1、公共危機(jī)輿情影響趨勢預(yù)測公共危機(jī)事件網(wǎng)絡(luò)輿情影響趨勢預(yù)測及其應(yīng)對策略研究摘要：當(dāng)前我國正處于突發(fā)事件的高發(fā)期和社會的轉(zhuǎn)型期，隨著網(wǎng)絡(luò)的日益普及， 網(wǎng)絡(luò)逐漸成為廣大民眾展現(xiàn)情緒、表達(dá)民意的公共話語空間，進(jìn)而引出的是公 共危機(jī)事件網(wǎng)絡(luò)輿情，這是社會政治生活領(lǐng)域里出現(xiàn)的新問題。若網(wǎng)絡(luò)輿情未 合理引導(dǎo)，則在較大程度上會引發(fā)公共危機(jī)，危害社會穩(wěn)定和經(jīng)濟(jì)發(fā)展。所謂 預(yù)警就是指對某一警情的現(xiàn)狀和未來進(jìn)行測度，預(yù)報不正常狀態(tài)的時空范圍和 危害程度，以及提出防范措施。本文采用SPSS數(shù)據(jù)分析軟件對原始數(shù)據(jù)進(jìn)行分 析與聚類，歸納出網(wǎng)絡(luò)輿情發(fā)展的不同種類。通過對每類事件網(wǎng)絡(luò)輿情發(fā)展趨 勢的分析，找出規(guī)律。在此基礎(chǔ)上

2、應(yīng)用 matlab軟件建立預(yù)測模型，依據(jù)灰色理 論，建立預(yù)測模型，該模型是微分回歸分析的一個特例，以指數(shù)形式為基礎(chǔ)， 以一次累加數(shù)據(jù)作為原始數(shù)據(jù)，以初始觀測值為準(zhǔn)確定積分常數(shù)。本文采用此 法將雜亂無章數(shù)據(jù)列進(jìn)行整理、生成，將空缺的數(shù)據(jù)通過計算加以補充，用其 所整理過的數(shù)據(jù)列建立模型并通過它進(jìn)行決策和預(yù)測，將結(jié)構(gòu)、關(guān)系、機(jī)制不 清楚的網(wǎng)絡(luò)輿情過程作灰色預(yù)測以進(jìn)行提前控制。關(guān)鍵詞：網(wǎng)絡(luò)輿情；灰色理論；預(yù)測模型；預(yù)警。1問題重述公共危機(jī)或突發(fā)性群體事件是由臨時的、自 發(fā)的同類個體組成的整體，由于某種共同要求， 造成對社會具有不平常影響的事情，其從發(fā)酵到 爆發(fā)都伴隨相關(guān)信息傳播活動。而網(wǎng)絡(luò)信息傳播 是

3、指民眾以網(wǎng)絡(luò)為平臺，借助網(wǎng)絡(luò)論壇 （BBS）、 網(wǎng)絡(luò)聊天（Chatting）、博客（Blog）、維客（Wiki）、 電子郵件（E-mail）及網(wǎng)絡(luò)新聞組（Usernet News） 等網(wǎng)絡(luò)渠道，圍繞即將發(fā)生或已發(fā)生的群體性事 件發(fā)布信息。當(dāng)傳播途徑從傳統(tǒng)渠道向互聯(lián)網(wǎng)等 途徑轉(zhuǎn)移后，出現(xiàn)了流言廣泛傳播，難以實施有 效控制或澄清；輿情信息傳播速度快、范圍廣、 影響大；信息交流呈現(xiàn)非理性化、情緒化傾向的 新特征。網(wǎng)絡(luò)輿情是群體性事件發(fā)展演變的一個 重要因素，它常直接引發(fā)或間接推動群體性事件的惡性發(fā)展。人民網(wǎng)輿情監(jiān)測室7月份首次發(fā)布 了2009年上半年地方應(yīng)對網(wǎng)絡(luò)輿情能力排行 榜，湖北石首市政府被研判

