EN中文

GEOGRAPHICAL RESEARCH >

2015 , Vol. 34 >Issue 10: 1875 - 1886

DOI: https://doi.org/10.11821/dlyj20151006

Articles

A multi-agent based theoretical model for dynamic flood disaster risk assessment

  • HUANG He , 1 ,
  • FANG Yida 1 ,
  • YANG Siquan 1 ,
  • LI Wenbo , 2 ,
  • GUO Xiaotian 2 ,
  • LAI Wenze 2 ,
  • WANG Hailei 2
Expand
  • 1. National Disaster Reduction Center of China, Beijing 100053, China2. Institute of Intelligent Machines, Chinese Academy of Sciences, Hefei 230031, China

Received date: 2015-03-08

  Request revised date: 2015-07-14

  Online published: 2015-10-15

Copyright

《地理研究》编辑部
Fold

Abstract

As the consequences of urbanization trends and climate changes in recent years, the impacts and interactions of flood disasters have become significantly complicated. As a complex system engineering, flood disaster risk assessment takes on very important meaning in the theory and practice of flood control. What is more, the risk assessment model is the foundation and core of risk management and emergency response of flood disaster. So, the flood disaster assessment model has a deterministic influence on the flood disasters risk assessment results. The flood disaster risk is the consequence of the interactions between different factors in a complicated flood disaster system. According to the characteristics of flood disaster complex system, agent-based modeling (ABM) technology, belonging to complex system modeling, is employed in dynamic risk assessment for flood disaster. This paper proposed a multi-agent based theoretical model for dynamic flood risk assessment. First, the framework of dynamic risk assessment model, namely flood risk dynamical assessment multi agent system (FRDAMAS), is constructed for flood disaster based on the analysis of the complex flood disaster system from the perspective of complex system modeling. Second, based on research on each kind of agent model in FRDAMAS, a reactive agent model is used to construct single agent model of hazard environment and a deliberative agent model is used to construct the agent models of hazard factor, hazard effect object and risk analysis. Meanwhile, the procedures, the mechanism and the rules of abovementioned agents are studied. Third, taking risk analysis agents alliance as an example, we analyze interior structures and procedures of the four types of agents alliance involved in FRDAMAS, including hazard environment agents alliance, hazard factor agents alliance, hazard effect object agents alliance, and risk analysis agents alliance. Finally, the dynamic assessment of risk population during the whole process of the rain-storm flood disaster in the Huaihe River Basin is implemented using the proposed method and DEM data with a spatial resolution of 30 m on NetLogo platform. The results demonstrate that the proposed method can effectively assess the dynamic changes of population risk during the whole process of flood disaster. And it is also important that the results will have a strong guiding significance for population risk assessment, emergence response, and emergence management for flood disasters.

Key words： flood; risk dynamic assessment; complexity system; agent-based modeling

Cite this article

HUANG He , FANG Yida , YANG Siquan , LI Wenbo , GUO Xiaotian , LAI Wenze , WANG Hailei . A multi-agent based theoretical model for dynamic flood disaster risk assessment[J]. GEOGRAPHICAL RESEARCH, 2015 , 34(10) : 1875 -1886 . DOI: 10.11821/dlyj20151006

1 引言

洪涝灾害（包括水灾和涝灾）是中国和全球损失最严重的自然灾害之一。1950-2012年,洪涝灾害共造成中国279968人因灾死亡,12102.63万间房屋倒塌,直接经济总损失29970.31亿元[1]。进入21世纪后,洪涝依然对中国造成了巨大的损失。2000-2012年,平均每年造成14742.0万人（次）受灾,1458人因灾害死亡,113.6万间房屋倒塌,直接经济损失1371.4亿元[1]。面对严峻的洪涝灾害形势,急需对其风险进行评估;风险评估结果被广泛应用到灾情管理、灾害预警、应急救援等方面。洪涝灾害风险评估一直是地理学、灾害学、水文学和水力学等学科重要的基础研究之一。而风险评估模型是洪涝风险评估的基础和核心,主要采用一定的模型与方法对洪涝灾害致灾因子危险性、孕灾环境稳定性、承灾体易损性等进行评价分析,是进行洪涝灾害管理及决策的重要科学依据[2]。从研究方法来看,目前的洪涝灾害风险评估方法分为洪水演进法[3-7]、空间综合分析法[8-14]、模糊综合评判法[15]、层次分析法[16,17]和复杂系统建模法[18,19]等。
洪水演进法是从灾害动力学角度研究洪水灾害风险,根据求解途径可分为水力学和水文学两大类模型;目前都被成功应用到洪水灾害风险评估之中[3-7]。水力学模型是以圣维南方程组为基础求解一维或二维水流,此类方法随着计算机的发展得到重视;而水文模型主要从洪水发展内在规律研究洪水灾害的风险,一般采用概率论和数理统计为工具。水文模型计算出风险为实际来水量大于某一特定值的概率,与“抗御多少年一遇的洪水”是一致的。洪水演进法能比较好解决洪水灾害风险静态评估问题,而不能有效解决洪水风险的空间非均匀性。
为解决洪涝灾害风险的时空非均匀性,评估方法及技术逐步转向综合利用洪水演进与遥感、GIS等相结合的空间综合分析法,并也取得一系列成果[8-14]。总的来说,目前的空间综合分析法的研究成果多以评估洪涝灾害的经济、人口、建筑物等的静态损失或绘制洪水风险图等为主;与洪水演进法相比,空间综合分析法能有效解决洪涝风险的时空非均匀性,缺点是不能有效解决洪涝灾害孕育发生发展过程中风险动态变化问题。
为了有效解决洪涝灾害风险评估中的模糊问题,目前已有学者将模糊数学应用到洪涝灾害风险评估中,如夏富强等利用多层次模糊综合评判和GIS技术对不同洪水情景下黄河下游的决溢风险进行评价[15]。该类方法能有效解决洪涝灾害风险评估中的模糊现象,但不能解决洪涝灾害风险的时空动态变化性。另外,洪涝灾害风险评估是一个复杂多层次的问题,层次分析法（analytic hierarchy process, AHP）可将复杂问题分解为若干层次和若干因素;目前,AHP也被应用到洪涝灾害风险评估之中[16] [17]。与模糊综合评判法类似,AHP也不能有效解决洪涝灾害风险评估的时空动态变化性。
洪涝灾害系统是典型复杂系统,将复杂系统中的智能体建模（agent-based modeling, ABM）引入到洪涝灾害风险评估预期能解决洪涝灾害风险评估中的复杂性。目前,研究人员利用ABM对灾害风险评估问题进行探索[18,19],如王飞等利用ABM构建自然灾害风险评估概念模型[18],但对洪涝灾害风险动态评估没有进行深入探讨;Dawson等利用ABM方法模拟溃堤情况下的人员和车辆移动[19],也没有涉及到洪涝灾害风险动态评估。
综上,洪水演进法、空间综合分析法、模糊综合评判法和AHP等对洪涝灾害风险评估的研究成果多将洪涝灾害风险评估作为一种静态的灾前定性风险分析或灾后定量损失估算。另外,目前风险评估方法一般将洪涝灾害风险形成因素当成确定状态,而比较少考虑致灾因子、孕灾环境和承灾体在洪涝灾害风险形成过程中的多样不确定性、动态变化性和系统复杂性。然而灾害管理实际工作需要根据洪涝人口风险的动态变化情况,采用相应的应急救援措施。所以,更为科学的做法是对洪涝灾害孕育发生发展全过程的风险进行动态评估。
面向灾害管理的实际需求,本文在已有研究的基础上,利用ABM构建洪涝灾害风险评估多智能体复杂系统,建立基于ABM的洪涝灾害风险动态评估框架模型。在该评估框架中,首先利用洪涝灾害系统、洪水演进法和空间综合分析法的研究成果构建洪涝灾害多智能体系统;然后利用洪水演进法、模糊综合评判和AHP的研究成果构建智能体之间的相互作用关系;最后通过模拟仿真评估洪涝灾害孕育发生发展过程中动态风险。本文的方法可将已有的洪涝灾害风险评估模型和方法有机统一到洪涝灾害风险动态评估上,所构建的洪涝灾害风险动态评估模型,预期能解决洪涝灾害风险动态评估难题,并具有广泛应用前景。

