DOI: 10.11817/j.issn.1672-7207.2015.03.023

区域综合防灾系统动态演变的信息动力学模型及模拟

刘朝峰^{1, 2}，苏经宇¹，王威¹，左翔君³

(1. 北京工业大学 抗震减灾研究所，北京，100124；

2. 河北工业大学 土木工程学院，天津，300401；

3. 河北工业大学 经济管理学院，天津，300401)

摘要：区域综合防灾系统是一个开放的、极其复杂的巨系统，组元之间的复杂非线性作用促使它不断发展和演化，其发展演化遵循广义信息熵原理。从区域综合防灾系统的宏观结构和信息视角出发，将区域综合防灾系统看作一个信息体及信息过程，引入最大信息熵和最大流原理建立描述和控制区域综合防灾系统演化的动力模型，并结合自组织特征映射网络算实现该模型的数值仿真模拟，该模型揭示出区域综合防灾系统的结构模式形成和演化发展的动力学规律。运用该模型对2002—2008年南通市抗震防灾综合防御系统发展进行数值模拟和网络模式分析，结果表明：系统模式参数ξ由0.06逐年上升到4.19，序参量连接权值趋于合理，使得系统结构稳定均衡，从而验证该模型的可行性和合理性，为区域综合防灾系统的演化评价、预测和调控提供一种全新的思路。

关键词：综合防灾；演化；序参量；信息动力学；最大流原理；自组织特征映射网络；调控

中图分类号：P315.9；X943            文献标志码：A         文章编号：1672-7207(2015)03-0933-08

Dynamic evolution of regional comprehensive disaster prevention system based on information dynamics model and simulation

LIU Chaofeng^{1, 2}, SU Jingyu¹, WANG Wei¹, ZUO Xiangjun³

(1. Institute of Earthquake Resistance and Disaster Reduction, Beijing University of Technology, Beijing 100124, China;

2. College of Civil Engineering, Hebei University of Technology, Tianjin 300401, China;

3. College of Economics and Management, Hebei University of Technology, Tianjin 300401, China)

Abstract: Regional comprehensive disaster prevention system is an open, extremely complex giant system. Continuous development and evolution of the complex system was prompted by complex nonlinear interaction between the groups. Its evolution followed the generalized entropy principle. From the macro-structure of regional integrated disaster prevention system and information perspective, regional comprehensive disaster prevention system was regarded as a real and information process. By introducing the maximum entropy and maximum flow principle, the information dynamics model for evolution of the regional integrated disaster prevention system was established to describe and control its evolution, and the numerical simulation of the model was achieved in combination with self-organizing feature map network. The model reveals the laws of dynamics on the formation and evolution of the structure pattern of regional comprehensive disaster prevention system. The integrated earthquake disaster prevention system of Nantong city during 2002-2008 was studied as a typical example for numerical simulation and network structure analysis. The results show that the system structure ξ increases from 0.06 to 4.19 year by year, and the connection weights are rationalized. The system structure is stable equilibrium. Then the feasibility and rationality of the model is verified. It provides a new way of thinking for assessment, prediction and regulation of the evolution of the regional disaster prevention system.

Key words: comprehensive disaster prevention; evolution; order parameter; information dynamics; maximum flow principle; self-organizing feature map network; regulation

国内外强烈地震频繁发生，严重破坏或毁灭相邻区域成为这些大地震灾害的显著特征^[1-2]，并且造成区域范围内人民的生命财产损失巨大。而在我国城乡一体化进程的关键阶段，城市不断向四周蔓延，使城乡间的分界带日渐模糊，城乡地域出现连成一片的趋势^[2]。“人-物-环境”组成的复杂承灾体致使地震灾害影响地域空间及其影响范围也发生了根本变化。因此，区域综合防灾问题引起了社会各界的广泛关注，区域综合防灾系统的发展演化、调控优化和预测评估对保障区域的社会经济全面发展、人民生活安全可靠具有举足轻重的作用。区域抗震防灾综合防御系统是为了护卫城乡区域内复合承灾体系统，综合考虑人类社会的防灾减灾技术和区域地震灾害风险状态及其发展态势，依托“防、抗、避、救”多种减灾措施和对策，构建的由防灾系统、抗灾系统、避灾系统和救灾系统等多道防线系统工程相互支撑、相互补充的抗震防灾复杂系统，它具有开放、动态、非线性等特征。复合系统组成要素和各子系统均有各自演变规律，还有其他因素制约，形成了一个相互联系、相互制约的复杂网络结构，并决定着区域抗震防灾综合防御系统的运行机制和演变规律^[3]。区域综合防灾系统的演化过程是自组织过程，其发展模式呈现多层次结构，系统内部各组元间的竞争和协作关系是复合系统发展演化的驱动力。目前，关于区域综合防灾系统的构建及其发展演化机理、结构形成等方面的研究不多，主要从系统理论的角度进行定性分析，动力量化分析较少。因此，本文作者从区域综合防灾系统的宏观结构和信息视角出发，利用非平衡态统计力学理论中的广义信息熵与最大流原理，并结合自组织特征映射网络算法对区域综合防灾系统进行理论分析和数值模拟，构建区域综合防灾系统动态演化的信息动力学模型，以揭示区域综合防灾系统的结构形成和演变规律。以南通市抗震防灾综合防御系统为研究对象，采用本文模型进行数值模拟，并对系统结构模式的演变规律进行分析，为区域综合防灾系统的动态演变、优化调控、预测与评价等提供了一种新思路。