4、為應(yīng)對嚴(yán)重失當(dāng)， 存在重大缺陷，而湖北巴東縣政府則被判為表示 政府應(yīng)對存在明顯問題，處倒數(shù)一、二位。由此 可見，如何迅速了解和把握網(wǎng)絡(luò)的脈搏， 及時回 應(yīng)公眾疑問、如何依法依規(guī)向民眾提供最新最快 最全的真實信息、引導(dǎo)輿論、掌握主動、消除謠 言和誤解，這是當(dāng)前各級權(quán)力機(jī)關(guān)面臨的重大課 題。目前已有諸多學(xué)者開始研究探討突發(fā)群體事 件輿情信息傳播規(guī)律。但是很多都是基于傳統(tǒng)人 文領(lǐng)域的研究方法，只能對信息網(wǎng)絡(luò)傳播的過程 和個體交互的機(jī)制給出描述，從定性的角度分析 總結(jié)突發(fā)群體性事件的信息網(wǎng)絡(luò)傳播的成因、流 程、規(guī)律，無法進(jìn)行定量的研究，沒有研究信息 網(wǎng)絡(luò)傳播本身的特征對突發(fā)群件性事件的影響， 無法準(zhǔn)確

5、分析信息網(wǎng)絡(luò)傳播的時機(jī)、 事件因素的 影響權(quán)重、傳播方式與途徑，也沒有對信息網(wǎng)絡(luò) 傳播的演化過程進(jìn)行仿真研究。突發(fā)性公共危機(jī)事件涉及面非常廣，具有非 常強烈的群體性，網(wǎng)絡(luò)輿情與突發(fā)性公共危機(jī)事件的作用機(jī)制研究對事件的應(yīng)對和有效應(yīng)急管 理具有重要意義；同時，網(wǎng)絡(luò)輿情具有互聯(lián)網(wǎng)背 景，其采集、分析方法對網(wǎng)絡(luò)輿情與突發(fā)性公共 危機(jī)事件的作用機(jī)制研究具有重要作用。因此， 在復(fù)雜的網(wǎng)絡(luò)環(huán)境下，從理論上解釋公共事件輿 情信息網(wǎng)絡(luò)傳播的形成過程和傳播的機(jī)制，掌握 輿情信息網(wǎng)絡(luò)傳播規(guī)律，控制事件的發(fā)展，結(jié)合 危機(jī)處理的一般方法，對認(rèn)識、預(yù)測和引導(dǎo)事件 的發(fā)生發(fā)展，有著重要的理論意義和現(xiàn)實意義。 結(jié)合研究的背景

6、，在本研究中有以下幾個科學(xué)問 題：(1)如何對突發(fā)性公共危機(jī)事件網(wǎng)絡(luò)輿情態(tài)勢 演化規(guī)律和影響因素進(jìn)行深層次解構(gòu)和剖析。突發(fā)性公共危機(jī)事件網(wǎng)絡(luò)輿情演化態(tài)勢研究 的目的就是在確定突發(fā)性公共危機(jī)事件網(wǎng)絡(luò)影 響力的基礎(chǔ)上，對有限的資源進(jìn)行合理的優(yōu)化和 高效的調(diào)度，從而提高對突發(fā)性公共危機(jī)事件的 應(yīng)對、處置能力，以免事態(tài)惡化或形成次生事件。 在這種背景之下，政府或相關(guān)處置機(jī)構(gòu)需要對突 發(fā)性公共危機(jī)事件網(wǎng)絡(luò)輿情演化態(tài)勢路徑、規(guī) 律、形成原因進(jìn)行準(zhǔn)確、清晰的把握和認(rèn)知，才 可能對突發(fā)性公共危機(jī)事件網(wǎng)絡(luò)輿情進(jìn)行有效 引導(dǎo)和調(diào)控。所以，如何分析突發(fā)性公共危機(jī)事 件網(wǎng)絡(luò)輿情態(tài)勢演化所涉及的主體、變量、以及 變量之

