华南台风灾害的风险熵-极限学习机预测模型研究

结合广义模糊熵原理和模糊c均值聚类方法构建华南台风灾害风险熵模型,对华南台风灾害进行风险分析,讨论其分布情况;利用灰色关联分析法,探讨华南台风灾害的灾情因子、致灾源因子分别和灾害风险熵之间的关系以及二者对风险熵的影响程度;建立基于极限学习机的非线性回归模型,以多元线性回归和BP神经网络两种方法作为对照组,进一步探讨风险熵与灾情因子和致灾源因子关系。结果表明,华南台风灾害风险熵值呈正态分布,与灾情因子和致灾源因子的灰色关联度分别为0.716 2和0.794 9,受灾情因子和致灾源因子的影响较大;利用构建的极限学习机模型预测的华南台风灾害风险熵值平均绝对误差为0.059,拟合优度为92.82%,将预测结果与常规的多元线性回归和BP神经网络方法的预测结果进行对比分析,结果表明,用构建的极限学习机模型预测华南台风灾害风险熵值,其性能比常规多元线性回归和BP神经网络方法有明显的改进。     

基于BP神经网络和VSM的台风灾害经济损失评估

统计了对广东省造成直接经济损失的台风数据,包括致灾因子、孕灾环境和承灾体等评估因子,对数据进行无量纲化、归一化处理,作为验证模型的数据集。建立BP神经网络和空间向量模型(VSM)相结合的综合评估模型,利用BP神经网络进行初步预测,基于VSM对预测结果进行修正,从而构建台风灾害经济损失评估模型。将收集的历史台风经济损失数据分为训练和测试集,对模型进行训练和检验。经验证,采用BP神经网络和VSM相结合的台风灾害经济损失评估模型能够有效降低训练数据不足对评估结果的影响,平均误差率由30%降低到14%。     

一种台风灾情综合评估模型及应用

对台风灾情评估提出了一种基于台风灾害案例历史案例分析、综合模糊数学和灰色关联分析的综合评估模型;利用模糊隶属函数将台风灾情原始数据无量纲化,再设定一极重灾为参考序列。根据台风各评估指标与参考序列的距离,计算出关联系数;将关联系数加权平均和定义为灾度,根据灾度值评定台风的灾级。并以广东省台风灾情为例,验证了此模型。     

基于离散型Hopfield神经网络的台风灾情评估模型

台风灾情评估对防台减灾和救灾工作十分重要,为此,提出并建立了一种基于离散型Hopfield神经网络的评估模型。该模型选取5个评估因子,根据广东省台风灾害历史数据,按灾害等级划分原则制定了评估因子5个等级的划分方法,然后将待分级的台风进行Hopfield编码,建立离散型Hopfield神经网络模型,并用实例对模型进行了验证,分析模型的不足,将评估因子的权重因素引入到模型中,使模型更加合理。     

基于等距特征映射降维的台风灾情概率神经网络预评估模型

台风致灾因子、承灾体和灾情之间是一个复杂的非线性动力系统,准确高效地提取重要指标对台风灾情等级进行预评估,是防灾救灾工作的重要依据。采用主成分分析、等距特征映射和信息熵特征提取的承灾体关键指标,和致灾源作为输入神经元,灾情等级作为输出神经元,建立台风灾情概率神经网络预评估模型。结果表明,基于等距映射非线性特征提取的概率神经网络预评估模型的准确率达到90%。     

海南省台风特点与灾情评估时空关联分析

基于2014-2018年海南省气象、台风灾情及社会经济数据,构建海南省台风致灾因子指数与灾情评估指数模型,揭示两者的时空分布特征及关系。结果表明:近年来,影响海南省的台风主要集中在7-9月份,强度中等偏弱;各市(县)致灾因子指数数值在0.08～0.92之间,危险性最高值分布在北部的文昌、海口和澄迈县,西部和南部危险性较低。多年平均历史灾情指数数值在4.47～11.76之间,高值区位于北部的文昌、海口和西北的白沙县,南部损失较轻。历次台风灾情指数与最大日降雨量、极大风速、台风强度和台风持续时长等致灾因子的相关系数分别为0.88、0.74、0.63和0.55;历史灾情指数与致灾因子指数相关系数为0.76,二者呈现较好的相关性和空间一致性。     