1  综合防灾系统演化的动力学模型

区域综合防灾系统的各子系统具有多个输入和多个输出，它们通过相互作用与制约、过程耦合等非线性作用连成复杂的网络，构成一个典型的复杂开放巨系统，如图1所示。通过区域综合防灾系统防御地震灾害的过程是复杂巨系统内部各组元间的物质流、能量流、信息流相互竞争、合作的过程，巨系统内部组元间的竞争和协作的自组织过程重新自适应地形成某种新的稳定结构模式，故区域综合防灾系统演化符合最大流原理。复杂网络系统的内组元间竞合过程遵循复杂系统演化的最大流原理^[4-7]：一个远离平衡的开放复杂系统，总是寻找一种优化过程，使得系统在给定的约束或代价下所获得的广义流最大。图1所示为区域综合防灾系统的物理模型，它表示区域综合防灾系统各要素之间，以及与承灾体、环境之间存在的相互作用关系。

图1  区域综合防灾系统的物理模型

Fig. 1  Physical model of regional comprehensive disaster prevention system

1.1  综合防灾系统的广义信息熵

设区域综合防灾系统由n个子系统构成，即有子系统X_i (i=1, 2, …, n)，各子系统的特征信息用向量形式表示x=(x₁, x₂, …, x_n)，其中x_i (i=1, 2, …, n)之间存在竞合关系，它们分别是各子系统发展演化的驱动力，即从孕灾环境和承灾体系统获得或输出广义流(物质流、能量流、信息流等)的动力、原因、参数。广义流是联系着具有子系统相互作用功能的参量，是各子系统的耦合。各子系统之间的耦合决定着特定复杂系统的行为性质，此种耦合是通过载于子系统之间连接上的“流”来实现的^[8-9]。所有的微观子系统在空间内形成一个连续的单元，则为空间内的一个体积单元。设t时刻系统状态处于体积单元dx时获得的广义流为J，则所有可能得微观单元获得的平均广义流表示为^[10-14]

             (1)

式中：为系统时变概率密度函数，满足归一化条件，即有；广义流函数J可以表示为“信息”变量x_i (i=1, 2, …, n)的关系为

           (2)

式中：为常数，其余各求和项表示不同子系统或指标间的耦合作用，为耦合系数。

广义流不仅表达了各组元间的关联程度，还包含了环境的作用，并且客观地表示出系统的边界条    件^[15]。广义流的作用也必须满足一定的约束条件，这些约束是组元或节点之间应该满足的一定的守恒关系或是体现开放特性的各类复杂时空边界条件，可以一般化地用“信息”变量x_i (i=1, 2, …, n)写成一阶至四阶的作用矩形式：

            (3)

式中：表示求其统计平均值。

1.2  区域综合防灾系统动态演化方程

根据最大流原理，利用Lagrange优化法使得式(1)中的广义流在式(3)的约束条件下取得极大值。设和为Lagrange优化参数，可得

       (4)

设c为积分常数，对式(4)进行积分可得

      (5)

由式(5)可得系统的概率密度函数为

       (6)

将式(2)代入式(6)可得系统时变概率密度函数为

       (7)

式(7)中系数和为直接调节组元之间相互作用的微观动力学规则。

由泰勒展开式，式(7)可以转化为

     (8)