7、間的相互作用關(guān)系進(jìn)行呈現(xiàn)，如何通過系 統(tǒng)分析和系統(tǒng)建模仿真出突發(fā)性公共危機(jī)事件 網(wǎng)絡(luò)輿情態(tài)勢演化規(guī)律是本研究要解決的科學(xué) 問題之一。(2)如何對突發(fā)性公共危機(jī)事件網(wǎng)絡(luò)輿情態(tài)勢漲落進(jìn)行實時預(yù)警？預(yù)警在復(fù)雜多變的突發(fā)性公共危機(jī)事件應(yīng)對 中是尤為重要的一環(huán)。預(yù)警的具體過程是：在災(zāi) 害或危險發(fā)生之前，根據(jù)以往的的經(jīng)驗所總結(jié)出 來的規(guī)律，或者通過檢測發(fā)現(xiàn)可能性前，從而向相關(guān)部門發(fā)出警報，報告可能存在危險的情況 以此避免危害在不知情或者準(zhǔn)備不足的的情況 下發(fā)牛，通過預(yù)警能夠最大程度地減低災(zāi)害或風(fēng) 險所造成的損失。網(wǎng)絡(luò)輿情熱度預(yù)警的目標(biāo)就是 要在借助先前經(jīng)驗的基礎(chǔ)上，對輿情走勢進(jìn)行實 時、動態(tài)的監(jiān)控，確保在

8、第一時間對輿情所處態(tài) 勢的可能性進(jìn)行預(yù)警，以便相關(guān)部門對輿情處 置、引導(dǎo)作出準(zhǔn)確判斷。2、網(wǎng)絡(luò)輿情模型建模分析通過對大量輿情事件的研究， 分析突發(fā)事件的新聞 媒體的報道規(guī)律，可以發(fā)現(xiàn)突發(fā)事件的網(wǎng)絡(luò)輿情的新聞報道的演變模式，對網(wǎng)絡(luò)輿情的傳播趨勢有了一個初步的探索。將統(tǒng)計的數(shù)據(jù)以發(fā)生的時間為橫坐標(biāo), 以網(wǎng)絡(luò)媒體對該突發(fā)事件的新聞報道量為縱坐標(biāo)，通過描點得出以下幾種基本 的圖形，可以用來探索突發(fā)事件網(wǎng)絡(luò)輿情的傳播趨勢。通過研究它的傳播趨勢, 我們可以在以后類似的突發(fā)事件發(fā)生后，對照現(xiàn)有的圖形，來調(diào)整對危機(jī)處理 的方法和力度，從而達(dá)到更快更好地處理危機(jī)和引導(dǎo)網(wǎng)絡(luò)輿情(1) 一次高點型事件指突發(fā)事件發(fā)生

9、后，最開始新聞報道數(shù)量很少，隨著時間的推移，報道數(shù) 量越來越多，到達(dá)一個峰值后，出現(xiàn)一個拐點，報道數(shù)量變少，轉(zhuǎn)向趨少階段, 最后關(guān)于此突發(fā)事件的新聞報道量趨于零。如圖所示:量道報聞新這類突發(fā)事件網(wǎng)絡(luò)輿情的傳播趨勢的特征是：突發(fā)事件發(fā)生后，由于影響范圍很小，人們關(guān)注度不高，網(wǎng)絡(luò)媒體的新聞報道量很少，突發(fā)事件的公共危 機(jī)需要很長時間的醞釀期，隨著影響范圍越來越大，人們的關(guān)注度越來越高， 新聞媒體的報道量會逐漸增多，在一個時間點媒體的報道量會達(dá)到一個峰值，如果政府對危機(jī)處理恰當(dāng)，峰值很快就會過去，此時會出現(xiàn)一個拐點，人們關(guān) 注度降低，網(wǎng)絡(luò)媒體的報道量逐漸減少，最后趨于零。(2)兩次或多次高點型事件是