台风对天然橡胶影响评估模型研究

灾害评估模型的建立往往需要有大量历史统计资料作为支撑,然而在实际研究中会存在收集资料不全或统计数据灾情衡量标准不一致的情况,这给灾害模型的建立带来了一定的困难。受到逆向工程设计思路的启示,为实现台风对天然橡胶造成灾害损失程度的快速评价,尝试着以典型个例分析为基础,以2005年对海南天然橡胶造成严重损害台风"达维"为例,从孕灾环境、致灾因子和承灾体三方面选择橡胶灾情评估因子,通过分析天然橡胶受损的程度与相关因子的分析,建立相应的评估模型,并将此模型为基础,进行了模型的实例检验,结果表明:模型能在一定程度上反映橡胶受损的空间分布,可为后期建立更加准确的天然橡胶评估模型奠定基础。     

广东台风灾情预测系统研究

准确预测台风灾情对防台减灾具有重要意义。研究了广东省台风灾情的一种预测系统。该系统将广东省划分为4个区域,引入区域灾害易损性和台风路径类型作为评估因子,采用非线性的GA-BP神经网络,通过2000-2006年广东省台风数据训练和测试,建立了台风灾情预测模型。系统采用C#+Arc Engine进行二次开发,形成了一种集成GIS功能的台风灾情预测系统,以期为防台减灾工作提供决策辅助。     

基于多源遥感影像的台风灾情动态评估——研究进展

沿海地区作为人口聚集、国民经济和社会发展重要的区域和战略中心,台风带来的损失往往是惨重和致命的。尤其是近年来,随着台风突发强度、频度和广度的不断增长,灾后救援工作显得格外重要,亟待开展灾情信息快速获取与动态评估研究。该领域目前主要探讨的问题为：台风灾情信息的遥感数据来源;基于遥感影像的灾情评估方法;台风灾情表征指标与评估模型;台风灾害风险综合管理等。在全球变暖和快速城市化的背景下,目前应集中开展的研究为：以我国沿海地区典型台风为剖析对象,构建台风多尺度灾情表征指标体系和基于多源遥感影像的台风灾情动态评估模型;集成开发遥感-地理信息系统（RS-GIS）灾情动态评估工具集;探讨台风灾情信息共享与分布式管理机制。这不但能实现受灾地区灾情快速评估与制图,而且能为我国沿海地区台风综合灾害风险管理以及可持续发展战略实施提供科学依据。     

基于神经网络的震害损失评估模型

如何对强烈地震所引起的损失进行快速准确的评估已成为防灾减灾领域一个新的研究热点。本文提出综合利用粗糙集理论、遗传算法和神经网络进行震害损失评估。采用粗糙集软件ROSETTA对数据进行前置预处理,以大型科学计算软件MATLAB为平台,通过遗传算法优化神经网络的初始权值和阈值,建立了基于优化后神经网络的震害损失评估模型。数据算例分析表明,该模型合理有效。     

可变模糊评价法在洪涝灾情评价中的应用

灾情评价实质上是一个模式识别问题.以往的灾情评价模型,虽解决了各单项指标灾情等级评估结果的不相容问题,但往往不能检验所给结果的准确性.基于可变模糊集理论,采用可变模糊评价模型可以科学、合理地确定样本指标对各级指标标准区间的相对隶属度和相对隶属函数,并且能够通过变换参数(α与P)变化模型进行评价.通过对多个评价结果进行比较分析,可以合理地确定出样本的评价等级.同时,由于该模型确定的灾级是连续的实数值,因而提高了灾情等级评价的灾级分辨率.最后将该方法应用于河南省洪涝灾情的综合评价中.应用实例表明,该模型计算简便,评价结果可信度高,可推广应用到其它灾情等级评估中.     

台风灾害时空特征分析与评估模型构建

基于1993—2016年中国热带气旋灾情资料分析台风灾害及其损失(死亡人数、受淹农田面积、直接经济损失)的时空特征，并构建定性和定量模型评估台风导致的直接经济损失。结果表明：(1)1993—2016年间三类灾害损失呈下降趋势，且局地受灾程度与区域经济发展和台风登陆频次密切相关；(2)沿海地区的登陆台风以中等强度为主，且目前的防台减灾政策有一定成效；(3)通过构建组合分类模型和BP神经网络回归模型可以更好地评估直接经济损失，且两个模型的最终预测精度均达到了较高水平(86.08%和80%)。     