2 基于ABM的洪涝灾害复杂系统构建方法

ABM是一种从微观到宏观的建模方法,被广泛用于多种复杂系统建模,近几年被引入到地学等领域,为现代地理学研究提供新思路。洪涝风险评估是典型“自然—社会”复杂系统。从灾害系统理论来看,风险是洪涝灾害复杂系统宏观涌现结果[20],如图1所示。其中,洪涝致灾因子包括暴雨、台风、海啸、冰雪融水、溃堤等;洪涝灾害孕灾环境的稳定性主要与受灾区域的地形、河流湖泊分布、土地利用、植被覆盖及土壤的相关性比较大[2]。洪涝承灾体就是洪涝致灾因子作用对象,可将承灾体分为人口、财产、房屋和农作物等[21]。
Fig. 1 The composition of flood disaster complex system[20]

图1 洪涝灾害复杂系统组成[20]

本文将ABM技术引入到洪涝灾害风险评估中,探索洪涝灾害风险动态评估方法,构建洪涝灾害风险动态评估模型,预期可以解决洪涝灾害风险评估中的复杂性和动态变化性。Agent模型是利用ABM技术进行洪涝灾害风险动态评估的基础。Agent模型分为反应型（reactive agent,RA）、慎思型（deliberative agent,DA）和混合型（hybrid agent,HA）[22-24]。RA能快速响应外部信息,智能性和灵活性比较低;而DA具有较高智能性,对环境反应比较慢。HA综合RA和DA的优点,具有较高的灵活性和快速响应性,其内部结构复杂。
利用ABM对洪涝灾害复杂系统（图1）进行自上而下建模,在微观上对洪涝的致灾因子、孕灾环境和承灾体的状态和行为特征进行抽象,并构建相应的Agent集合联盟。然后,构建洪涝灾害风险动态评估多智能体体系（flood risk dynamical assessment multi agent system, FRDAMAS）。最后,利用规则逻辑推理机制确定FRDAMAS中Agent及Agent集合联盟之间相互作用关系,使不同Agent之间产生互动;从宏观上实现对洪涝灾害复杂系统的建模,然后在模拟仿真平台对洪涝灾害孕育、发生发展过程进行模拟,进而动态评估洪涝灾害孕育发生发展过程的动态风险。图2为本文所提出基于ABM的洪涝灾害风险动态评估框架。
Fig. 2 Flood risk dynamic assessment framework based on ABM

图2 基于ABM的洪涝灾害风险动态评估框架

本文所构建的洪涝灾害风险动态评估框架中所涉及到单个Agent或Agent联盟（集合）的具体信息和相应的内部结构如表1所示。
Tab. 1 The agent types involved in flood disaster risk dynamic assessment model based on ABM

表1 基于ABM的洪涝灾害风险动态评估模型中涉及到智能体类型

联盟名称 智能体集合名称 类型 说明 类型
致灾因子Agent 暴雨型洪涝Agent 混合型 降雨量、流速、淹没时间、淹没深度等Agent 慎思型
台风型洪涝Agent 台风中心位置、中心气压、风速、方向、风圈、降雨量、流速、淹没时间、淹没深度等Agent
海啸型洪涝Agent 洪水量、流速、淹没时间、淹没深度等Agent
冰雪融水型洪涝Agent 降水量、温度、融水量、流速、淹没时间与深度等Agent
溃坝型洪涝Agent 洪水量、位置、流速、淹没时间与深度等Agent
其他洪涝Agent 根据具体情况确定相应的Agent
承灾体Agent 人口Agent 混合型 数量、结构、年龄和分布等Agent 慎思型
财产Agent 农业、工矿业、基础设施、公益设施等Agent
农作物Agent 农作物类型、分布等Agent
基础设施Agent 供油、供水、供电、供气、路网等Agent
房屋Agent 房屋结构、种类、分布等Agent
其他承灾体Agent 根据具体情况确定相应的Agent
孕灾环境Agent 地形Agent 混合型 高程、坡度、坡向等Agent 反应型
河流湖泊Agent 河流、湖泊等Agent
土地利用agent 土地类型、土地利用等Agent
植被覆盖Agent 植被类型、植被覆盖度等Agent
土壤Agent 土壤类型、分布等Agent
其他环境Agent 根据具体情况确定相应的Agent
风险分析Agent 人口风险分析Agent 混合型 受灾人口、低/中/高度受灾人口、紧急转移人口、需救助人口等分析Agent 慎思型
经济风险分析Agent 直接经济损失、农业损失、工矿业损失、基础设施损失、家庭财产损失等分析Agent
农作物风险分析Agent 农作物受灾面积、农作物成灾面积、农作物绝收面积、毁坏耕地面积等分析Agent
基础设施风险分析Agent 供油设施损失、供水设施损失、供电设施损失、供气设施损失、路网损失等分析Agent
房屋风险分析Agent 倒塌房屋、严重损坏房屋和一般损坏房屋等分析Agent
其他风险分析Agent 因灾死亡大牲畜、因灾死亡牛羊等分析Agent
不同Agent的内部模型和流程设计是进行洪涝灾害风险动态评估的基础;Agent之间协调协调是保障,Agent之间作用规则是关键。

2.1 单个Agent模型与流程设计

本文单个Agent内部模型与流程设计主要包括表1中孕灾环境等四大类Agent联盟（集合）中如降雨量与高程等单个Agent的内部模型与流程设计。
2.1.1 孕灾环境Agent内部模型和流程 如表1所示,在FRDAMAS中,孕灾环境是洪涝灾害孕育发生发展环境,要求其具有快速反应能力。根据BDI（belief desire intention）模型[22,24],单个孕灾环境Agent采用RA型智能体。不同孕灾环境Agent差异主要体现名称、动作条件、动作目标和通信内容等方面。这里以高程Agent为例说明单个孕灾环境Agent模型与流程。本文将高程Agent定义为6元组模型,即A={Name,WS,Rule,Action,State,Commu}。高程Agent具体语言定义为<ElevationAgent>::=<Name><WS><Rule><Action><State><Commu>;<Name>:=<高程><Elevation>;<WS>:=<外部世界状况><Range>;<Rule>:=<制定规则><Rule-Action>;<Action>:=<激活条件><行为库>;<State>:=<未发生><正在发生><发生完毕>;<Commu>:=<通信方式><通信内容>。高程Agent的内部结构如图3所示。
Fig. 3 Elevation agent internal structure

