基于灰数量子群决策的气象灾害应急方案优化模型研究

针对气象灾害应急决策中信息不确定、属性交互及决策者认知干扰等难题，本研究创新性地融合灰数理论、2-additive Choquet积分与量子概率理论，构建GMAQGDM模型。通过量化属性关联性（Choquet积分）、刻画决策者有限理性（PT）及模拟群体认知干扰（QLBN），实现了应急方案的动态优化。案例验证表明，该方法在提升决策精度与抗干扰性方面显著优于传统模型，为复杂不确定环境下的群体决策提供了新范式。

　　

当暴雨引发城市内涝、台风摧毁基础设施时，救援决策者常陷入两难：灾情数据模糊不清（如伤员数仅能估算为[1000,2000]区间），评估指标相互牵制（如"救援速度"与"成本投入"此消彼长），而专家意见又因紧急会议中的观点碰撞产生"量子纠缠"般的相互干扰。传统决策模型假设数据精确、指标独立、专家互不影响，这与灾害现场的混沌现实严重脱节。江苏大学的研究团队在《Expert Systems with Applications》发表的这项研究，正是要破解这一"三重不确定性"困局。

研究团队采用四大核心技术：1）灰数理论处理灾情信息的不完备性；2）2-additive Choquet积分量化属性间协同/拮抗效应；3）前景理论(PT)模拟决策者"损失厌恶"心理；4）量子贝叶斯网络(QLBN)建模专家意见的干涉效应。以2021年郑州特大暴雨为案例，对比分析了4种救援方案。

多属性量子群决策模型构建
通过灰数归一化处理原始数据后，团队发现"救援时效性"与"物资调配效率"存在强协同效应（Choquet积分显示交互指数达0.43）。而PT框架下，决策者对"伤亡减少量"的敏感性是"经济损失"的2.7倍，印证了"生命优先"的应急伦理。

案例验证
QLBN网络分析表明：当资深专家A修改方案评分时，会引发其他专家评估的"概率幅震荡"，其干涉系数Ψ=0.38。最终量子概率计算显示，兼顾无人机侦察与地下排水强化的方案4以63.2%的优选概率胜出，较传统TOPSIS方法提升决策稳定性12.5%。

结论与意义
该研究首次实现灰数信息、属性交互、群体认知干扰的三重融合建模。2-additive Choquet积分使权重计算更贴合灾害系统的复杂性；QLBN中基于灰关联度的专家权重分配，有效抑制了"权威效应"；PT与量子概率的联用，让模型兼具行为解释力与数学严谨性。这不仅为气象灾害应急提供了智能决策工具，更为金融风险评估、公共卫生危机处置等复杂场景的群决策范式革新提供了理论蓝本。