章越多；节点之间的线表示它们之间的共现关系，线越全面，共现性越强。
值得注意的是，除了resource allocation、 care、 model和allocation等反复出现的高频关键词外，emergency department一词从1998年首次出现在该研究领域后，累计出现次数达到104次，这给了我们一些新的启示：急诊科室实际上是应急医疗物资配置研究领域的一个核心要素。这在一定程度上反映出急诊科室在应急医疗物资配置领域中的关键地位和作用，尤其在公共卫生危机等突发事件中，急诊科室的角色与效能更显突出。因此，在未来的研究中，需要更深入地理解和研究急诊科室在应急医疗物资配置中的角色，以期制定出更优化、更具实施性的配置策略。
图2-5为叠加时间维度的关键词时间线图，右侧内容表示该领域的关键词聚类信息，每个聚类都是由多个密切相关的关键词组成的，聚类的顺序从0开始，顺序越小，聚类中包含的关键词数量越多。
图2-5 关键词时间线图
聚类#0 humanitarian logistics和聚类#1 risk factors为应急医疗物资配置领域的研究提供了重要的视角。其中，humanitarian logistics主要关注在突发事件如公共卫生危机等情况下，如何进行有效、高效的医疗物资分配和流动，确保物资在恰当的时间到达合适的地点，提高应急响应的效率和效果。
risk factors聚类重点研究的是影响应急医疗物资配置的各种风险因素，这些风险因素包括但不限于突发事件的类型、严重程度、影响范围、受影响人口的特征、物资的性质等。这些因素都将影响到应急医疗物资的需求量和需求分布，进而影响到物资配置的策略和效果，该方向的研究会直接影响到应急医疗物资配置策略的实际成效。
（2） 合作网络分析。
本节对文献作者的合作网络进行研究，其更为直观地展示出了应急医疗物资配置研究领域的核心研究力量和代表学者。同样地，本节使用CiteSpace对该领域的作者进行合作网络可视化分析，图2-6为作者合作共现图谱，共有736个节点，909条边，密度为0.0034。其中，节点的颜色表示不同的研究方向，从图中可以看出，Weinstock David V、 Coleman C Norman和Knebel Ann等人不仅研究方向相似并且他们之间存在着密切的合作。
图2-6 作者合作网络共现图
Bader Judith L、 Coleman C Norman和Weinstock David M三位学者分别发表了6篇、5篇和5篇文章，他们对该领域的进展做出了重大贡献；Liu Shan W、 Farrell Timothy W和Vitale Caroline A等人的合作度均为14，这说明他们与其他学者之间的合作密切，有效促进了该领域的交流与合作。不同研究团队之间的紧密合作和交叉引用，以及研究轨迹的多样性，都能够为该领域的合作和交流提供必要的机会，并且不同作者和机构之间密切的学术合作，对于促进相关研究的进展也是至关重要的。
2.1.4 结论分析
应对频繁发生的公共卫生危机时，制定有效的应急医疗物资配置方案至关重要，能有效地控制人员伤亡并最大程度地降低财产损失。为应对信息短缺且频繁变化、变量众多、约束条件复杂以及现场情况复杂等挑战，配置方案需综合考虑其时效性、实行性以及灾民的心理健康等因素。下面将基于对现有文献的总结和归纳，对该领域未来的研究方向进行详细的分析和阐述。
（1） 合理利用社交媒体。
科技的发展推动了社交方式的进步与更新，技术的进步以及大数据、互联网的发展为数据处理技术的升级提供了条件。因此，在研究过程中，可以考虑从社交媒体挖掘灾区的实时数据，并且使用数据清洗工具，筛选出有效信息，以便进行物资需求情况预测、并提高预测结果的准确度。除此之外，可通过社交媒体，及时更新应急医疗物资配置的相关资讯，并开通评论功能，及时获取灾区的具体情况，进而通过信息共享及时实现动态配置，其能够在一定程度上提高配置的科学性与有效性。但是，当前的数据挖掘、数据清洗以及数据处理技术还不够成熟，仍有较大的提升空间。