图3 高程Agent内部结构

如图3所示,高程Agent具体工作流程为：
步骤1：通过感知部分获取外界环境信息,如降雨Agent发生的区域范围。
步骤2：通过外部信息,根据动作条件,对高程Agent如何对洪涝灾害系统进行响应。
步骤3：然后通过反应部分作用外部环境,从而完成外部环境对高程Agent的调用。
2.1.2 洪涝致灾因子Agent内部模型和流程 在FRDAMAS中,致灾因子Agent是执行具体任务主体,是洪涝灾害发生的驱动力,要求具有强的逻辑推理和学习能力。根据BDI模型,单个洪涝灾害致灾因子Agent采用DA型智能体。这里以暴雨型洪涝灾害的降雨量Agent为例说明单个致灾因子Agent内部模型和流程。其他洪涝灾害致灾因子Agent内部结构类型的差异主要体现名称、意图逻辑、知识库、规则库、模型库、案例库、动作目标和通信内容等方面。本文将降雨量Agent定义为6元组模型,即A={Name,WS,Rule,Action,State,Commu}。降雨量Agent具体语言定义为：<RainfallAgent>::=<Name><WS><Rule><Action><State><Commu>;<Name>:=<降雨量><Precipitation>;<WS>:=<外部世界状况><Elevation>;<Rule>:=<制定规则><Precipitation Rule>;<Action>:=<激活条件><行为库>;<State>:=<未发生><正在发生><发生完毕>;<Commu>:=<通信方式><通信内容>。降雨量Agent内部结构如图4所示。
Fig. 4 Precipitation agent internal structure

图4 降雨量Agent内部结构

如图4所示,降雨量Agent的具体工作流程为：
步骤1：通过感知部分获取外界环境信息,如暴雨洪涝灾害所发生区域的高程Agent信息。
步骤2：通过获得外部信息,根据当前状态和规则,对降雨量Agent生产进行规划。
步骤3：根据降雨量的规划,对降雨量Agent生产规则进行规划。
步骤4：根据规划生产具体降雨量Agent,通过反应部分作用外部环境,完成降雨量Agent的生产。
2.1.3 洪涝承灾体Agent内部模型和流程 在FRDAMAS中,承灾体Agent（如人口）是执行具体任务的主体,要求具有强的逻辑推理和学习能力。根据BDI模型,承灾体Agent采用DA型智能体。这里以人口Agent为例说明单个承灾体Agent的内部模型与流程。本文将人口Agent定义为7元组模型,即A={Name,WS,DB,Rule,Action,State,Commu}。人口Agent的具体语言定义为：<PopulationAgent>::=<Name><WS><DB><Rule><Action><State><Commu>;<Name>:=<人口><People>;<WS>:=<外部世界状况><降雨量><高程><建筑物信息><水流信息><…>;<DB>:=<人口基础数据><人口损失状态>;<Rule>:=<降雨量><高程><建筑物信息><…>;<Action>:=<激活条件><移动><不移动>;<State>:=<安全><一般受灾><中度受灾><严重受灾>;<Commu>:=<通信方式><通信内容>。人口Agent内部结构如图5所示。
Fig. 5 Population agent internal structure

图5 人口Agent内部结构

如图5所示,人口Agent具体工作流程为：
步骤1：通过感知部分获取外界的致灾因子（降雨量Agent）与孕灾环境等信息。
步骤2：通过获得外部信息,综合分析降雨量Agent、高程Agent等因素,结合规划库中的规划;对人口Agent移动行动进行规划。
步骤3：根据人口Agent移动规划,调用行动库中的行动,确定人口Agent移动方向。
步骤4：通过反应部分将具体移动动作作用外部环境,从而完成人口Agent移动避险。
步骤5：实时更新自身状态库,并反馈给灾情Agent。
2.1.4 风险分析Agent内部模型和流程 在FRDAMAS中,风险分析Agent是执行具体任务的主体,单个风险分析Agent采用DA型智能体。这里以人口风险分析Agent为例说明单个风险分析Agent的内部模型与流程。本文将人口风险分析Agent定义为7元组模型,即A={Name,WS,DB,Rule,Action,State,Commu}。人口风险分析Agent的具体语言定义为：<PopuRiskAnalyzeAgent>::=<Name><WS><DB><Rule><Action><State><Commu>;<Name>:=<人口风险分析><Population Risk Analyze >;<WS>:=<外部世界状况><安全><低度危险><中度危险><重度危险>;<DB>:=<人口基础数据>;<Rule>:=<安全人数统计分析规则><低度危险人数统计分析规则><…>;<Action>:=<安全人数统计分析><低度危险人数统计分析><…>;<State>:=<时间><统计未完成><正在统计><统计完成>;<Commu>:=<通信方式><通信内容>。人口风险分析Agent内部结构如图6所示。
Fig. 6 Population-risk-assessment agent internal structure

图6 人口风险分析Agent内部结构

人口风险分析Agent具体工作流程（图6）为：
步骤1：通过感知部分获取外界的人口Agent的状态等环境信息。
步骤2：通过外部人口Agent状态,调用规划库对人口Agent受灾状态统计进行规划。
步骤3：根据规划和人口Agent的状态信息分别对不同状态的人口信息统计分析,获得暴雨洪涝灾害发生发展过程中人口受灾情况,并将统计后的状态信息反馈给自身的状态库。
步骤4：通过反应部分将结果反馈给风险分析Agent集合,完成受灾人口灾情分析。

2.2 智能体联盟及集合内部结构和流程

根据洪涝灾害风险动态评估特点和BDI模型,采用HA型智能体为四大类Agent联盟(集合)的内部结构。不同Agent联盟(集合)差异包括名称、信念、愿望、计划库、响应策略和通信内容等。以洪涝灾害风险分析Agent联盟为例说明Agent联盟及集合的工作流程。
如图7所示,风险分析Agent联盟工作流程：
步骤1：利用感应部分获取外部环境信息,并形成监控事件,如对受灾人口进行分析。
步骤2：根据具体的监控事件,调用具体的推理器,对关于救灾人口风险分析的信念和愿望进行解释。
步骤3：根据解释器具体解析结果,调用计划库中人口风险分析计划,并在自身意图的支持下,通过筛选器对计划进行筛选。
步骤4：根据计划筛选结果,调用具体执行任务的Agent,如人口风险分析Agent;或根据计划筛选结果,直接调用响应组件,最后利用通信协议与其它Agent或Agent联盟进行通信。
步骤5：最后根据人口分析Agent执行结果,通过反应部分对外界环境进行具体的响应。
Fig. 7 The internal structure of agents alliance and sets

图7 智能体联盟及集合的内部结构

2.3 Agent之间通信协调协作制设计

Agent之间的通信是不同Agent间相互作用和协调协作的基础。在完成FRDAMAS中Agent内部模型和流程设计的基础上,利用KQML（Knowledge Query and Manipulation Language）语言建立Agent之间的通信语言。不同的Agent联盟及集合通过KQML进行通信交互协调,Agent联盟及集合内部中不同Agent（如降雨量Agent、高程Agent等）之间也通过KQML通信接口进行交互协调。通过不同Agent之间的通信可以实现不同Agent之间的协调协作,这样FRDAMAS中不同Agent及Agent集合之间可以相互作用。

