摘要：本文总结了2015年至2016年能源行业的网络舆情，从中选出5个具有代表性的事件进行分析，总结出其中的变化规律。
关键词：能源；舆情；传播
本文通过对2015年以来监测到的网络舆情数据进行了系统分析，发现其中的传播规律和传播路径与之前发生了变化。笔者总结了2015年至2016年能源行业的网络舆情，从中选出5个具有代表性的事件进行分析，总结出其中的变化规律。
一、网络舆情变化趋势分析
根据历史网络舆情监测资料，本文选取“大唐计提减值准备预计减立31亿元”“内蒙古煤化工企业偷排污水”“重庆金佛山水利工程山体坍塌”“西安南郊变电站爆炸”和“河北一农业改造项目未用指定高价设备，电力公司拒供电”5个事件进行分析。事件舆情量的统计来自于网络媒体、贴吧、博客及微博数据。其中，论坛、贴吧评论和微博评论未计算在内。网络舆情总量分析结果如下：（一）微博是网络舆情传播的重要阵地网络舆情总量包含微博、媒体、贴吧、博客等舆情量，不包含评论数据。根据舆情量统计发现，微博是网络舆情传播的重要阵地。在5个事件中，微博舆情量平均占比为48.32%，其中，“西安变电站爆炸事件”的微博舆情量比重最高，达64.51%，其次是“煤化工企业偷排污水事件”，微博舆情量也在50%以上（如表1）。（二）微信加快了信息传播的速度利用有序聚类方法，结合实际情况，划分5个事件的舆情传播阶段。除“煤化工企业偷排污水事件”的传播时间较长外，其他4个事件的舆情传播在一个周内就进入缓解期，传播时间较短。网络舆情传播阶段分为潜伏期、发生期、爆发期、喧嚣期、缓解期、反复期和长尾期。对比历史数据，网络舆情的各传播阶段之间界线越来越模糊，时间间隔逐渐缩短（如表2）。“煤化工企业偷排污水事件”和“西安变电站爆炸事件”的总舆情量比较大，网民关注度比较高。突发性、污染环境、波及面积大等的事件容易引起网民的关注。（三）潜伏期大幅缩短，呈现消失倾向5个事件中，4个事件的舆情传播潜伏期均在1天以内，尤其是“西安变电站爆炸事件”，事件刚一发生，网民随即就将事件发布在新浪微博上，说明网民对网络传播媒介越来越重视。网民比较关注的民生问题、环境问题、安全问题、金融等在网络上的曝光率相对较高、也比较迅速（如表3）（四）网络舆情传播24小时内进入爆发期5个事件中，有4个事件的网络舆情传播在24小时内就进入爆发期，“大唐计提减值事件”“金佛山水利工程坍塌事件”和“西安变电站爆炸事件”在网络上曝光后，舆情量迅速（发生期仅有1小时左右）进入爆发期。事件目击者或受影响对象的特征是影响舆情事件传播范围的关键因素。对于“西安变电站爆炸事件”，事件发生不久，舆情量就迅速上升，远高于其他事件的舆情量，并于第2个小时进入爆发期，该事件在第1天舆情总量就高达1337条（不含转发量和评论），若考虑转发量，舆情量则上万条。“西安变电站爆炸事件”之所以有这么多的关注人数，一方面是因为事件本身影响大，另一方面事发地点在几所大学附近，相比其他群体，大学生更擅长运用网络进行舆情传播。通过对比发现，事件影响程度相近的“金佛水利工程坍塌事件”的舆情量却远低于该事件。媒体是影响网络舆情速度的重要因素。5个事件中，仅有“煤化工企业偷排污水事件”的舆情第2天才进入爆发期。其他4个事件，媒体介入时间均比较早，微博等其他媒介介入时间比较同步，舆情量很快达到高峰；而对于“煤化工企业偷排污水事件”，媒体在第40个小时开始报道此事，在此之前舆情量很少，报道5个小时之后达到舆情量高峰，且微博舆情量也迅速激增。通过建立舆情量与媒体（哑变量）的动态时间序列模型，观察媒体对舆情的关系。首先对舆情量的平稳性进行检验发现，舆情量是平稳非白噪声序列，不存在周期性、季节性或趋势性因素。根据舆情量与媒体的回归结果，舆情与媒体之间存在长期的协整关系，媒体的回归系数值为27.93，然后采用BIC值选择p和q的取值，不同p和q的取值对应的BIC值如图1：通过图1可以看到，p为1，q为12时，BIC值最小，此时模型为ARMA（1，12），残差的白噪声检验P值为0.9963（LB），模型效果比较显著。