将式(8)中的指数项当作一个势函数，则有

     (9)

势函数保证系统参考状态的渐进稳定性，控制着各子系统定态结构(渐进稳定结构)的特性。它反映了区域综合防灾系统演化的特性，其性质由参数来决定，而参数直接由系数和来决定。因此，势函数控制着系统通过组元相互作用而形成有序结构的动力学过程，决定了系统网络的分布，反映了动态演化的能力。

将式(9)的势函数进行平移变换，并对变换后的二阶常数项矩阵对角化，可得

              (10)

         (11)

式中：为各子系统的驱动力的组合模式，它反映了区域综合防灾系统发展演化过程中各子系统或组元相互作用而形成的所有可能的结构模式，类似于协同学的序参量。为子系统之间的连接权值。在系统的约束条件已知时，为常数。若将看成一个矩阵，则是该矩阵的特征值，代表系统各种可能组合模式所对应的的特征值。最大对应的系统的组合模式是区域综合防灾系统最优发展演化模式。

依据系综势函数方程与动力学演化方程的联  系，从式(11)推得区域综合防灾系统的动力学演化方程为^[8-15]

       (12)

式中：j=1, 2, …, m为系统演化模式个数；为区域综合防灾系统组元之间的组合模式(每种稳定的组合模式对应着一个性能等级)；为与对应的系数。

式(10)~(12)为判断和分析区域综合防灾系统动态演化的模型，可以分析系统中各种可能综合防灾结构模式稳定性。通过调节来描述区域综合防灾系统内部各子系统或组元的竞争、协作等相互作用情况；相互作用不同导致子系统或组元的耦合模式不同，即形成的广义流分配模式不同，从而形成不同的区域综合防灾系统结构模式^[16](由与其相对应)。

1.3  区域综合防灾系统演化模式分析

在区域综合防灾系统中，系统驱动力间的非线性相互作用，导致系统在寻求最大广义信息流的自组织过程中存在2种演化结构模式^[16-17]，如图2所示。当＞0时，系统对应着活跃的演化模式，信息体构成生成性网络，类似于“胚芽”，在生存竞争过程中获胜，并获取更多的广义信息流以支配区域综合防灾系统的演化，形成有序的结构。这是区域综合防灾系统发展成功的模式。当＜0时，对应着不活跃的演化模式，在生存竞争的过程中会被淘汰，这意味着系统自由度会大大降低。有序结构的形成和生长实质上是一个自由度(维度)降低的自组织动力学过程，它是最大信息流张力驱动的结果。广义信息流原理作为基本法则，是系统自优化的结果，因此，系统结构的自组织形成过程也是一个优化和适应环境的过程。

图2  区域综合防灾系统演化模式过程

Fig. 2  Evolution pattern process of regional integrated disaster prevention system

由上述2种演化模式的分析，利用协同学理论及绝热消去原理，可以把广义信息流分为稳定和不稳定2个部分^[18]，式(12)转变为

      (13)

       (14)

式中：u和s分别表示不稳定和稳定。也就是s稳定的模式会迅速退化，从而不能表现出来，而真正表现出来的模式是竞争中最大的模式、最活跃的模式、最优的模式。

对区域综合防灾系统而言，承灾体系统和环境系统中的各种约束都是导致区域综合防灾系统变化的因素。当某一因素影响区域综合防灾系统的某一组元或子系统时，导致区域综合防灾系统生态链中断或部分脱节，系统将失稳并自发地向一种更为合理的结构转变。此时的区域综合防灾系统依然能够有效利用防灾资源，在自组织和自适应性作用下发展演变。在内外环境约束下，区域综合防灾系统结构不断调整、进化，这种适应和进化是多道防线系统工程耦合模式及相应的广义流的分配模式，即区域综合防灾系统模式在多道防线系统工程的不同共生方式下的自适应调整。

根据相应控制条件，区域综合防灾系统通过竞争来选择活跃、起主导作用的结构模式，大量淘汰从动的结构模式的方法就构成了区域综合防灾系统演化的动态分析与评价的理论基础。

2  信息动力学模型的数值模拟实现

区域综合防灾系统动态演化的信息动力学模型本质上是一种模式识别方法，当确定代表系统内外影响的控制参数和时，就可以得到对应的系统演化结构模式参数。但是在实际应用中，由于系统的控制参数和的确定以及其与系统结构模式参数之间的联系具有非常复杂的强非线性作用和过程耦合^[13]，它们的关系比较抽象，而且难以确定。但是考虑到自组织特征映射与信息动力学中最大流原理具有相通性^[18-19]，该映射表示通过自组织训练在竞争层获得合理的连接权，作用于组元可使系统向更稳定的模式发展，如图3所示。因此，区域综合防灾系统演化的动力系统可以采用神经网络的方法对信息动力学模型进行数值模拟。