2.4 Agent相互作用规则

在完成FRDAMAS中Agent通信协调协作机制设计的基础上,不同类型Agent之间的相关作用规则是进行风险动态评估的关键。总的来说,在FRDAMAS中,Agent之间相关作用规则的包括：① 不同洪涝致灾因子Agent与不同孕灾环境Agent之间作用规则;② 不同承灾体Agent与风险分析Agent相关转化关系;③ 不同致灾因子Agent之间作用与转化关系;④ 不同孕灾环境Agent之间相互影响作用关系;⑤ 不同承灾体Agent之间作用与影响关系。由于不同类型洪涝的成灾机理差异比较大,如暴雨型洪涝涉及到暴雨管理模型（Storm Water Management Model,SWMM）[25,26],冰雪融雪型洪涝则需要关注融雪径流模型（Snowmelt Runoff Model,SRM）[27,28],溃坝型洪涝则需关注溃坝模型与洪水演进模型[29],等等。由于篇幅限制,本文简要介绍基于ABM的暴雨型洪涝风险动态评估中不同Agent之间作用规则。
对于基于ABM的暴雨型洪涝灾害风险动态评估模型,采用SWMM中降水关系曲线作为降雨量Agent生产规则[25];将研究区人口、房屋等的分布情况作为承灾体Agent的产生规则;利用水文学中的水量平衡方程、连续非线性水库模型和曼宁方程[30]等作为暴雨洪涝地表产汇流模拟的规则,其中在非线性水库模型中需要的排水面积通过孕灾环境的高程Agent获得,在求解曼宁方程中利用高程Agent获得所必须的坡度参数;人口Agent或建筑Agent受灾状态的判断参考暴雨洪涝风险评估研究成果确定[31]。

3 结果分析

在Netlogo平台上,对淮河流域部分区域的暴雨洪涝灾害人口风险动态变化进行评估。首先进行FRDAMAS模拟仿真的初始化。具体为：① 选择空间分辨率为30 m的DEM,大小为729 km2的实验区,如图8a所示;② 根据的实验区人口密度和房屋分布情况,按照“高程越高,人口和房屋分布越少,人口与房屋分布有较强相关性”的规则在DEM上随机生产4616个人口Agent（其中一个人口Agent代表实际中的10人）和1515个房屋Agent,如图8b所示。从图8b可以看出,人口和房屋主要分布在高程比较小的区域,而且在房屋Agent周围都有人口Agent的分布。
Fig. 8 The entire process dynamics simulation of population risk for rainstorm flood: (a) The DEM of the study area, (b) Population and housing agents initialization, (c) The early period of rainstorm-flood, (d) The mid period of rainstorm-flood, (e) The later period of rainstorm-flood, (e) The end of rainstorm-flood

图8 洪涝全过程的人口风险动态模拟：(a) 实验区域DEM数据,(b) 人口和房屋Agent初始化,(c) 暴雨洪水初期,(d) 暴雨洪水中期,(e) 暴雨洪水后期,(f) 暴雨洪涝结束后

在致灾因子Agent初始化方面。具体为：① 首先利用SWMM模型中的降雨过程模型和淮河流域典型的暴雨降水过程模型[25]对降雨量Agent进行初始;② 利用水量平衡方程、连续非线性水库模型、霍顿模型、曼宁方程等解决暴雨的产汇流。
在人口Agent和房屋Agent状态判断的初始化方面。具体为：① 人口Agent按照“向安全区域移动”的规则进行移动,具体包括向安全的房屋、浅水区域、或未被水淹没区域移动等;② 人口Agent状态判断的规则主要根据洪水深度和被洪水淹没时间两个参数才确定;③ 房屋Agent状态也主要根据房屋被洪水淹没时间和淹没深度来判断其受灾状态。
最后,对暴雨洪涝全过程中的人口风险进行模拟仿真,结果如图8c~图8f所示。其中,图8c为暴雨初期人口Agent与房屋Agent分布情况,图8d为暴雨中期人口Agent和房屋Agent分布情况,图8e为暴雨后期人口Agent和房屋Agent分布情况,图8e为暴雨结束后人口Agent和房屋Agent分布情况,图8f为暴雨洪涝结束一段时间后的人口与房屋Agent分布情况。
暴雨型洪涝不同时期的受灾人口风险动态模拟仿真结果如9图所示,其中横坐标Ticks为仿真步长。从图9可以看出,随着暴雨型洪涝灾害孕育发生发展,处于安全状态、低度风险、中度风险和重度风险的人口数量呈现动态变化。
Fig. 9 The results of affected population risk dynamics changes for rainstorm flood in different periods

图9 暴雨型洪涝不同时期的受灾人口风险动态变化结果

安全状态人口呈现“逐步降低→相对比较平稳→逐步上升”的趋势,该趋势与整个降雨过程“降雨量逐步增加→降雨量相对平稳→降雨量逐步减少”的趋势相反。受灾人口呈现“逐步上升→相对比较平稳→逐步下降”的趋势,与降雨量变化的趋势基本一致。低度风险状态人口呈现“逐步上升→波动变化→逐步下降→小幅上升”的趋势。中度风险状态人口呈现“相对平稳→逐步上升→波动变化→逐步下降”的趋势。高度风险状态人口呈现“相对平稳→缓慢上升→缓慢下降→快速下降”的趋势。模拟结果表明,在暴雨早期和暴雨结束后,处于低度受灾人口为受灾人口的主体,而中度受灾和重度受灾人口比较少;暴雨中期,三类受灾状态人员之间的转化比较复杂。