（2） 多团队协同办公，开发合作平台。
突发公共卫生事件发生后，要想实现在尽可能短的时间内得到有效的配置方案，需要做大量的工作，并进行多方面的沟通和协调。因而，可以考虑多方合作进行物资配置方案的制定工作，开发合作办公平台，进而提高应急医疗物资配置的效率。例如，可以设置专门进行物资需求预测的团队、数据收集的团队、物资协调的团队等，保证及时、有效的沟通，为物资配置方案制定团队提供更加全面的信息，从而实现减少方案调整的次数，实现缩短配置时间的目标，为物资配置与灾区救援争取更多时间。
（3） 区域协同配置。
一般来讲，突发公共卫生事件爆发后，灾区所需的物资种类和数量激增，但是受灾地区往往在短时间内很难有充足的物资储备。因此，可以考虑多供应点协同供应，尤其是灾区周围地区，不仅可以为灾区提供应急救援物资，还可以作为物资中转点和暂存点，以保证应急物资的合理配置。然而，尽管该方法在提升配置的效率和有效性具有一定的可行性，但在进行区域协调配置时，需保证各配置区域进行及时、有效的沟通，以便及时发现并克服可能出现的应急医疗物资供应过多或供应不足的情况。
（4） 鼓励政企合作。
现有研究显示，突发公共卫生事件发生后，大多数人会认为应急救援的主体是政府，因此大部分研究均以政府调度优化为出发点。的确，突发公共卫生事件下，政府会在第一时间做出响应，并及时展开救援工作。但是，值得我们思考的是，灾害面前，救援工作为第一要务，除了可以借助社交媒体等渠道及时获取信息，企业等可以在政府指定的官方账号或平台更新自己的物资储备与运输条件，以便和政府同时展开救援，缩短响应和运输时间。此外，这一研究思路同样需要注意保证及时、有效的沟通。
（5） 多运输工具协同配送。
已有研究显示，当前的应急医疗物资运输工具较为单一，多以陆运为主［190］。随着各类交通工具的进步与发展，后续研究可以考虑不同运输工具协调配送。此外，除了专门的应急医疗物资运输工具，还可以依托民航客机、高铁等交通工具［191］。突发公共卫生事件发生后，及时获取民航客机、高铁等的运行时间与路线，并获取其中的空闲空间信息，以实现协助应急物资运输工作。
（6） 动态预测与配置。
现有的应急物资配置方案大多为静态配置方案，即一旦方案确定，就很少再改动方案。这一定程度上是由于早期的信息沟通不方便，做不到及时、有效的数据获取与信息交流。因此，在后续的研究中，可以考虑动态预测与动态配置相结合，根据实时信息进行配置方案的及时调整［192］。
2.2 基于时空注意力机制的应急医疗物资需求预测模型及应用
重大突发公共卫生事件下，有效防控疫情传播的重要基础之一在于及时制定相应的防疫政策，而有效的防疫政策取决于当前疫情的发展趋势和相关医疗物资的需求量等因素。因此，基于突发公共卫生事件相关的历史数据预测目标地区的事件未来发展趋势，并根据预测结果合理得出应急医疗物资需求，对事件的防控工作具有重要的指导作用。一般情况下，突发公共卫生事件的传播具有区域关联性与时序依赖性的特点：一是地区之间的事件相关数据呈现复杂的关联性，且在潜伏期内或者无症状患者身上的病毒同样具有极强的传染性［193］，若得不到有效控制，易随人员流动在各地区之间大规模传播。因此，不同地区之间的事件发展状况具有一定的关联［194］。二是未来事件的发展趋势高度依赖过去时段的传播规律。例如，新型冠状病毒的潜伏期可以达到14天［195］，这使得其传播链很难被及时发现并有效切断。
突发公共卫生事件的上述特点使得准确预测事件发展趋势和应急医疗物资需求具有较强的挑战性。目前，相关研究人员提出了不同类别的预测方法，主要包括基于传统时序模型和基于传染病模型两类。