舆情量与媒体（哑变量）的动态时间序列模型如下：percep1t=-1.26+27.93*mediat+0.45*percep1（t-1）+εt-0.044ε（t-1）+0.063ε（t-2）-0.17ε（t-3）+0.17*ε（t-4）+0.14*ε（t-5）+0.0823*ε（t-6）-0.019*ε（t-7）+0.018*ε（t-8）-0.094*ε（t-9）+0.054*ε（t-10）-0.41*ε（t-11）-0.59*ε（t-12）其中，percep1t表示舆情量，mediat表示媒体，媒体对舆情量影响的检验P值为8.43e-06。（五）涉事企业的表现是舆情传播进程的决定性因素在“金佛山水利工程坍塌事件”和“西安变电站爆炸事件”中，涉事企业在第一时间积极采取措施缩小事件的波及范围，减少损失，所以负面舆情量比较少，舆情量下降速度较快。“金佛山水利工程坍塌事件”舆情传播在第3天就进入衰退期；“西安变电站爆炸事件”发生后，变电站经过抢修，在第13小时99%的区域已恢复供电，相比第一天（1377条），第2天的舆情量（209条）大幅下降。由于又有消息披露，变电站爆炸对附近三星生产厂造成较大的损失，因此舆情传播的过渡期持续了4天，于第5天进入衰退期。在“煤化工企业偷排污水事件”中，自该事件在网上曝光后，第2天多伦县公安局以污水是否对土地造成影响为由介入调查，舆情量迅速上升；第3天，多伦县政府公布调查结果并控制相关责任人，同日，舆情量达到最高；第4天之后，舆情量开始下降；第7天，有媒体披露，环保部门巡视煤化工企业12次，而该企业一直采取无视态度，再次被推向了舆论高点，且负面舆论越来越多；直至第11天，企业才采取措施，大唐国际责令煤化工企业停产整改。据了解，煤化工企业亏损比较严重，且在此时间段，大唐国际正在与其他企业商谈并购煤化工企业事件，结果失败，最后，于次月1日，以1元的价格出售给了母公司。
二、网络舆情演化机制
以“西安变电站爆炸事件”在微博中的传播情况作为研究对象。（一）典型网络传播机制模型ER模型是随机网络模型，给定N个节点，没有边，以概率p连接任意一对节点，节点的度数服从均值为λ的泊松分布。小世界模型是为了描述一个局部有序系统到一个随机网络的转移过程而提出的，是始于一个具有N个节点的一维网络，网络节点与最近的邻接点和次邻接点相连接，然后每条边以概率P重新连接。无标度网络模型具有稳健性、脆弱性，存在中枢节点，以及度呈幂律分布。（二）舆情传播遵循无标度网络模型因数据采集比较困难，所以选取了“西安变电站爆炸事件”部分时间点的微博转发数据，转发量数据共1147条，涉及1174个用户，即传播节点1174个，边1147条。采用Gephi软件，将“西安变电站爆炸事件”在微博中的传播途径以可视化方式展现出来，如图2。
三、微博V认证用户、微博达人等对舆情传播发挥了很大作用
通过“西安变电站爆炸事件”微博舆情传播路径图可以看到，在路径图中有一个非常大的中心或中枢节点和若干个小中心节点，如果样本量足够大，则会出现多个大的中心或中枢节点，且节点与节点之间是通过增添新节点进行传播的，即“西安变电站爆炸事件”在微博中的传播是通过中心人物扩散出来的，且通过新用户的获得信息进行传播。在此次“西安变电站爆炸事件”传播中，微博的V认证用户、微博达人等扮演了中枢节点的角色，扩大了舆情传播范围，发挥了很大的作用。然后观察节点度的概率分布情况，由下图的节点度的概率分布图可以看到，节点的度呈指数衰减特点，即服从幂律分布，其平均度为1.954，概率分布函数为1/km，其中，k为节点的度，m为幂指数参数。根据“西安变电站爆炸事件”微博舆情传播路径图特点以及节点度的概率分布可医学论文代理以推断出山西职称，其微博舆情传播机制遵循无标度网络模型。
作者：孟肖虎 李丽 单位：中国电力传媒集团