10、指突發(fā)事件發(fā)生后，最開始新聞報道數(shù)量很少，隨著時間的推移，由于 本身這個事件具有強大的信息量，很快引起很多媒體的關(guān)注，大量的新聞媒體 開始報道，報道數(shù)量呈爆炸式增長，很快到達(dá)一個峰值后，出現(xiàn)一個拐點，報 道數(shù)量變少，轉(zhuǎn)向趨少階段，但是在突發(fā)事件的演變進(jìn)程中，如果網(wǎng)絡(luò)輿論的 公共危機(jī)處理得不好的話，危機(jī)事件暫時平息后由于出現(xiàn)新的刺激點，使得人 們重新高度關(guān)注，網(wǎng)絡(luò)媒體的報道量又開始重新增長，經(jīng)過一段時候后又得以 平息，在最后關(guān)于此突發(fā)事件的新聞報道量趨于零。7丁小戶-，%，*%3Z2/r 1MH圖3-4-6林松嶺事件網(wǎng)絡(luò)輿情傳播趨勢圖這類突發(fā)事件網(wǎng)絡(luò)輿情的傳播趨勢是：突發(fā)事件發(fā)生后，開始只是少量

11、媒體報道，但是爆發(fā)非常迅速，很快就引起人們的關(guān)注，網(wǎng)絡(luò)媒體的報道量飛速達(dá)到一個峰值，如果政府對危機(jī)處理恰當(dāng)，峰值很快就會過去，此時會出現(xiàn)一個拐點，人們關(guān)注度降低，網(wǎng)絡(luò)媒體的報道量逐漸減少，但是在突發(fā)事件的演變進(jìn)程中，如果網(wǎng)絡(luò)輿論的公共危機(jī)處理得不好的話，危機(jī)事件暫時平息后由于出現(xiàn)新的刺激點，使得人們重新高度關(guān)注，網(wǎng)絡(luò)媒體的報道量又開始重新增長，經(jīng)過一段時候后又逐步平息下來。3、網(wǎng)絡(luò)輿情發(fā)展趨勢模型建立運用SPSS對2011年第二季度網(wǎng)絡(luò)輿情和微博問政報告中的24個熱點事件進(jìn)行初步的描述性分析。描述結(jié)果如下:35302520151050IV書門，精中劉口中新化門力髓事中0 口lr .國第N-WM

12、l*衣口不。波開房局KM川M胃此卜幕舌注水3出粒W.優(yōu)翟如h-w箱中式修斯樓，閶型W1MT i：而“K會冏Ji濘疑-N1Or -ir ?- N1OM10MS。vtvrn *-NMO故再失富進(jìn)一步選取每組數(shù)據(jù)運用不同的函數(shù)進(jìn)行擬合, 以雙匯萬人大會為例，結(jié)果如下：雙匯萬人大會平方和df均方Sig.回歸22318.99522318.995.4.53528倒數(shù)模型匯總RR方調(diào)整R方估計值的 標(biāo)準(zhǔn)誤.227.052-.067226.581ANOVA殘差總計410711.905433030.90051338.988.578.334調(diào)整R方.144估計值的標(biāo)準(zhǔn)誤202.978系數(shù)未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系 數(shù)B

13、標(biāo)準(zhǔn)誤BetatSi g.1 /時 間點（常數(shù)）179.60687.294272.4005 9.814.528.439二次模型匯總ANOVA平方 和dfFSig.回歸殘差總計144630.217288400.683433030.90027972315.10841200.0981.755.241系數(shù)未標(biāo)準(zhǔn)化系 數(shù)標(biāo)準(zhǔn) 化系 數(shù)B標(biāo)準(zhǔn) 誤BetatSig.時間點時間點*2（常數(shù)）-34.54 5-.663355.4 1799.7058.833238.733-.477-.103-.346-.0751.489.739.942.180三次模型匯總RR方調(diào)整R方估計值的 標(biāo)準(zhǔn)誤.

