我国典型区因旱饮水困难人口快速评估模型研究

估算因旱饮水困难人口是我国政府实施旱灾救助物资、资金发放的重要基础性工作。目前我国因旱饮水困难人口的判断主要依据地方民政部门灾情数据的上报,还未有对该数据的质量控制和快速评估系统。因此,准确地预测并评估因旱饮水困难人口的发生发展,并采取适当的风险防范措施就显得十分重要。在收集并处理全国基础地理信息、气象、社会经济、旱灾灾情等数据的基础上,将全国划分为7个典型区,利用2009-2012年典型历史旱灾案例灾情数据为样本,基于BP人工神经网络构建因旱饮水困难人口快速评估模型,以地形高程、月均降水量、水系密度、年末总人口、路网密度和GDP为网络输入,以因旱饮水困难人口数量为网络输出,确定收敛误差0.01,经试算不断优化模型参数,得到东北、华北、华东、华中、华南、西南、西北7个典型区的模拟值与实际值的线性拟合结果:华东、华南、华中地区的模型精度较高,R2分别达到0.94、0.83、0.81;东北、西北、华北地区的模型精度居中,R2分别达到0.79、0.71、0.70;模型精度最低的是西南地区,R2为0.46。结果表明该模型操作简便,精度较高,实现了我国基于区域差异的旱灾主要灾情指标的快速评估,能够为典型区因旱饮水困难人口的快速评估和灾情的核查提供科学依据。     

基于粒子群优化神经网络的台风灾情定量评估

准确的台风灾情评估,是做好防灾减灾工作、降低灾情的基础。通过分析台风灾情与致灾因子、孕灾环境和承灾体的相关关系,将时间和GDP引入到评估因子中。针对评估因子和台风灾情之间具有高度不确定的非线性关系,应用神经网络理论进行台风灾情评估,并将基于全局随机优化思想的粒子群优化(PSO)算法对BP神经网络的初始权值进行优化,以改进BP神经网络方法存在的对初始权值敏感、易陷入局部极小点的缺点,从而建立了PSO-BP网络台风灾情定量评估模型。将该模型应用到2007年台风灾情评估中,评估值与实际值基本符合,表明该模型能应用于台风灾情的定量评估。     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。     

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%。     

基于机器学习方法的上海市暴雨内涝灾情预测模型研究

本文基于区域灾害系统理论,综合考虑致灾因子、暴露度和脆弱性,提出了一套暴雨内涝灾情预测指标体系;在此基础上利用上海市应急联动中心110接报暴雨内涝灾情数据,构建了暴雨内涝灾情预测BP模型(Back Propagation Model)和XGBoost模型(Extreme Gradient Boosting Model),并对比分析了预测模型效果,实现对上海市暴雨过程内涝灾情数量预测;最后对内涝灾情影响等级进行阈值划分,以期为暴雨内涝影响预报与风险预警业务、服务及灾害管理提供技术支撑。结果表明:1)综合考虑致灾因子、暴露度、脆弱性指标且不经主成分分析降维的指标组合作为暴雨内涝灾情预测指标体系时,BP模型和XGBoost模型的预测精度最优;2)全量样本XGBoost模型总体表现最优,暴雨内涝灾情的右偏分布和内涝灾情的异常高值均对XGBoost模型预测误差有不同程度的贡献;3)综合评价法在历史灾情百分位法和模拟灾情百分位法基础上,结合多年业务实践经验和用户对于110灾情的处置承受力对暴雨内涝灾情进行阈值划分,在实际应用中具有一定参考意义。     

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。     

黄土高原降雨径流调控利用潜力定量评价模型

降雨径流的调控利用是缓解黄土高原干旱缺水与控制水土流失的有效手段,研究区域降雨径流调控利用潜力的定量评价对黄土高原降雨径流合理利用的宏观决策与规划设计具有重要意义.以黄土高原为例,将可以调控利用的最大降雨径流量作为资源化潜力值,从宏观尺度上,系统分析了影响该潜力的各个因素,确定出黄土高原降雨径流调控利用潜力的各项评价指标,利用GIS技术,建立了降雨径流各个影响因素的专题图层,提取出各个影响因素专题信息.在上述基础上,引入人工神经网络建模方法,建立了黄土高原降雨径流调控利用潜力BP网络模型,并利用实际资料对网络模型进行了训练和预测,取得了较好的结果.评价模型可供黄土高原降雨径流调控利用及其生态与环境保护工作参考.     