图3  自组织特征映射示意图

Fig. 3  Self-organizing feature map diagram

对于已知的复杂多元数据，可将每一组实测的x₁，x₂，…，x_n看成组元Agent变量，式(10)中的是基于组元Agent相互连接的结构量。每个组元Agent的变量x_i映射到每一个神经元上，组元Agent的变量  x₁，x₂，…，x_n之间的非线性相互作用可以通过神经元之间的复杂非线性关系来体现，所有接收着Agent变量x₁，x₂，…，x_n信息的神经元组成一个具有自组织特性的复杂网络系统，构成一个等同于Agent变量x₁，x₂，…，x_n相互作用的系统^[14]。式(10) a_ji等同于神经网络中的连接权值，只要求出连接权值，相当于重构了动力学方程，就可以由式(10)求出基于Agent组元相互连接的结构量，即动力学方程的解，的动态变化对应着复杂系统中结构形成和演化过程。

3  工程实例的数值模拟与结果分析

以南通市城市的综合防御系统的演化发展分析为例，根据复杂系统的序参量选取原则，选取人均社会保障支出为防灾系统的序参量；城市维护建设支出/建设用地面积为抗灾系统序参量；人均园林绿地面积为避灾系统序参量；病床/万人、医生/万人、公路网密度为救灾系统序参量。根据多道防线系统的序参量和2002—2008年《城市建设统计年鉴》、《南通市统计年鉴》等相关资料，整理出各个序参量的基础数据，见表1。

首先，进行数据预处理。对表1中的数据进行归一化，使各指标反映趋势具有统一性。对于多防线系统中的越大越优型指标，采用b_i=0.1+(x_i-x_{i min})/(x_{i max}-x_{i min})(0.9-0.1)进行归一化处理；对于越小越优型指标，采用b_i=0.1+(x_{i max}-x_i)/(x_{i max}-x_{i min})(0.9-0.1)进行归一化处理。其次，将预处理后的数据输入自组织特征映射网络进行编程模拟，选取8×4的网格，经过多次优化比较，设定训练步数为300。由自组织竞争神经网络算法的计算模拟得到南通2002—2008年抗震防灾系统演化结构模式参数，如表2和图4所示。抗震防灾综合防御系统演化稳定的结构模式参数的形成过程如图5所示。

由图5可知：南通市综合防灾系统的内部组元(子系统)在内外环境的约束下，不断地进行竞争、合作和自组织，系统由开始的多种组合模式经过一定时间后，最终稳定于某一种获胜的主导模式。

由表2和图4可知：从2002年到2008年，城市综合防灾系统演化模式参数总体上呈逐年增大趋势，其中2004年的系统演化模式参数较2003年有所下降，之后几年呈快速增长的趋势，表明2002—2004年期间，城市综合防灾系统内部的多道防线系统工程之间基本独立，相互协作关系很少，但是系统演化模式参数较小，系统处于低级有序结构，综合防灾系统的防灾效率较低。2005—2008年期间，区域综合防灾系统内部的多道防线系统工程之间协作关系较强，促使系统向着更高的有序结构发展，系统防灾效率增大。上述分析进一步说明：是微观相互作用下通过自组织得到的宏观结构的具体表现，而且区域综合防灾系统的发展演化是一个稳定到不稳定再到稳定的循环过程，稳定状态是动态的稳定。

表1  南通城市综合防灾系统的基础数据

Table 1  Basic data of earthquake disaster mitigation system in Nantong

表2  系统模式参数ξ_j的计算结果

Table 2  Calculative results of system pattern parameter ξ_j

图4  系统结构模式参数ξ_j

Fig. 4  Structure model parameter ξ_j

图5  区域综合防灾系统演化的模拟过程

Fig. 5  Simulation process of regional integrated disaster prevention system evolution

为了深入研究区域综合防灾系统演化过程中各模式下的组元之间的相互作用，从数值模拟结果中提取各年的区域综合防灾系统演化过程中各组元的连接权值，具体结果见表3和图6(h)。