14、725.526.289184.896ANOVA平方和dfFSig.回歸227910 .678375970.2262.222.186殘差205120 .222634186.704總計433030 .9009系數(shù)數(shù) 1系數(shù)B標(biāo)準(zhǔn)誤BetatSig.360.268.9724.9771.341.260529-86.355.480-13.451-1.55.139671時間點時間點* 2未標(biāo)準(zhǔn)化系標(biāo)準(zhǔn)化時間點* 35.193.3278.1371.561.170（常數(shù)）-90.100358.845-.251.810各函數(shù)模型擬合后圖像如下:刈工萬人大會由圖可知，上述函數(shù)對雙匯萬人大會該網(wǎng)絡(luò)輿情 的擬合度均較

15、低。一次高點型網(wǎng)絡(luò)輿情事件發(fā)展趨勢模型建立采用探索性分析，選擇一次高點型網(wǎng)絡(luò)輿情事件，對數(shù)據(jù)處理，建模結(jié)果如下：TSPLOT VARIABLES =雙匯萬人大會/ID二天數(shù)/NOLOG/FORMAT NOFILL NOREFERENCE.模型描述MOD_1雙匯萬人大會無00無周期性天數(shù)無無模型名稱序列1或順序轉(zhuǎn)換非季節(jié)性差分季節(jié)性差分季節(jié)性期間的長度水平軸標(biāo)簽干預(yù)開始參考線曲線下方的區(qū)域未填充個案處理摘要雙匯萬 人大會序列或順序長度 圖中的用戶缺 缺失值失數(shù)系統(tǒng)缺失1101皿 砍 x)(力白人大告由上圖可知，所用模型對雙匯萬人大會網(wǎng)絡(luò)輿情 事件擬合度較好。二次高點型網(wǎng)絡(luò)輿情事件發(fā)展趨勢模型建立

16、 對二次高點型網(wǎng)絡(luò)輿情事件，對數(shù)據(jù)處理，建模 結(jié)果如下：序列圖.VARIABLES：陳光標(biāo)慈善注水/ID=天數(shù)/NOLOG /FORMAT NOFILL NOREFERENCE.模型描述模型名稱序列1或順序MOD_10陳光標(biāo)慈善注 水轉(zhuǎn)換非季節(jié)性差分季節(jié)性差分季節(jié)性期間的長度水平軸標(biāo)簽干預(yù)開始參考線曲線下方的區(qū)域無00無周期性天數(shù)無無未填充個案處理摘要陳光標(biāo) 慈善注 水序列或順序長度 圖中的用戶缺 缺失值失數(shù) 系統(tǒng)缺 失1101多次高點型網(wǎng)絡(luò)輿情事件發(fā)展趨勢模型建立對多次高點型網(wǎng)絡(luò)輿情事件，對數(shù)據(jù)處理，建模 結(jié)果如下：TSPLOT VARIABLES鋒芝離婚/ID二天數(shù)/NOLOG/FORMA

17、T NOFILL NOREFERENCE.模型描述模型名稱序歹U 1或順序轉(zhuǎn)換MOD_22鋒芝離婚非季節(jié)性差分季節(jié)性差分季節(jié)性期間的長度水平軸標(biāo)簽干預(yù)開始參考線曲線下方的區(qū)域0無周期性天數(shù)無無未填充個案處理摘要鋒芝 離婚序列或順序長度 圖中的用戶缺 缺失值失數(shù) 系統(tǒng)缺 失1101網(wǎng)絡(luò)輿情發(fā)展趨勢模型驗證由上述三種發(fā)展趨勢建立的模型對 24個熱點事 件發(fā)展趨勢進(jìn)行驗證，得到如下結(jié)果：4、網(wǎng)絡(luò)輿情預(yù)警模型假設(shè)灰色預(yù)測模型(Gray Forecast Model )是通過少量的、不完全的信息，建 立數(shù)學(xué)模型并做出預(yù)測的一種預(yù)測方法。當(dāng)我們應(yīng)用運籌學(xué)的思想方法解決實 際問題，制定發(fā)展戰(zhàn)略和政策、進(jìn)行重

