基于熵权的灰色聚类在洪灾评估中的应用

洪水灾害灾情识别的实质就是建立各个洪水灾害灾情决策指标与洪灾等级之间的非线性关系。鉴于洪灾成因机制的复杂性和发生过程的随机性,在灰色聚类的基础上引入信息熵概念,提出了具有典型指数白化权函数,并采用加权平均原则的灰色信息熵聚类。该方法有效解决了"零权重"问题,通过引用熵权所反应的数据本身的效用值来修正指标的权重系数,充分利用了样本遗留信息,并极大地保留了聚类系数的蕴涵信息。实例证明,灰色信息熵聚类的评价过程直观简单,结果合理有效,能有效扩大灰色聚类在实际工程中的应用范围。     

洪水灾情评价的脉冲耦合神经网络模型

洪水灾情的评价工作对洪水灾害的分类管理具有重要的指导意义。脉冲耦合神经网络模型应用到洪水灾情评价中是一次新尝试,该方法通过脉冲输出从而调节阈值,并且应用动态阈值来确定洪水灾情的等级。这个方法比传统的BP模型简化了权值的训练,模型更加简便、直观。采用脉冲耦合神经网络模型得出的评价结果同灰色关联法、灰色聚类法、灰色模糊综合法的评价结果进行了比较,表明其用于洪水损失评价具有科学性和实用性。     

自然灾害综合灾情分级模型及应用

根据对自然灾害灾情的调研，提出了自然灾害综合灾情分级的指标体系和单指标分级标准，然后应用灰色聚类方法建立了自然灾害综合灾情分级模型，并探讨了该模型在评估1993年中国沿海地区台风、暴雨灾害灾情中的应用。     

基于DSR‑灰云模型的西北城市抗震韧性评估∗

城市抗震系统是一个复杂的系统,对其进行韧性评估是检验城市系统抗震能力的重要手段。在分析城市抗震系统构成的基础上,结合 DSR 模型,从抗灾因素、承灾因素和恢复因素三方面构建城市系统抗震韧性评估指标体系。为解决指标体系中存在的模糊性、随机性及灰色不确定等复杂问题,引入灰色白化权函数云模型,结合各指标的灰云模型图,计算各指标实际的聚类系数,最后根据最大隶属度原则计算出城市的抗震韧性评估等级。以西北地区 14 座城市为例,验证该方法的可行性和合理性,结果表明：兰州市与武威市的城市抗震韧性等级为Ⅳ级,白银、 天水、张掖、平凉、酒泉、庆阳及定西 7 市的城市抗震韧性等级为Ⅲ级,嘉峪关、金昌、陇南、合作与临夏 5 市的城市抗震韧性等级为Ⅱ级,研究成果可为城市抗震韧性评估提供一种新方法。     

灰色关联度在北京地区雾灾评估中的应用

基于北京地区最近20年大雾天气的观测数据和对大雾天气衍生的灾情调查数据,应用灰色关联度方法,对大雾的灾情评估指标、灾害等级划分等进行分析,建立了评估模型,并对22个雾灾个例进行了评估.结果表明,灰色关联度方法具有计算量较小、不要求样本数据量和服从一定分布规律的特点,是一种使用简便、有效可行的定性分析与定量估算结合的灾情评估方法.     

基于历史案例的自然灾害灾情评估方法研究

当某一自然事件被确定为灾害时,在获取有限的灾害数据情况下基于历史相似灾害案例进行快速的灾情评估,是有效进行灾害、灾情分析和抗灾救灾决策的保障。以历史案例灾害的灾害、灾情指标和当前灾害的灾害指标为数据基础,以最小距离法原理建立历史案例与当前灾害的相似度判断模型,设计基于历史案例相似度的自然灾害灾情评估模型,实现基于历史案例的自然灾害灾情评估方法与技术方案,并且以河南2001-2006年的农业干旱历史数据为历史案例,以其2007年农业干旱农作物受旱面积为评估指标,随即选取了一个相似度评估方法对灾情评估方案进行了案例验证,结果显示相对精度为98.45%,可信度较高。基于历史案例的灾情评估方法成本低、效率高、时效性强,且方法简单、约束条件较少、容易实现,在灾情评估方面具有一定的实用价值。     

洪水灾害损失的可变模糊评价方法

洪水灾情评价涉及人、自然、环境、社会及经济等多种因素,是典型的多指标评价问题,需对多因素进行综合评估。提出了一种洪水灾害损失的可变模糊评价方法,该方法集理论的严谨性与操作的简捷性于一体,适于处理评价标准为区间的问题,是传统模糊评判方法的延伸。实例应用结果表明,洪水灾害损失可变模糊评价方法评价结果的可信度高,能够很好地对各种洪水灾情进行有效的评估,是一种处理多因素复杂洪水灾害评价问题的新方法。     

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。     

台风灾情评估及方法综述

台风是一种导致严重灾害的天气系统,其灾害评估是减灾防灾的决策基础;国内外台风灾情评估基本区分为统计指标综合法和统计模拟法。归纳了6种主要的统计指标综合方法,总结了统计模拟评估法的基本步骤,在此基础比较了台风灾情评估方法的不同特点。从评估的模型、指标选择以及评估结果等几个方面评述了指标评估方法中以及统计模拟法存在的问题。最后,对灾情评估发展趋势的5个方面进行展望,并指出:国内统计模拟方法的评估较少开展,应与指标评估方法相结合,积极开展统计模拟方法的灾情评估;选择不同的行业,针对行业具体特点,建立敏感行业的灾情评估模型;加强高新技术,特别是卫星遥感技术在台风灾害评估中的应用;同时要加强评估决策支持系统研究。     

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。