首先，基于传统时序模型的预测方法一般通过拟合目标地区单一数据的时间序列从而提取事件过去的发展规律，并据此预测其未来的发展趋势。目前，基于传统时序模型及其改进模型的预测方法被广泛应用于事件发展趋势预测。此类方法主要包括差分整合移动平均自回归模型(Auto Regressive Integrated Moving Average model， ARIMA)［196］、长短时记忆网络(Long ShortTerm Memory， LSTM)模型［197， 198］与逻辑回归模型［199， 200］等。例如，LSTM模型被引入中国台湾中部地区呼吸道疾病病例数的预测任务中［201］，其具有较好的泛化能力，能够动态捕获目标地区疫情数据中的时间序列依赖关系，较好地反映了疫情的发展趋势。除此之外，门控循环单元(Gated Recurrent Unit， GRU)网络被用于预测亚太地区各个国家的疫情发展趋势［202］，该结构除考虑时间序列数据之外，还综合考虑目标地区的人口和年龄结构等其他因素对事件发展趋势的影响。然而，这类方法较少考虑人员流动导致的各地区之间存在的关联性，且一般只关注目标地区的相关数据和其他相关因素。因此，时序预测模型在性能上具有一定的局限性［203］。
其次，基于传染病模型的预测方法更侧重于事件的发展趋势与传播规律研究，以及对传染病模型的针对性改进，如将确诊人群分为已收治和未收治两类［140］等，这类模型的预测性能相比于前者有了较大的提升，且在充分掌握病毒传播规律的基础上，能够较好地预测传染病的传播趋势并分析防疫策略效果［204］。自新冠肺炎疫情爆发以来，一些学者利用经典传染病模型及其改进模型对疫情预测进行了探索研究，并根据预测结果对疫情防控政策进行分析［201， 205］。此外，虽然基于微分方程和基于离散数据建立的动力学模型在一般情况下均能较好地拟合事件的发展趋势，但是该类方法采用的传播函数和参数很难对事件时间序列数据的动态依赖性进行建模；同时，突发公共卫生事件往往具有发现性难、潜伏期长、反复性高和传染性强等特点［206］，且易多次爆发并受多种干扰因素的影响，使得传统传染病动力学模型在进行中期或长期预测时通常存在准确性不高、预测结果数据波动大等问题。因此，越来越多的学者逐步利用深度学习方法提高预测的准确性，并考虑将传统动力学模型与深度学习模型相结合［207］、借助TCN网络等提升预测的精度［208］。
在预测具有传染性强、潜伏期长且可能反复爆发的突发公共卫生事件发展趋势时，需综合考虑相关时序数据中的时间关联信息和不同地区事件序列之间的空间关联信息［204］。时空序列是时间序列在空间维度上的扩展，可以看成是多个时间序列的集合［195］。时空序列预测问题需要同时考虑空间关联性和时间依赖性，比单纯的时间序列预测问题更加复杂。随着国内外学者对深度学习研究的不断推进，时空序列预测的相关研究也与日俱增，例如，利用多级注意力机制挖掘多个空气质量序列间的关联性进而提高模型的预测性能［209］，考虑车流量序列之间的空间关联性并利用不同道路的位置和连接关系进行交通道路流量预测建模［196］等。然而，上述方式处理对象之间的空间关联性大多是静态的，不同地区之间的事件发展关联性呈现动态变化，且相关数据通常不存在明显的周期性和趋势性。因此，相比而言，同时对空间关联性与时间依赖性进行分析会更加复杂。这也就意味着，突发公共卫生事件下的预测研究将更加困难，需要根据事件的特点进行针对性的分析，并在原有预测方法的基础上进行必要的改进与提升。