18、大問題的決策時，都必須對未來進(jìn)行科 學(xué)的預(yù)測.預(yù)測是根據(jù)客觀事物的過去和現(xiàn)在的發(fā)展規(guī)律，借助于科學(xué)的方法 對其未來的發(fā)展趨勢和狀況進(jìn)行描述和分析，并形成科學(xué)的假設(shè)和判斷?；诨疑到y(tǒng)理論是研究解決灰色系統(tǒng)分析、建模、預(yù)測、決策和控制的 理論.灰色預(yù)測是對灰色系統(tǒng)所做的預(yù)測.目前常用的一些預(yù)測方法(如回歸分析等)，需要較大的樣本。若樣本精度高，在各種預(yù)測領(lǐng)域都有著廣泛的應(yīng)用， 是處理小樣本預(yù)測問題的有效工具。通過下一章的的數(shù)據(jù)分析、處理過程，我們將了解到，有了一個時間數(shù)據(jù) 序列后，如何建立一個基于模型的灰色預(yù)測。對應(yīng)于實際生活中的真實情況就 是：當(dāng)一個公共危機(jī)輿情事件發(fā)生后，我們可以就前幾天所統(tǒng)

19、計的少量的信息, 來預(yù)測該輿情事件的走勢。并作出相應(yīng)的預(yù)警措施。假設(shè)這幾天的數(shù)據(jù)直觀上 都成總體上升趨勢，但由于數(shù)量太少，我們無法看出該輿情時間將來的具體走 勢，這種情況就適用于使用我們所建立的預(yù)測模型。式中X 0 X 0 (1), X 0 (2), LX 0 (N)為原始數(shù)據(jù)，即不同時間所對應(yīng) 的詞頻數(shù)。前一章的分析，我們可以看出，無論是一次高點事件，是二次高點事件， 還是多次高點事件，在公共危機(jī)事件網(wǎng)絡(luò)輿情爆發(fā)之前都會有一段潛伏期和擴(kuò) 散前期。如果我們能在擴(kuò)散期到來之前對網(wǎng)絡(luò)輿情發(fā)展走勢進(jìn)行一個預(yù)測，并 采取預(yù)警機(jī)制進(jìn)行干預(yù)控制，提前采取應(yīng)對措施，有的放矢，就能有效進(jìn)行網(wǎng) 絡(luò)輿情的控制，主

20、導(dǎo)危機(jī)事件網(wǎng)絡(luò)信息傳播，引導(dǎo)網(wǎng)絡(luò)輿情平穩(wěn)過渡。5、網(wǎng)絡(luò)輿情預(yù)警模型建立本文針對擴(kuò)散期到來之前的一段時間內(nèi)網(wǎng)絡(luò)輿情發(fā)展趨勢在灰色理論基礎(chǔ) 上建立一個預(yù)測模型。該模型是微分回歸分析的一個特例，以指數(shù)形式為基礎(chǔ)， 以一次累加數(shù)據(jù)作為原始數(shù)據(jù)，以初始觀測值為準(zhǔn)確定積分常數(shù)。該法將雜亂 無章數(shù)據(jù)列進(jìn)行整理、生成，將空缺的數(shù)據(jù)通過計算加以補充，用其所整理過 的數(shù)據(jù)列建立模型并通過它進(jìn)行決策和預(yù)測，將結(jié)構(gòu)、關(guān)系、機(jī)制不清楚的對 象、過程、系統(tǒng)作灰色預(yù)測以進(jìn)行提前控制，建立 GM( 1 ,1)模型步驟如下:第一步：對數(shù)據(jù)列X 0X 0 (1), X 0 (2), LX(N)做一次累加生成,得到Y(jié)n11-X (

21、1), X (2), LX1 (N ),式中 X 1(t)第二步：做一個累加矩陣Yn,即:Xt(2), Xt，L, Xt 0(N )第三步:最小二乘法解灰參數(shù)(BT B) 1BTYn第四步：將灰參數(shù)帶入時間函數(shù) X (t 1) (X 0 (1) -)e at第五步：對X求導(dǎo)，還原得到(0)X (t 1)-a(X 0 (1) )e(0)at ,或 X (t 1) X 1 (t 1) X 1 (t)第六步:(0)X 與X 之間差0 t及相對誤差 e t。0t ,e t0 t /X 0 t o第七步：模型診斷及應(yīng)用模型進(jìn)行預(yù)報。6、網(wǎng)絡(luò)輿情預(yù)警模型求解本文采用2011年第二季度以行文詞頻度為指標(biāo)的輿