改进的物元可拓模型在台风灾害预评估中的应用

以数值天气预报产品为信息源,选择降水量、降水强度、最大风速、经济易损性作为评价因子,建立了可拓模型,并进行了台风灾前的灾害预测性评估。针对物元可拓法在台风灾害预评估应用中的不足之处(当待评估的数据超出某一指标评价指标范围,其关联度函数就会出现无法计算的情况),对原有模型中经典域的量值作规格化处理和改变关联度计算,以海南岛的台风历史灾害数据为基础,建立了新的评估模型,并将GIS与评估模型结合开展实例应用,结果表明:该方法是可行性。     

基于改进神经网络的恐怖袭击风险预警系统

为提高恐怖袭击应急管理的效率,设计了恐怖袭击的风险评估和预测系统。评估模型通过因子分析方法计算各类目标的相对风险指数,评估指标包含"威胁"、"脆弱性"、"后果"三大因素,具体数据从全球恐怖主义数据库(GTD)中进行采集。预测模型通过神经网络实现风险指数的预测,由于BP神经网络的梯度下降算法收敛较慢且易陷入局部最优点,因此利用遗传算法对神经网络的初始权值阈值进行优化,并提高预测精度。最后,对GTD数据库中的21类主要袭击目标进行算例分析,验证了该模型的可行性和准确性,同时还根据这些目标的风险指数进行原因分析和策略建议。     

台风灾害评估中的影响因子分析

找出影响台风灾害评估的重要因子对于更科学、更合理地采集评估信息,建立灾情数据库具有重要意义。以浙江省为例,从致灾因子、承灾体和防灾减灾能力3个方面的25个影响因子,以死亡人数、倒塌房屋数、农作物受灾面积、直接经济损失和灾情指数为评价指标,通过相关分析方法找出评价指标影响较大的因子。利用所选取的因子,通过回归分析,对死亡人数、受灾农田面积、倒塌房屋间数和灾情指数进行了验证,结果表明,采用所提方法选取的因子去评估灾情是合理的。     

BP神经网络在台风路径预报中的应用

利用前馈型BP神经网络模型,对发生于中国沿海的热带气旋的移动路径进行了预报应用研究.根据中国<台风年鉴>发布的每个台风过程记录,对预报试验的台风个例分别选取了经度、纬度、中心气压和最大风速等81个因子,由多元回归选取了其中相关性好的因子,进行网络的学习训练,在获取前24h间隔6h的4次台风信息的基础上,用来预报了台风未来24h,48h和72h的短期路径变化.将该方法预报结果与CLIPER模式预报结果进行了比较,结果表明,BP神经网络模式的预报精度比CLIPER模式的高.     

中国沿海地区台风灾害损失评估研究

沿海地区作为人口积聚、国民经济和社会发展的重要区域和战略中心,在台风灾害中遭受的损失往往是惨重和致命的,所以亟待开展沿海地区台风灾害损失评估研究。根据1990-2007年的台风灾情资料,选取代表性指标尝试构建了台风灾情评估模型,并对沿海省市的台风灾害损失及其与致灾因子的关系进行分析评价。结果显示:除个别区域外,沿海地区台风灾害损失都呈下降趋势,但各区域下降的幅度不等,其中浙江省、江苏省和海南省下降幅度较低,均不足10%;浙江省、福建省和广东省18年间平均台风灾害损失较大;上海市以南各区域台风大风和暴雨的频次多、强度大,灾害损失大。     

自然灾害系统模型——Ⅰ:理论部分

本文对孕灾环境、致灾因子、承灾体和灾情给予了定量研究,建立了自然灾害系统模型。该模型不但为灾情计算提供了一个统一的标准,而且对成灾的因果关系表述得十分清楚。它是一个综合性强和操作简单的实用模型,也使灾情评估和成灾机制得到统一。     

登陆中国台风灾害损失预评估模型研究

整理了2000-2008年登陆中国且灾情记录完整的34个台风案例,建立案例集;基于模糊数学法建立了台风灾害损失预评估模型。选择8项影响因子作为模型输入指标,利用层次分析法确定影响因子权重,计算案例集中每个台风的综合评价指数;通过对综合评价指数与受灾人口、农作物受灾面积及直接经济损失等典型灾情指标进行拟合;通过适当调整影响因子权重,拟合得出最优幂函数回归方程,从而实现对台风灾情的定量预评估。     

自然灾害系统模型—I：理论部分

本文对孕灾环境、致灾因子、承灾体和灾情给予了定量研究，建立了自然灾害系统模型。该模型不但为灾情计算提供了一个统一的标准，而且对成灾的因果关系表述得十分清楚。它是一个综合性强和操作简单的实用模型，也使灾情评估和成灾机制得到统一。