4 结论与讨论

（1）在总结国内外洪涝风险评估研究成果的基础上,尝试利用智能体建模方法（ABM）,开展基于ABM的洪涝灾害风险动态评估模型研究,并构建了洪涝灾害风险动态评估多智能体复杂系统和风险动态评估模型框架。所构建的模型框架主要包括四大类Agent联盟（洪涝致灾因子、孕灾环境、承灾体和风险分析）、Agent集合（暴雨型洪涝、人口、河流湖泊和人口风险分析等）和单个Agent（降雨量、高程、受灾人口）等。
（2）提出了洪涝灾害孕灾环境、致灾因子、承灾体、风险分析四大类Agent联盟集合和单个Agent的内部模型和流程设计。其中,洪涝灾害致灾因子等四类Agent联盟以及集合采用HA型智能体;致灾因子、承灾体和风险分析三类Agent联盟及集合中的单个Agent,如降雨量、人口、受灾人口风险分析等采用DA型智能体;孕灾环境Agent联盟及集合中单个Agent,如高程Agent,采用RA型智能体。同时,本文对洪涝灾害风险动态评估模型中的不同智能体及其联盟与集合之间的协调协作、通信机制和作用规则进行了初步研究。
（3）在Netlogo平台上,利用构建的模型,对淮河流域的暴雨洪涝孕育发生发展全过程中的人口受灾情况进行了仿真实验。结果表明该方法能对暴雨型洪涝灾害孕育发生发展过程中的安全、低风险、中风险和高风险四种状态的人口动态变化进行分析。结果对暴雨洪涝灾害人口灾情动态评估及预测、应急救助和应急管理都具有较强的指导意义。
利用ABM方法对洪涝灾害风险进行动态评估的相关研究刚刚起步,目前还有很多问题亟需解决和完善。首先是洪涝灾害多智能体系统中Agent内部模型与流程完善问题。该问题涉及Agent建模理论和洪涝灾害系统中组成部分的作用机理。本文仅以暴雨洪涝为例设计了洪涝致灾因子、孕灾环境、承灾体和风险,分析不同Agent联盟集合和单个Agent的内部模型和流程,但不同类型洪涝灾害（暴雨型洪涝、冰雪融水型洪涝、溃坝型洪涝等）系统在组成部分、作用机理和相互关系等上面还具有较大的差异。因此,根据不同类型的洪涝灾害和研究侧重点的差异完善相应Agent内部模型和流程是下一步研究重点之一。其次是不同Agent联盟集合及单个Agent之间的作用规则需要进一步完善。该问题涉及到不同类型的洪涝灾害成灾机理,需要地理学、灾害学、水文学和人工智能等综合交叉才能有效解决。例如,本文中的暴雨型洪涝灾害降雨量Agent规则（rule）和动作（action）需要综合利用水文学的暴雨洪涝灾害模型（SWMM）[25,26],融雪洪涝需要融雪则涉及到融雪径流模型（SRM）的研究成果[27,28]。后续的研究重点之一是在Netlogo平台,对暴雨型洪涝灾害孕育发生发展过程中的人口风险和建筑物风险进行精细化评估,不断完善本文所构建的模型。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
国家防汛抗旱总指挥部, 中国人民共和国水利部. 2012年中国水旱灾害公告. 北京: 中国水利水电出版社, 2013.

[China's State Flood Control and Drought Relief Headquarters, Ministry of Water Resources of China. Bulletin of Flood and Drought Disasters in China for 2012. Beijing: China Water Power Press, 2013.]

[2]
蒋卫国, 李京, 陈云浩, 等. 区域洪水灾害风险评估体系(I): 原理与方法. 自然灾害学报, 2008, 17(6): 53-59.区域洪水灾害风险评估是一个新的研究领域。从洪水灾害系统的概念出发，首先阐述了洪水灾害风险管理系统、洪水风险评估及风险类型划分；然后从指标选取原则、指标层次结构、指标量化、风险等级、风险指数等方面构建了洪水灾害风险评估指标体系；接着分析了矢量面状及栅格点状的洪水灾害风险评估单元；最后，介绍了适合区域洪水灾害风险评估的层次分析法、模糊综合评价法及空间分析方法。

[Jiang Weiguo, Li Jing, Chen Yunhao, et al.Risk assessment system for regional flood disaster (I): Principle and method. Journal of Natural Disasters, 2008, 17(6): 53-59.]

[3]
Anselmo V, Galeati G, Palmirei S, et al.Flood risk assessment using an integrated hydrological and hydraulic modeling approach: A case study. Journal of Hydrology, 1996, 175(1-4): 533-554.

[4]
杨佩国, 杨勤业, 吴绍洪, 等. 基于数值模拟的黄河下游不同情景溃堤洪水特性. 地理研究, 2007, 26(2): 328-336.通过研究黄河下游地区的溃堤洪水特性,为防洪减灾工作提供科学依据。本文以黄河下游地区的DEM,1958、1982、1996年典型历史洪水和2000年土地利用数据为模型初始输入,分4个模拟情景,依据黄河溃堤水流的特性,利用二维非恒定流模型对黄河下游不同位置决口情景下的洪水演进特性进行模拟,结果表明:洪水在演进过程中都会侵夺沿途河流行洪,进入下游后洪水会顺河归槽;在同一河段,同一年型洪水北岸不同位置溃口情景所淹没的面积大于南岸对应位置的淹没面积;黄河两岸洪泛区地理位置的差异,使两岸的洪灾程度具有区域差异;水深且流速大的洪水淹没主流区面积相对较小,水浅且流速小的非主流区面积相对较大。

[Yang Peiguo, Yang Qinye, Wu Shaohong, et al.The analysis of embankment break flood characteristics of the lower Yellow River based on the numerical simulation in different scenarios. Geographical Research, 2007, 26(2): 328-336.]

[5]
Büchele B, Kreibich H, Kron A, et al.Flood risk mapping: contributions towards an enhanced assessment of extreme events and associated risks. Natural Hazards and Earth System Sciences, 2006, 6(4): 485-503.Currently, a shift from classical flood protection as engineering task towards integrated flood risk management concepts can be observed. In this context, a more consequent consideration of extreme events which exceed the design event of flood protection structures and failure scenarios such as dike breaches have to be investigated. Therefore, this study aims to enhance existing methods for hazard and risk assessment for extreme events and is divided into three parts. In the first part, a regionalization approach for flood peak discharges was further developed and substantiated, especially regarding recurrence intervals of 200 to 10 000 years and a large number of small ungauged catchments. Model comparisons show that more confidence in such flood estimates for ungauged areas and very long recurrence intervals may be given as implied by statistical analysis alone. The hydraulic simulation in the second part is oriented towards hazard mapping and risk analyses covering the whole spectrum of relevant flood events. As the hydrodynamic simulation is directly coupled with a GIS, the results can be easily processed as local inundation depths for spatial risk analyses. For this, a new GIS-based software tool was developed, being presented in the third part, which enables estimations of the direct flood damage to single buildings or areas based on different established stage-damage functions. Furthermore, a new multifactorial approach for damage estimation is presented, aiming at the improvement of damage estimation on local scale by considering factors like building quality, contamination and precautionary measures. The methods and results from this study form the base for comprehensive risk analyses and flood management strategies.

DOI

[6]
Ding Y, Fan Y, Du Z, et al.An integrated geospatial information service system for disaster management in China. International Journal of Digital Earth, 2014, 10.1080/17538947.2014.955540.disaster-related resources are constructed into services in the IDISS. These services are dynamically aggregated into focusing service chains, for diverse disaster management tasks. Actual applications illustrate that the proposed service system can significantly improve the capability of disaster management in China.