22、情事件統(tǒng)計數(shù)據(jù)位基塑化劑”事礎(chǔ)，利用matlab軟件對以上所建立的預(yù)測模型進(jìn)行擬合與驗證。以 件為例，如引入?yún)?shù)詞頻數(shù)，確定最終的模型。以下為參數(shù)輸入：輸入 塑化劑”事件中的任意幾組詞頻數(shù)數(shù)據(jù)。x=0 21 100 258 857 79 826 1530; gml(x)以下為輸出結(jié)果：一次模擬得到的公式ans =x1(t+1)=144.8114exp(0.45534t)+(-144.8114)二次模擬得到的公式ans =x1(t+1)=157.1753exp(0.45534t)+(-156.6238)一次模擬預(yù)測值：x31fcast =1.0e+003 *00.08350.13171.2831

23、2.0230二次模擬預(yù)測值：x41fcast =1.0e+003 *000.23413.65085.84660.20760.45950.32730.81470.51611.37490.81382.2582s1total =0s2total =0Cval =1.5244pnum =0pval =0At =1.5688 (其中At是所計算的最后兩個點之間的變化率圖5.1是利用該軟建立模型后輸出的預(yù)測圖像，以天為時間問隔。2500題測效果圖5.1灰色理論預(yù)測模型輸出圖7、模型檢驗從中可以看出預(yù)測值與真實值的擬合情況，從前八天的擬合情況來看，預(yù) 測值與真實值是比較接近的。并且此模型能夠預(yù)測出所輸入天數(shù)

24、后一天（此例 即第九天）的詞頻數(shù)，用于網(wǎng)絡(luò)輿情走勢的預(yù)測。本論文所采取的預(yù)警的思路是：根據(jù)模型輸出的預(yù)測值與預(yù)測值前一個點 之間的斜率來判斷網(wǎng)絡(luò)輿情發(fā)展的走勢。對 2011年第二季度所有的輿情事件中 詞頻變化率最大值進(jìn)行統(tǒng)計，利用一定數(shù)學(xué)方法求出一個詞頻變化率的閾值， 并且用這個閾值為是否進(jìn)行預(yù)警的評判標(biāo)準(zhǔn)。首先要先計算出預(yù)測點與前一個 點之間的詞頻變化率，若該變化率大于前面所求得的閾值，我們就預(yù)測該網(wǎng)絡(luò) 輿情事件將要進(jìn)入擴(kuò)散期，必須采取預(yù)警機(jī)制，采用一定的措施，引導(dǎo)網(wǎng)絡(luò)輿 情平穩(wěn)過渡；若該變化率小于閾值，判定該詞頻數(shù)值所對應(yīng)的時間點還處在潛 伏期，我們要對其進(jìn)行控制，避免網(wǎng)絡(luò)輿情向擴(kuò)散期發(fā)展

25、。以下截圖為以2011年第二季度所有輿情事件相關(guān)詞頻量的統(tǒng)計和最大詞頻 變化率的計算。ABcIEFG1第窣最大值前一點料率最大值后一點料摩曷度21012S1屈的演佻32216646431.56924111B431694642951 74065035406S76871 56934072461150的71 5696294逐7E131心3001 f 7163006E7S431130SB715G9O 327519e040401.545BO153310烏JF233232班卿111026210107481.56&4E942912111000226012M1 5700026761312438121。7721

26、.669600991141340915BD11711.569942351514343783441 567as93561B1599016706801 56932574V1&1494723231.6677003611R1736129931 6600440531519053292341.E66522S4D2。15116223Q21141 5703232921IS1901/21一則眥4和2221147190017531.5702258762322163024S09501.6G9743 國621231953181231 663666425毒24294136010661 6698ss241252T23平均