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。     

基于神经网络的自然灾害灾情评估模型研究

灾情评估问题可以认为是一个模式识别问题。人工神经网络具有表达任意非线性映射的特性，从而在分类、学习和容错方面表现出较好的能力。本文探讨了用于灾情评估的人工神经网络模型，阐述了基本原理和算法，并结合实例说明了其应用     

河南省黄河中下游地区洪灾损失评估与预测

以河南省黄河中下游地区为研究区,利用GIS技术和社会经济数据的空间展布方法,构建洪灾损失快速评估模型,基于该模型不仅进行了1996年型洪水直接经济损失的评估,而且对2015年发生1996年型洪水进行洪灾损失预测和灾情等级区划。结果表明:①以1996年型洪水为例,运用此模型进行的评估结果与实际灾情接近,评估精度较高。②通过预测2015年发生1996年型洪水的损失结果来看,直接经济损失将是1996年的4倍。1996年评估和2015年预测的损失类型主要都以农业、农村房屋和家庭财产为主。③通过计算基数对灾情进行了等级区划,从洪灾损失对国民经济的影响来看,济源、偃师、巩义、荥阳、郑州、中牟、开封、兰考为轻灾区;武陟、封丘、濮阳、范县为中灾区;孟津、孟州、温县、长垣为重灾区;原阳和台前为特重灾区。从整体上看,黄河滩区内北岸地区比南岸地区灾情严重。     

基于BP神经网络的饱和砂土液化判别方法

基于唐山地震中大量的砂土液化现场实测资料,选取描述地震动特性的烈度、震中距、地面峰值加速度和描述砂土层埋藏环境条件的地下水位、标贯点深度(土层深度)、上覆非液化覆盖土层厚度、有效覆盖压力,以及表示砂土自身属性的标准贯入锤击数、平均粒径、不均匀系数、修正标贯击数共11个指标的不同组合作为输入变量,采用快速BP算法和LM算法构造了饱和砂土液化判别的BP神经网络预测模型.通过所建网络模型的训练、验证和应用,结果表明:(1)所建14个BP神经网络模型都是有效的,液化判别的准确度与模型输入变量的不同组合有关;(2)增加网络模型的节点(考虑因素较多)并不一定能够提高BP神经网络模型的液化判别准确度,反而增加了BP神经网络模型的复杂性和学习时间;(3)两种算法的BP神经网络模型都有很高的液化判别准确度,LM算法的计算速率要比快速BP算法快得多,但在计算过程中需要更多的内存,建议采用LM算法;(4)采用所提BP神经网络模型的权值与阈值进行其它预测样本的液化判别时,判别结果可能偏于保守;(5)从影响砂土液化的主要因素、获取指标难易程度考虑,在与<建筑抗震设计规范>砂土液化判别公式考虑指标一致的情况下,建议采用BP神经网络模型M4或M5a,该模型简单、方便,且其预测准确度远高于<建筑抗震设计规范>的砂土液化判别准确度.     

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。     

基于遗传算法的洪水灾情评估神经网络模型探讨

洪水灾情评估实际上是一种模式识别问题,而人工神经网络模型具有逼近有界闭子集上任意非线性映射的特性,且模型更新方便。本文邮基于遗传算法的洪水灾情评估神经网络模型,阐述了其基本原理和算法,实例研究表明其实用性、客观性和通用性。     

BP网络马尔可夫模型的水质预测研究——基于灰色关联分析

根据汾河水质的实际情况,应用BP网络马尔可夫模型对水质进行预测。采用拉依达准则剔除样本集异常数据,结合水质污染的实际情况,以COD为参考序列,应用灰色关联度对常规指标进行分析,确定BP网络的输入节点。在BP网络预测结果的基础上采用马尔可夫链对残差序列进行修正。经过关联度分析,确定氨氮、挥发酚、水温、BOD5及COD自身作为BP网络的输入节点,解决了多变量复杂系统建模过程中BP网络输入节点无法自动寻优的问题,使得BP网络的预测结果更加符合实际。对预测误差较大的样本采用马尔可夫修正误差残值,使得相对误差从-15.43%改善到了-15%,修正值更接近于实测值。BP网络马尔可夫模型,结合了BP网络和马尔可夫的优点,提高了预测的精度。     