DOI

[7]
殷杰, 尹占娥, 于大鹏, 等.海平面上升背景下黄浦江极端风暴洪水危险性分析. 地理研究, 2013, 32(12): 2215-2221.黄浦江流域是典型的风暴洪水脆弱区。随着气候变化和海平面上升，未来该区域可能遭受更为严重的灾害影响。从海平面绝对上升、构造沉降和压实沉降三个方面预测了2030 年和2050 年该区域海平面相对上升值为170 mm和390 mm。在此基础上，结合最大天文潮位值和最大风暴增水值，估算了2030 年和2050 年极端风暴洪水位将分别达到7.17 m和7.39 m。基于高精度洪水数值模型开展了2030 和2050 年两种极端风暴洪水情景模拟，结果显示黄浦江两岸地区均可能被淹没，上游地区较中下游地区受淹将更为严重。进而提出未来研究中需重点关注不确定性分析、防汛墙溃堤淹没情景分析和风暴频率&mdash;强度变化等领域。

DOI

[Yin Jie, Yin Zhan'e, Yu Dapeng, et al. Hazard analysis of extreme storm flooding in the context of sea level rise: A case study of Huangpu River Basin. Geographical Research, 2013, 32(12): 2215-2221]

[8]
Fedeski M, Gwilliam J.Urban sustainability in the presence of flood and geological hazards: The development of a GIS-based vulnerability and risk assessment methodology. Landscape and Urban Planning, 2007, 83(1): 50-61.<h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">External environmental hazards to which a city is exposed, such as those presented by its surrounding topography, can have a significant impact on the future integrity of its built structures and so on its economic and social sustainability. A methodology is proposed for assessing the risk of damage to buildings due to hydrological and geological hazards. It expresses risk in terms of the cost of damage. It estimates this from data, collected by a combination of physical survey and GIS mapping techniques, on the three elements of risk: exposure, hazard and vulnerability. These elements are, respectively, the extent and value of buildings exposed to risk, the severity and frequency of the hazard, and the degree of their vulnerability to damage. Working upwards from the scale of individual buildings, the estimate is aggregated to any appropriate urban spatial scale, such as neighbourhoods or electoral boundaries. The methodology has been tested in principle using a town in the UK as a case study. Further development of the work will look at reducing the data input by creating building typologies at increasing scales. Applications for the methodology are envisaged in urban planning both at policy and development control level and as a tool for climate impact studies.</p>

DOI

[9]
Ding Y, Zhu Q, Lin H.An integrated virtual geographic environmental simulation framework: A case study of flood disaster simulation. Geo-spatial Information Science, 2014, 17(4): 190-200.Dynamic flood disaster simulation is an emerging and promising technology significantly useful in urban planning, risk assessment, and integrated decision support systems. It is still an important issue to integrate the large assets such as dynamic observational data, numerical flood simulation models, geographic information technologies, and computing resources into a unified framework. For the intended end user, it is also a holistic solution to create computer interpretable representations and gain insightful understanding of the dynamic disaster processes, the complex impacts, and interactions of disaster factors. In particular, it is still difficult to access and join harmonized data, processing algorithms, and models that are provided by different environmental information infrastructures. In this paper, we demonstrate a virtual geographic environments-based integrated environmental simulation framework for flood disaster management based on the notion of interlinked resources, which is capable of automated accumulating and manipulating of sensor data, creating dynamic geo-analysis and three-dimensional visualizations of ongoing geo-process, and updating the contents of simulation models representing the real environment. The prototype system is evaluated by applying it as a proof of concept to integrate in situ weather observations, numerical weather and flood disaster simulation models, visualization, and analysis of the real time flood event. Case applications indicate that the developed framework can be adopted for use by decision-makers for short-term planning and control since the resulting simulation and visualization are completely based

DOI

[10]
Meyer V, Scheuer S, Haase D.A multicriteria approach for flood risk mapping exemplified at the Mulde River, Germany. Natural Hazards, 2009, 48(1): 17-39.<a name="Abs1"></a>In this paper we develop a GIS-based multicriteria flood risk assessment and mapping approach. This approach includes flood risks which are not measured in monetary terms; it shows the spatial distribution of multiple risks, and it is able to deal with uncertainties in criteria values and to show their influence on the overall flood risk assessment. Additionally, the approach can be used to show the spatial allocation of the flood effects if risk reduction measures are implemented. The approach is applied to a pilot study for the River Mulde in Saxony, Germany, heavily affected by the hazardous flood in 2002. Therefore, a GIS database of economic, social and environmental risk criteria was created. Two different multicriteria decision rules, a disjunctive and an additive weighting approach, are utilised for an overall flood risk assessment in the area. For implementation, a software tool (FloodCalc) was developed supporting both, the risk calculation of the single criteria as well as the multicriteria analysis.

DOI

[11]
郑伟, 韩秀珍, 王新, 等. 基于SSM/I数据的淮河流域洪涝监测分析. 地理研究, 2012, 31(1): 45-52.以淮河流域为研究区域,基于被动微波遥感SSM/I数据计算的极化比值指数PRI和RAT技术,提出极化比值变化指数<em>PRVI</em>。利用淮河流域1988～2005年6月下旬到7月期间的<em>PRVI</em>数据研究了淮河流域的洪涝时空特征,重点分析了发生流域性大洪水的1991年和2003年的洪涝特征,研究发现:淮河流域发生严重洪涝灾害的主要表现特征之一是淮河干流中游及其向北岸、上游和下游方向延伸约100km,向南岸延伸到流域南界的区域出现<em>PRVI</em>高值带,并结合淮河流域的自然环境分析了<em>PRVI</em>高值带出现的原因,指出<em>PRVI</em>高值带包括了大部分沿淮河干流的湖泊、洼地、行蓄洪区,支流河口、下游洼地等。进一步认为高值带内的<em>PRVI</em>值越大,高值带的面积越大,洪涝灾害越严重,防汛形势越严峻。这一结论对淮河流域洪涝灾害的监测和预警具有重要的应用价值。

[Zheng Wei, Han Xiuzhen, Wang Xing, et al.Flood and waterlogging monitoring and analyses based on SSM/I data in Huaihe River Basin. Geographical Research, 2012, 31(1): 45-52.]

[12]
李卫江, 温家洪, 吴燕娟. 基于PGIS的社区洪涝灾害概率风险评估: 以福建省泰宁县城区为例. 地理研究, 2014, 33(1): 31-42.以福建泰宁县城区为例，基于PGIS 和概率（情景）风险分析方法，开展社区尺度的洪涝灾害风险研究。利用1949-2011年13 次历史洪灾资料，计算了洪水的强度&mdash;超越概率，得出大于洪峰流量2929.18 m<sup>3</sup>/s 和洪峰水位281.50 m的年超越概率为1.6%。在此情景下，县城淹没面积达1.3 km<sup>2</sup>（占总面积31.0%），最大淹没深度超过3.5 m，最长淹没时间超过10小时，共有1846 幢建筑物（占全部建筑的42.2%）受影响。分别针对受灾区域房屋建筑、住宅室内财产和商户室内财产，建立灾损方程，评估损失价值，并绘制灾损地图。结果表明，洪涝灾害对社区造成的影响显著，有必要制定应急预案，建立早期预警等进行防灾降险。

DOI

[Li Weijiang, Wen Jiahong, Wu Yanjuan.PGIS-based probabilistic community flood disaster risk assessment: A case of Taining county town, Fujian province. Geographical Research, 2014, 33(1): 31-42.]

[13]
丁志雄, 王义成. 基于遥感与GIS的堰塞湖库区淹没分析与灾害评估. 水利水电技术, 2008, 39(10): 116-120.介绍了以遥感与GIS作为数据获取与分析处理的技术手段,研究堰塞湖的库区淹没分析与灾害评估方法.利用遥感获取堰塞湖库区淹没影响区域的城镇居民地等土地利用信息,并动态获取堰塞湖库区的淹没状况;结合高精度DEM数据,在三维GIS平台上分析堰塞湖上游汇水流域范围.利用实时降雨等数据和库区回水计算模型,动态计算堰塞湖库区的库容、回水范围、库区的淹没状况;在GIS平台上评估淹没区的灾害状况.用"5.12"地震唐家山堰塞湖的库区淹没分析和灾害评估为例实证了本文提出的技术方法.