27、值1566goi 訂此處，我們將變化率換算成其所對應(yīng)的弧度，方便比較。以其平均值作為 閾值a,a=1.5669。我們所求的塑化劑”事件的預(yù)測點與其前一點間的詞頻變化率 為At =1.5688。該值是超過閾值a。說明，在 塑化劑”事件中，第八天的時候， 該輿情事件已經(jīng)進(jìn)入了擴(kuò)散期了。從前一張分析也可以看出，雖然 塑化劑”事 件屬于多次高點型事件，但在前八天的事件內(nèi)總體走勢還是上升的，且第九天 確實屬于第二次高點到來前的擴(kuò)散期。由此可見，預(yù)測模型能夠很好的印證實 際數(shù)據(jù)。7、模型評價此模型能夠較好的預(yù)測輿情事件的大體走勢。其特點有：(1)用灰色數(shù)學(xué)處理不確定量，使之量化。(2)充分利用已知信息尋求

28、系統(tǒng)的運動規(guī)律.(3)能處理貧信息系統(tǒng)。但是本模型所應(yīng)用的實際數(shù)據(jù)較少，存在偶然性，模型的精度有待提高。8、參考文獻(xiàn)1童亞拉.突發(fā)群體性事件網(wǎng)絡(luò)輿情信息傳播復(fù)雜網(wǎng)絡(luò)預(yù)測模型分析J.微型電腦應(yīng)用.2011,7(1):28-39.2張一文.突發(fā)性公共危機(jī)事件與網(wǎng)絡(luò)輿情作用機(jī)制研究D.北京郵電大學(xué),2012.3程倩.網(wǎng)絡(luò)輿情模型構(gòu)建與網(wǎng)民分析D.鄭州大學(xué),2011.4施妮.網(wǎng)絡(luò)輿情對突發(fā)事件演變進(jìn)程的影響及應(yīng)對策略研究D.清華大學(xué),2011.5周健，劉占才.基于GM(1 ,1)預(yù)測模型的蘭 州市生態(tài)安全預(yù)警與調(diào)控研究J.干旱區(qū)域資源 與環(huán)境.2011,25(1):15-19.附錄：matlab編程代

29、碼編程實現(xiàn)過程：%二次擬合預(yù)測GM (1,1)模型function gmcal=gml(x) sizexd2=size(x,2);%求數(shù)組長度k=0;for y1=xk=k+1;if k1x1(k)=x1(k-1)+x(k);%累加生成z1(k-1)=-0.5*(x1(k)+x1(k-1);%z1維數(shù)減1,用于計算Byn1(k-1)=x(k);elsex1(k)=x(k);endendsizez1=size(z1,2);z2=z1;z3=ones(1,sizez1);YN=yn1; % 轉(zhuǎn)置B=z2 z3;au0=inv(B*B)*B*YN;au=au0;afor=au(1);ufor=au(

30、2);ua=au(2)./au(1);%輸出預(yù)測的au和u/a的值constant1=x(1)-ua;afor1=-afor;x1t1=x1(t+1);estr=exp;tstr= t;leftbra=(;rightbra=);strcat(x1t1, = ,num2str(constant1),estr,leftbra,num2str(afoU),tstr,rightbra,+ ,leftbra,num2str(ua),rightbra)k2=0;%輸出時間響應(yīng)方程%二次擬合for y2=x1k2=k2+1;if k2kelsezel(k2)=exp(-(k2-1)*afor);endend

31、sizezel=size(zel,2);z4=ones(1,sizezel);G=zel z4;X1=x1;au20=inv(G*G)*G*X1;au2=au20;Ava1=au2(1);Bva1=au2(2);%輸出預(yù)測的A, B的值strcat(x1t1, = ,num2str(Ava1),estr,leftbra,num2str(afor1),tstr,rightbra, + ,leftbra ,num2str(Bva1),rightbra)nfinal=sizexd2-1+1;%輸出時間響應(yīng)方程for k3=1:nfinalx3fcast(k3)=constant1*exp(afor1*k3)+ua;end%一次擬合累加值for k31=nfinal:-1:0if k311x31fcast(k31+1)=x3fcast(k31)-x3fcast(k31-1);elseif k310 x31fcast(k31+1)=x3fcast(k31)-x(1);elsex3