表3  系统的连接权值

Table 3  System connection weights

为了研究区域综合防灾系统多年的演化过程，以及不同组元的的作用机制，根据式(10)得知为的分量，即结构分量。由表3中的连接权值和预处理后的数据相乘，得到系统的结构分量，见表4。

表4  系统演化的结构分量

Table 4  Structural components of system evolution

根据表4中的数据绘制出各年的区域综合防灾系统演化的雷达图组，如图6所示。图6(a)~6(g)给出了各年区域综合防灾系统演化的结构模式变化情况，在每个雷达图中的有色区域代表信息体组成的生成性网络张大后所形成的结构，也是区域综合防灾系统演化中广义信息流的流动模式，它更加直观、形象地表达了区域综合防灾系统发展的时间蔓延过程。图6(h)显示了各组元所占的比例，表示各个组元对结构模式形成的贡献大小。

图6  系统演化的雷达图及连接权值

Fig. 6  System evolution radar chart and connection weights

由图6可知：2002年南通市综合防灾系统各组元的平均结构分量都小于0.01，表明抗震防灾多道防线系统工程的防灾效能都偏低；2003—2004年，区域综合防灾系统各组元的平均结构分量较2002年有所增长，但增幅较小，防灾减灾效能依然偏低。2005—2008年，区域综合防灾系统演化中，个别组元的平均结构分量增长较快，而其他组元增长偏慢，这也表明区域防灾资源分配失衡，只注重单一防灾手段、系统工程的建设，如过去的“重视救灾，轻视防灾”属于这种情况。在2008年，区域综合防灾系统演化过程中，各组元的平均结构分量都大于0.1，而且各组员的结构比重较为合理均衡，表明区域综合防灾系统演化结构模式相对较为合理，而且整个系统的防灾效能相比过去几年最优、最适应承灾体系统和环境系统的变化。

4  结论

1) 区域综合防灾系统具有复杂的网络结构，它在组元非线性作用下不断发展演化。以非平衡统计力学理论为基础，构建了区域综合防灾系统动态演化的信息动力学模型，并通过自组织映射网络算法模拟该模型，实现区域综合防灾系统动态演化的数值仿真，描述了系统在各组元相互作用下不断演化达到稳定结构模式的过程。

2) 应用本文建立的信息动力学模型对南通市综合防灾系统动态演化进行数值模拟，指出系统的演化性能和结构模式由各组元及组元内部的要素之间的非线性作用关系所决定，不受人为加权等因素的影响；综合防灾系统从竞争演化到某种稳定状态，这是系统广义流的最优分配形式，本文方法为区域综合防灾系统的优化、调控和预测等提供了新思路。

3) 2002—2008年，南通市综合防灾系统演化模式参数总体上呈逐年增大趋势。在2004年，系统演化模式参数较2003年有所下降，但接下来的几年内，又呈快速增长的趋势。依据区域综合防灾系统演化的结构分量绘制出的雷达图组，它直观、形象地表达了区域综合防灾系统发展的时间蔓延过程，也体现了区域综合防灾系统的动态演化模式是广义信息流的流动模式。

参考文献：

[1] 高孟潭. 城市群地震灾害特点与防震减灾对策[J]. 中国地震, 2003, 19(2): 103-108.

GAO Mengtan. Characteristics of the earthquake disaster and countermeasures of mitigation in the metropolitan[J]. Earthquake Research in China, 2003, 19(2): 103-108.

[2] 何萍, 李志强. 城市群地震[J]. 华南地震, 2005, 25(2): 37-46.

HE Ping, LI Zhiqing. Earthquake in urban agglomeration[J]. South China Journal of Selsmology, 2005, 25(2): 37-46.

[3] 畅建霞, 黄强, 王义民, 等. 基于耗散结构理论和灰色关联熵的水资源系统演化方向判别模型研究[J]. 水利学报, 2002, (11): 107-112.

CHANG Jianxia, HUANG Qiang, WANG Yimin, et al. Water resources evolution direction distinguishing model based on dissipative structure theory and gray relational entropy[J]. Shui Li Xue Bao, 2002, (11): 107-112.

[4] Chai L H, Shoji M. Self-organization and self-similarity in boiling systems[J]. ASME J Heat Transfer, 2002, 124(3): 507-515

[5] Chen L M, Chai L H. A theoretical analysis on self-organized formation of microbial biofilms[J]. Physica A: Statistical Physics and Its Applications, 2006, 370(2): 793-807.