[Ding Zhixiong, Wang Yicheng.Analysis of submergence and disaster assessment on landslide-dammed lake reservoir area based on remote sensing and GIS. Water Resources and Hydropower Engineering, 2008, 39(10): 116-120.]

[14]
仇蕾, 王慧敏, 马树建. 极端洪水灾害损失评估方法及应用. 水科学进展, 2009, 20(6): 869-875.极端洪水灾害具有频率低、影响范围大、损失高等特点,一般常遇洪水的灾害损失评估方法难以适用。分析了极端洪水灾害的自然属性与社会属性,认为极端洪水灾害损失具有时空分布的特性,因此借鉴空间信息格网技术,分别形成了极端洪水水文特性格网与社会经济特性格网,并将其叠加得到具有空间拓扑关系和属性信息的基于GIS的极端洪水损失空间信息格网模型,从而有效地反映了极端洪水灾害的时空特性。结合极端洪水损失率数据库,可评估极端洪水灾害损失。利用该方法评估了1998年特大洪水造成哈尔滨市江南主城区的直接经济损失,实证说明该方法可用于极端洪水灾害损失的评估。

[Qiu Lei, Wang Huimin, Ma Shujian.Assessment method for extreme flood disaster losses and its application. Advances in Water Science, 2009, 20(6): 869-875.]

[15]
夏富强, 康相武, 吴绍洪, 等. 黄河下游不同洪水情景决溢风险评价. 地理研究, 2008, 27(1): 229-239.<p>本文提出黄河下游悬河决溢风险的影响因素应当包含水沙运动、区域地壳稳定性、河势演变和堤防稳定性4个方面,并据此建立了指标体系和基于GIS技术的多层次模糊综合评判模型,对不同洪水情景下黄河下游的决溢风险进行了评价。结果表明:(1)决溢风险随着洪水量的增大而增高;(2)决溢风险随河型的沿程变化而降低;(3)决溢风险较大的河段集中在游荡型河段,游荡型河段南岸风险高于北岸;(4)弯曲型河段北岸决溢风险高于南岸;这些结论能够应用于黄河下游河道的治理与防汛抗洪的实践。研究表明:本研究的评价指标体系和方法,能够用于解决黄河下游的决溢风险问题; GIS空间分析技术能够量化不同空间位置的决溢风险,客观地反映不同空间位置决溢风险的差别,对于指导防洪和河道治理的实践具有重要的现实意义。</p>

[Xia Fuqiang, Kang Xiangwu, Wu Shaohong, et al.Research on dike breach risk of the hanging reach under different flood conditions in the Lower Yellow River. Geographical Research, 2008, 27(1): 229-239.]

[16]
刘家福, 李京, 刘荆, 等. 基于GIS/AHP集成的洪水灾害综合风险评价: 以淮河流域为例. 自然灾害学报, 2008, 17(6): 110-114.根据影响洪水灾害风险的致灾因 子危险性、孕灾环境稳定性与承灾体易损性,以淮河流域为示范研究区,以县为行政单元,综合考虑降雨、径流量、河流、地形、人口、经济等指标,基于GIS与 AHP集成方法得到了淮河流域洪水灾害危险性评价图和淮河流域洪水灾害脆弱性评价图,并采用"加"模型计算公式得到了洪水灾害综合风险评价图,进行了相应 的结果分析。

DOI

[Liu Jiafu, Li Jing, Liu Jing, et al.Integrated GIS/AHP-based flood risk assessment: a case study of Huhaihe River basin in China. Journal of Natural Disasters, 2008, 17(6): 110-114.]

[17]
连健, 宫辉力, 李小娟, 等. 基于AO的洪水灾害风险分析模型设计与构建. 地球信息科学学报, 2009, 11(3): 376-381.中国是一个自然灾害尤其是洪涝灾害发生较频繁的国家,洪水灾害的风险分析与评估是抗洪救灾中的一个重要组成部分,洪灾风险分析的时效性、科学性对于防汛抗洪、抢险救灾具有重要的意义。本文针对流域洪水灾害的特点与其复杂的风险分析过程,考虑影响流域洪水灾害的因子,结合层次分析方法(AHP),以COM组件的架构思想为基础,采用ArcObjects语言的相关接口和方法,构建了流域洪水灾害风险分析模型,将各因子对洪水灾害的危险性和风险的影响进行了量化,分别得出洪水灾害风险性分布图和洪水灾害易损性分布情况。通过对洞庭湖试验区域的模型检验,结果表明,所构造的模型简单易操作,能够较好地对区域洪水灾害进行风险分析。

[Lian Jian, Gong Huili, Li Xionjuan, et al.Design and development of flood/waterlogging disaster risk model based on Arcobjects. Journal of Geo-information Science, 2009, 11(3): 376-381.]

[18]
王飞, 尹占娥, 温家洪, 等. 基于多智能体的自然灾害风险动态评估模型. 地理与地理信息科学, 2009, 25(2): 85-88.将多智能体建模方法引入灾害风险评估领域,以期为灾害风险评估开拓新的研究思路.区别于一般静态评估模型,基于多智能体的风险评估模型自下而上,从微观上 建立灾害系统各要素之间的相互关系,在多风险情景下,仿真模拟灾害系统状态的变化,以实现动态的风险评估.在理解多智能体建模的一般原理的基础上,设计了 基于多智能体的自然灾害动态风险评估的总体模型和主要智能体的结构,并总结了多智能建模在风险评估方面的优势.

[Wang Fei, Yin Zhan'e, Wen Jiahong, et al. Assessing model for dynamic risk of natural disasters based on multi-agent system. Geography and Geo-information Science, 2009, 25(2): 85-88.]

[19]
Dawson R J, Peppe R, Wang M.An agent-based model for risk-based flood incident management. Natural Hazards, 2011, 59(1): 167-189.Abstract<br/>Effective flood incident management (FIM) requires successful operation of complex, interacting human and technological systems. A dynamic agent-based model of FIM processes has been developed to provide new insights which can be used for policy analysis and other practical applications. The model integrates remotely sensed information on topography, buildings and road networks with empirical survey data to fit characteristics of specific communities. The multiagent simulation has been coupled with a hydrodynamic model to estimate the vulnerability of individuals to flooding under different storm surge conditions, defence breach scenarios, flood warning times and evacuation strategies. A case study in the coastal town of Towyn in the United Kingdom has demonstrated the capacity of the model to analyse the risks of flooding to people, support flood emergency planning and appraise the benefits of flood incident management measures.<br/>

DOI

[20]
史培军. 三论灾害的理论与实践. 自然灾害学报, 2002, 11(3): 1-9.

[Shi Peijun.Theory on disaster science and disaster dynamics. Journal of Natural Disasters, 2002, 11(3): 1-9.]

[21]
史培军. 再论灾害的理论与实践. 自然灾害学报, 1996, 5(4): 6-17.

[Shi Peijun.Theory and practice of disaster study. Journal of Natural Disasters, 1996, 5(4): 6-17.]

[22]
Maes P.Modeling adaptive autonomous agents. Artificial Life, 1993, 1(1-2): 135-162.