基于神经网络的跨越地裂缝框架结构地震损伤及预测研究∗

为开展特殊地质环境下结构的损伤分析,以一跨越西安f4地裂缝的五层框架结构为研究对象,基于振动台试验和ABAQUS 有限元分析结果,进行了BP 神经网络模型的模型训练,选取变形和能量组合形式的双参数损伤模型计算结构损伤指标,采用加权系数法,开展了构件、楼层、结构三个层面的损伤预测分析,给出了不同地震作用下结构损伤程度评估。结果表明：地裂缝场地结构表现出明显上下盘效应,结构首层为薄弱层。BP 神经网络损伤预测值与有限元计算值在不同工况下均较为一致,其对于构件、层间、整体结构损伤指数预测最大误差分别为8.86%、5.66%、7.57%,该研究成果为跨越地裂缝结构的性能评估提供一种准确且高效的研究方法。     

基于气象预测数据的中国洪涝灾害危险性评估与预警研究

基于自然灾害风险理论,借助GIS强大的空间分析功能,采用归一化和层次分析法,对中国全国范围尺度进行了洪涝灾害危险性评估。通过对洪涝灾害危险性因子分析,分别提取当天降雨量、前3 d降雨量、地形高程、地形标准差、河湖网络等因素作为评估因子,提出了各因子危险性指数计算方法,以及全国洪涝灾害危险性指数计算模型公式。根据统计分析危险指数的最小值、最大值,结合历史灾情,利用阈值分割法确定了风险等级分割值分别为0.3、0.45及0.6,将洪涝灾害等级划分为高风险、中风险、低风险与无风险四个等级,从而建立了类似于天气预报模式的全国洪涝灾害危险性评估模型,并以2010年8月22日为例进行了洪涝灾害危险等级评估的实际应用。最后,基于洪涝灾害的危险性评估的结果,结合危险区内人口分布、交通设施等基础数据,生成相应的预警产品。对可能发生的洪涝灾害发出预警与预测,为危险区人们乃至相关政府管理部门采取有效的防灾、减灾措施提供参考依据。     

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。     

甘肃黄土高原气象旱度模式研究

干旱是限制甘肃黄土高原农业可持续发展最主要的自然灾害之一，研究适合该区的干旱指标，是进行有效干旱监测的基础。为了制定出考虑因素较全面、具有时空可比性的适合甘肃黄土高原情况的干旱指标，依据帕默尔旱度模式的基本原理和方法，针对甘肃黄土高原的实际情况，从建模资料长度、站点密度、可能蒸散计算、土壤田间持水量和径流计算等几个方面对原有模式进行了修正，用甘肃黄土高原12个代表站的资料，建立了旱度模式，并确定了权重因子。在此基础上，计算了20个代表站点的气象旱度值，并与实际旱情记载进行了对照检验。结果表明，用该模式计算的旱度值与实际灾情吻合得较好，能够反映出该区干旱程度的变化情况，特别是对一些重大旱段。通过修正后的甘肃黄土高原的气象旱度模式与原美国帕默尔旱度模式和中国1985年修正的帕默尔旱度模式的比较，进一步说明该模式适合应用于干旱评估和监测业务。     

多种灾情预测模型的研究──2001年后上海市热带气旋灾情预测

采用３种方法，即灰色模型ＧＭ、自回归－滑动平均模型ＡＲＭＡ和人工神经网络ＡＮＮ预测了上海市２００１年后（含２００１年）强热带气旋出现的趋势与规律。结果表明，２００１，２００６和２０１０年将出现中级以上灾情，而前两个年份灾情较重．通过数值计算结果比较了３种方法的应用特点，为进一步建立综合预测模型打下基础。     

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%)。