基于文本分类的地震应急需求评估与物资预测研究

张倩

2026届 应用统计专业

中文摘要：地震灾害突发性强、破坏力大，震后快速获取灾情信息、准确评估需求紧迫程度、科学预测伤亡规模与物资需求量，是提升救援效率、降低灾害损失的关键。本文以2025年西藏定日县6.8级地震为案例，融合深度学习、多属性决策、集成学习与安全库存理论，构建了从多源文本理解到应急物资需求清单的完整技术框架。主要工作如下：

（1）针对震后社交媒体、新闻平台和政务网站涌现的海量非结构化文本，构建5330条标注文本的数据集，提出BERT-BiLSTM-Attention-CNN混合分类模型，实现四类核心需求的自动化识别。模型分类准确率达98.69%，宏平均F1值为98.45%，显著优于朴素贝叶斯和未引入多尺度CNN的对比模型，验证了多尺度CNN与注意力机制协同增效的设计价值，为后续评估提供数据基础。

（2）将文本分类结果与地理邻近性指标结合，采用TOPSIS方法对定日县13个乡镇的应急需求紧迫度进行量化评估与分级。措果乡、长所乡、曲洛乡紧迫度得分最高，其死亡人数占全县死亡总数的98.4%，验证了评估框架的有效性。

（3）针对地震死亡数据零值多、极端值少的特点，设计分类、回归、门控校准的三级级联预测框架，将震中烈度、人口密度与应急需求紧迫度融合为综合得分特征输入XGBoost模型。基于142条历史数据训练，在定日县13个乡镇的独立测试集上，改进模型的R2从0.865提升至0.965，RMSE从9.14降至4.63，MAE从4.08降至2.38，对重灾区的死亡估计精度得到了提升。

（4）基于安全库存理论，将改进模型预测的死亡人数换算为幸存人口规模，结合人均需求率、需求波动系数、服务水平系数等参数，建立分乡镇、分物资类型的需求预测模型，计算出定日县13个乡镇震后72小时内对饮用水、压缩饼干、帐篷、睡袋四类物资的需求量，为应急物资筹措、运输和分配提供量化依据。

本文以定日县6.8级地震为案例，构建了从文本理解、需求评估、死亡预测到物资预测的完整技术框架。该案例的结果表明，融合多源文本信息能够有效提升死亡预测精度。本文所提出的技术框架，可作为震后应急需求预测研究的一个方法验证基准。

关键词：地震应急；文本分类；需求紧迫度；级联预测；物资需求预测