[23]
Wooldridge M, Jennings N R.Intelligent agents: Theory and practice. Knowledge Engineering Review, 1995, 10(2): 115-152.The concept of an agent has become important in both Artificial Intelligence (AI) and mainstream computer science. Our aim in this paper is to point the reader at what we perceive to be the most important theoretical and practical issues associated with the design and construction of intelligent agents. For convenience, we divide these issues into three areas (though as the reader will see, the divisions are at times somewhat arbitrary). Agent theory is concerned with the question of what an agent is, and the use of mathematical formalisms for representing and reasoning about the properties of agents. Agent architectures can be thought of as software engineering models of agents; researchers in this area are p

DOI

[24]
史忠植. 高级人工智能. 北京: 科学出版社, 2011.

[Shi Zhongzhi. Advanced Artificial Intelligence.Beijing: Science Press, 2011.]

[25]
赵冬泉, 王浩正, 陈吉宁, 等. 城市暴雨径流模拟的参数不确定性研究. 水科学进展, 2009, 20(1): 45-51.基于暴雨管理模型(SWMM),构建了澳门半岛雅廉访实验小区降雨径流模拟系统,采用generalized likelihood uncertainty estimation(GLUE)方法对复杂降雨径流模型参数的不确定性进行了分析,采用均匀分布为参数的先验分布(prior distribution),选取拉丁超立方法作为采样方法,Nash-Sutcliffe效率系数作为似然评判准则。结果表明该方法可以有效的分析降雨径流模型参数的不确定性,对降雨径流模型参数识别提供了深入分析与理解模型系统的有效途径。

[Zhao Dongquan, Wang Haozheng, Chen Jining, et al.Parameters uncertainty analysis of urban rainfall runoff simulation. Advances in Water Science, 2009, 20(1): 45-51.]

[26]
Sun N, Hall M, Hong B, et al.Impact of SWMM catchment discretization: Case study in Syracuse, New York. Journal of Hydrologic Engineering, 2012, 19(1): 223-234.This study examined how the level of catchment discretization influenced the model parameterization and output uncertainty of the Storm Water Management Model (SWMM) 5.0. Two catchment delineations for a highly urbanized sewershed in Syracuse, New York were developed: (1)the macroscale model containing a minimum required number of subcatchments to retain the original sewer network properties; and (2)the microscale model in which each subcatchment was defined for a unique soil and land-use combination. For both scales, the model parameters were calibrated and the uncertainty of model outputs was quantified using the generalized likelihood uncertainty estimation (GLUE) methodology. Then, calibrated posterior parameter sets were applied at micro- and macroscales individually to a second sewershed, which was also delineated at both micro- and macroscales, to test observed versus simulated flows. The results indicated that the catchment disaggregation level had a great impact on both parameterization and simulation results, and the majority of the parameters were sensitive to the modeling scales. Overall, the posterior parameters calibrated based on the microdelineation resulted in a higher degree of reduction in output uncertainties for both calibrated and validated sewersheds. Hence, it can be argued that the calibrated parameters obtained, based upon the macrodelineation, would result in reduced confidence in simulated runoff for another site unique in its characteristics, whereas the posterior parameters derived from the microdelineation could provide a higher confidence level in terms of parameter transferability for modeling other, particularly ungauged sites.

DOI

[27]
王超, 赵传燕, 冯兆东. 黑河上游不同流域融雪过程的SRM模拟. 兰州大学学报: 自然科学版, 2011, 47(3): 1-8.利用SRM模型对黑河上游三个水文站点控制区2000年的融雪过程进行了模拟，在此基础上探 讨高山地区不同水文区域对SRM模型模拟精度的影响．模型以MODIS积雪产品和气象台站数据为输入，结合退水系数进行融雪过程模拟，重点研究不同水文站 点控制区域下的模拟精度．结果表明：在气象观测数据相对丰富的莺落峡控制区，模拟的精度较高，拟合优度确定系数R^2=0．795，积差 Dv=-2．346％；在气象观测资料稀缺的祁连站和扎马什克站控制区，其模拟精度较差，其中祁连站R^2=-0．233，Dv=-3．277％，扎马什 克站R^2=0．517，Dv=-11．128％．此外，地形的复杂程度和植被覆盖类型也会对模型的模拟精度产生影响．

[Wang Chao, Zhao Chuanyan, Feng Zhaodong.Simulating snowmelt process by using SRM in different watershed in the upper reaches of Heihe River Basin. Journal of Lanzhou University: Natural Sciences, 2011, 47(3): 1-8.]

[28]
Tahir A A, Chevallier P, Arnaud Y, et al.Modeling snowmelt-runoff under climate scenarios in the Hunza River Basin, Karakoram Range, Northern Pakistan. Journal of Hydrology, 2011, 409(1): 104-117.A major proportion of flow in the Indus River is contributed by its snow and glacier-fed river catchments situated in the Karakoram Range. It is therefore essential to estimate the snowmelt runoff from these catchments (with no or scarce precipitation records) for water resources management. The snowmelt runoff model (SRM) integrated with MODIS remote-sensing snow cover products was selected to simulate the daily discharges and to study the climate change impact on these discharges in the Hunza River basin (the snow- and glacier-fed sub-catchment of th

DOI

[29]
魏文礼, 沈永明, 孙广才, 等. 二维溃坝洪水波演进的数值模拟. 水利学报, 2003, 9(9): 43-47.采用基于MacCormack 预测-校正技术的隐式数值格式求解控制水流运动的二维浅水方程,建立了模拟大坝瞬间全溃或局部溃倒所致的洪水演进过程数学模型.应用该模型对矩形明渠中缓、急流过渡的水面曲线进行了数值计算,并与理论解进行了比较。最后用该模型预测了矩形河道中大坝瞬间局部溃倒时下游有多个障碍物的洪水演进过程,算例说明该数学模型对模拟溃坝洪水波很有效。

DOI

[Wei Wenli, Shen Yongming, Sun Guangcai, et al.Numerical simulation of 2-D dam break flood wave. Journal of Hydraulic Engineering, 2003, 9(9): 43-47.]

[30]
刘俊, 郭亮辉, 张建涛, 等. 基于SWMM模拟上海市区排水及地面淹水过程. 中国给水排水, 2006, 22(21): 64-66.针对上海市城区排水系统的水文水力学特性,以SWMM(Storm Water Management Model)为基础开发出适合上海市区产流及排水特点和防汛管理要求的城市雨洪模型.模拟结果表明,该模型的计算结果较为理想、可靠,可在实时和规划条件 下动态模拟各排水片和街区的地面积水全过程,并能满足市区防汛预报、水情分析、工程规划与管理等工作的要求.该模型对其他城市的类似工作具有较好的参考价 值和指导意义.

DOI

[Liu Jun, Guo Lianghui, Zhang Jiantao, et al.Study on simulation of drainage and flooding in urban areas of Shanghai based on improved SWMM. China Water and Wastewater, 2006, 22(21): 64-66.]

[31]
李京, 陈云浩, 唐宏, 等. 自然灾害灾情评估模型与方法体系. 北京: 科学出版社, 2012.

[Li Jing, Chen Yunhao, Tang Hong, et al.Natural Disaster Assessment Model and Methodology. Beijing: Science Press, 2012.]

Options
Outlines

/

〈 〉