根据上述分析，本节利用目前被广泛应用于自然语言处理领域的自注意力机制(SelfAttention)挖掘序列数据中的动态关联性与依赖性。注意力机制最早出现在计算机视觉领域，其受生物视觉的启发，即眼睛在快速扫描视野中的物体之后会将注意力集中在目标上并过滤掉其他干扰信息，进而在复杂环境中快速提取有用信息［198］。目前已有诸多学者致力于自注意力机制的研究与改进，例如将其与Glimpse算法融合以提高图像分类的准确度［210］，或者将其引入自然语言处理模型解决神经机器翻译循环神经网络(Recurrent Neural Network， RNN)模型时长距离依赖的问题［211］等。自注意力机制不仅能够在保证结果精确性的基础上降低算法的时间复杂程度，而且在一定程度上提高了并行的效率［212］。得益于上述优势，基于自注意力机制的网络架构在自然语言处理领域逐渐取代循环神经网络，并被广泛应用于图像处理等领域。因此，本节在自注意力机制的基础上构建突发公共卫生事件发展趋势预测模型，以便提取数据的时序依赖性与空间关联性，进而提高预测的精确度。该模型为基于时空自注意力机制的自回归模型框架SpacetimeNet，其分别通过空间和时间自注意力机制提取事件中潜在的空间关联性与时间依赖性，进而更为准确地预测事件的发展趋势。该模型包括编码器和解码器两个部分，其中，编码器分为空间编码器和时间编码器两部分，空间编码器首先利用自注意力机制学习目标地区数据与其他相关地区数据之间的关联性，而时间编码器利用自注意力机制基于目标地区关联特征捕获事件时间序列数据的动态依赖性，进而得到目标地区数据的时空特征。其次，模型的解码器端则基于事件的时空特征，通过引入自注意力机制与掩码机制有效解析出目标地区事件的空间关联性与时间依赖性。得益于对自回归模型(Autoregressive model， AR)的使用，该模型能够准确地预测突发公共卫生事件的发展趋势。
针对应急医疗物资动态需求预测问题，现有方法通常通过建立数学规划模型或利用传染病模型及其改进模型实现应急医疗物资需求预测，如构建数学规划模型实现救援物资的配置决策和优化［213， 214］、构建重大传染病疫情演化的不同情境并实现关键应急物资配置决策［215］等。目前，大多数预测方法对时间的敏感度相对较低，且研究重心偏重于传染病动力学模型的研究与应急救援上。然而，在实际背景下，前期应急医疗物资的配置情况对事件的发展与防控以及后期应急医疗物资的配置均有较大的影响。此外，由于事件规模与发展趋势不断变化，应急医疗物资的需求量同样会随时间推移呈现动态变化的趋势。因此，为提高应急医疗物资需求动态预测的准确性，本节将在依托自回归模型框架SpacetimeNet准确预测每日新增确诊病例数的基础上，建立应急医疗物资需求动态预测模型。首先，根据预测得到的每日新增确诊病例数、死亡率与痊愈率计算每日的确诊病例总数，并根据确诊病例数计算医护人员需求量。其次，将应急医疗物资分为消耗性与非消耗性两类，并分别根据其特点建立不同的应急医疗物资计算模型。最后，依托所建模型得到相关应急医疗物资的需求量。
综上，应急医疗物资需求预测模型构建的研究思路如下。
（1） 利用空间自注意力机制提取各地区之间突发公共卫生事件的关联性，并建立模型编码器用于捕获其他地区对目标地区事件发展趋势的动态影响。
（2） 利用时间自注意力机制挖掘目标地区对事件时间序列数据的动态依赖性，进而分析目标地区事件发展的固有趋势。
（3） 利用基于自注意力机制与掩码机制的自回归模型对由编码器提取的事件时空特征进行解析，并循环预测目标地区未来的事件发展趋势，实现端到端的事件预测任务。
（4） 在准确预测目标地区每日新增确诊病例数的基础上，综合考虑死亡率、痊愈率、每日现存确诊病例、医护工作人员等，根据不同情况设置参数，通过预测模型获取未来一段时间应急医疗物资的需求量。
2.2.1 问题定义
首先，基于多个给定地区的突发公共卫生事件发展情况，预测其中某地区未来的事件发展趋势，即每日新增确诊病例数；其次，基于预测结果确定每日实际确诊病例总数，建立并求解应急医疗物资需求预测模型，进而得到应急医疗物资的需求量。
给定N个地区的疫情数据，包括：累计确诊病例数、每日新增确诊病例数、累计死亡人数、每日新增死亡人数等N维特征。为描述预测模型的结构，表2-3定义了符号并给出了具体描述。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