[6] 冯綮一, 柴立和. 基于非平衡统计力学的生长原理[J]. 科技导报, 2008, 26(4): 80-86.

FENG Qingyi, CHAI Lihe. Growth principle based on non-equilibrium statistical mechanics [J]. Science & Technology Review, 2008, 26(4): 80-86.

[7] Feng Q Y, Chai L H. A new statistical dynamic analysis on vegetation patterns in land ecosystems[J]. Physica A: Statistical Mechanics and its Applications, 2008, 387(14): 3583-3593.

[8] Chai L H. A theoretical analysis of bubble interaction in boiling systems[J]. International Journal of Thermal Science, 2004, 43(11): 1067-1073.

[9] Chai L H, Wen D S. Hierarchical self-organization of complex system[J]. Chemical Research of Chinese University, 2004, 20(4): 440-445.

[10] Huo C H, Chai L H. Physical principles and simulations on the structural evolution of Eco-Industrial systems[J]. J Cleaner Production, 2008, 16(18): 1995-2005.

[11] 柴立和, 霍翠花. 生态工业系统结构演化的模拟与分析[J]. 天津大学学报(自然科学版), 2007, 40(6): 736-741.

CHAI Lihe, HUO Cuihua. Simulation and analysis on the structural evolution of the eco-industrial system[J]. Journal of Tianjin University, 2007, 40(6): 736-741.

[12] 柴立和, 马德刚. 分形生长的新模型[J]. 天津大学学报(自然科学版), 2004, 37(4): 326-330.

CHAI Lihe, MA Degang. New model on fractal growth[J]. Journal of Tianjin University, 2004, 37(4): 326-330.

[13] Albert R, Barabasi A L. Statistical mechanics of complex networks[J]. Rev Modern Phys, 2002, 74(1): 47-97.

[14] Wang W, Su J Y, Ma D H, et al. Integrated risk assessment of complex disaster system based on a non-linear information dynamics model[J]. Sci China Tech Sci, 2012, 55: 3344-3351.

[15] 冯綮一, 柴立和. 基于广义熵原理的生态系统演化动力学[J]. 科技导报, 2009, 27(4): 36-45.

FENG Qingyi, CHAI Lihe. Ecosystem evolution dynamics based on generalized entropy principle[J]. Science & Technology Review, 2009, 27(4): 36-45.

[16] 刘敏. 生态工业系统演化的复杂系统新模型[D]. 天津: 天津大学环境科学与工程学院, 2009: 25-30.

LIU Min. A new complexity model on evolution of eco-industrial system[D]. Tianjin: Tianjin University. School of Environmental Science and Engineering, 2009: 25-30.

[17] 吕世增, 张大卫, 刘年磊. 应用非平衡统计力学方法的产品性能评价[J]. 机械工程学报, 2011,47(10): 171-176.

L Shizeng, ZHANG Dawei, LIU Nianlei. Product performance evaluation using non-equilibrium statistical mechanics method[J]. Journal of Mechanical Engineering, 2011, 47(10): 171-176.

[18] 冯綮一. 基于物理学新框架的生态位研究方法[D]. 天津: 天津大学环境科学与工程学院, 2010: 35-39.

FENG Qingyi. Research approach of niche based on new framework of physics[D]. Tianjin: Tianjin University. School of Environmental Science and Engineering, 2009: 35-39.

[19] 葛哲学, 孙志强. 神经网络理论与MATLAB R2007实现[M]. 北京: 电子工业出版社, 2007: 78-89.

GE Zhexue, SUN Zhiqiang. Neural network theory and MATLAB R2007 application[M]. Beijing: Publishing House of Electronics Industry, 2007: 78-89.

(编辑  陈爱华)

收稿日期：2014-05-20；修回日期：2014-09-25

基金项目(Foundation item)：国家“十二五”科技支撑计划项目(2011BAK07B01，2011BAJ08B03，2011BAJ08B05)；国家自然科学基金资助项目(51208017) (Projects(2011BAK07B01, 2011BAJ08B03, 2011BAJ08B05) supported by the National Twelfth Five-year Technology Support Projects of China; Project(51208017) supported by the National Natural Science Foundation of China)

通信作者：刘朝峰，博士研究生，从事城市与工程安全减灾研究；E-mail: liucf8403@126.com