基于TSA-BP模型的温州站台风风暴潮增水预测

台风风暴潮灾害通常会对沿海地区造成巨大损失,因此,准确预测台风风暴潮增水对沿海地区的防灾、减灾工作具有现实意义。本文根据现有风暴潮增水预测研究的成果,建立了基于被囊群算法（tunicate swarm algorithm）优化的BP神经网络模型,将该模型应用于台风风暴潮增水预测研究中。本文选取影响温州验潮站的3个台风作为研究对象,收集并建立了3个台风影响验潮站过程的129个逐时数据样本。利用新模型对温州站进行风暴潮增水预测,结果表明,该模型与BP神经网络相比克服了陷入局部最优解的缺陷,与粒子群优化的BP神经网络模型相比,提升了模型收敛速度,具有更好的预测精度及稳定性。     

基于SVM-BP神经网络的风暴潮灾害损失预评估

风暴潮灾害是影响我国最严重的海洋灾害,风暴潮灾害损失的预评估对防灾减灾有重要作用。本文选用2002~2014年的40组风暴潮历史灾情资料进行试验,首先建立风暴潮灾害损失评估指标体系并用灰色关联分析法对指标进行筛选,然后采用最优权重组合将支持向量机和BP神经网络进行组合预测分别对风暴潮直接经济损失和受灾人口数进行预测,并与单一预测方法进行对比,发现组合预测方法可以降低误差,提高损失预测的准确性,建立风暴潮灾害损失预评估模型,为决策者进行预警信息的发布提供有效依据。     

基于BAS-BP模型的风暴潮灾害损失预测

风暴潮灾害是中国沿海地区最严重的灾害之一,近年来由其带来的经济损失均占海洋灾害总损失的90%以上,因此构建一个简单准确的损失预估模型显得尤为重要。本文以现有风暴潮灾害研究为基础建立了基于天牛须搜索（beetle antennae search）优化的BP神经网络模型,将其应用到风暴潮灾害经济损失预评估中。本文收集了福建省1994~2016年记录比较完善的29个风暴潮灾害损失数据,建立风暴潮灾害损失预评估指标体系并利用熵值法对指标因子进行预处理,消除数据冗余信息对预测的影响。对模型进行仿真测试,结果表明,与标准BP神经网络相比新模型有效避免了网络陷入局部极小值的可能,且与常规优化算法相比,克服了训练时间长、收敛速度慢的缺点,具有更好的鲁棒性和预测精度。     

2015年台风预报服务效果评价

2015年在西北太平洋和南海共有27个台风活动,其中有6个在中国沿海登陆.与多年情况相比较,台风登陆时强度偏大,造成的损失偏重,但人员伤亡偏轻.2015年,中央气象台台风综合路径预报误差为近年来最小,其中24h误差为66 km;针对台风灾害的防御,全年共发布台风预警102次,上报决策服务材料近百期,中国气象局先后启动了5次重大气象灾害(台风)防御应急响应,有效地减轻了台风灾害造成的损失.台风导致人员伤亡的原因主要有两个方面:一是由台风暴雨引发的山洪、地质灾害导致的人员伤亡;二是由台风螺旋云带中激发出的龙卷风导致的人员伤亡.因此,为进一步减少灾害损失,建议:深化气象部门和国土资源部门的合作,加强暴雨诱发山洪、地质灾害气象预报预警业务和监测能力,提升山洪、地质灾害气象预警水平;加强与发达国家的科技合作和科研力量的投入,以提高龙卷风等小尺度灾害性天气系统的监测和预警能力,为灾害防御提供时间上的保障.     

台风灾害脆弱性评价与减灾对策研究——以福建省为例

基于自然灾害系统理论,台风灾害是台风致灾因子与承灾体脆弱性共同作用的结果,脆弱性的存在是台风成灾的主要原因和重要因素。本文分析了导致和影响台风灾害脆弱性的主要因素,并提出脆弱性的诊断思路。根据台风灾害特点,依据综合分析和主导因素相结合原则,建立了台风灾害脆弱性评估指标体系和评估模型,对福建台风灾害脆弱性进行评价。结果表明,福建台风灾害脆弱性普遍较大,Ⅲ-Ⅴ级脆弱性分布县数占全省的67．2％;脆弱性空间分布不均,高值区集中在东部沿海。基于分析,应用Mapinf07．0技术,编制了福建省三个台风灾害脆弱区分布图,并提出针对性的区域防灾对策,为福建经济持续发展和制定台风灾害防灾减灾政策提供科学依据。     

基于GIS技术的台风风暴潮灾害风险评估——以台州市为例

分析了台州市台风风暴潮灾害特征,根据台州市沿海区域的地理、水文、社会经济等特点,在台风风暴潮数值模型模拟基础上,实现了基于格网和GIS技术的台风风暴潮灾害风险评价。通过构建台风风暴潮灾害风险评价模型,对台州市区沿海地区的台风风暴潮灾害危险度、脆弱性和防灾减灾能力进行了分析,在GIS平台上进行淹没分析、叠置分析、以及格网拟合计算,最后绘制出了台州市台风风暴潮灾害高分辨率风险区划图,以期为我国风暴潮防灾减灾工作提供科学参考。     

浙江省磐安县滑坡灾害空间预测

结合浙江省磐安县滑坡灾害发生的环境和基本特征,分析了影响灾害发生的各因素与灾害发生之间的相关性,提取出影响灾害发生的主要因素:地形、坡度、岩性、构造、水系、公路。利用GIS的空间分析功能将各因素图件栅格化为250 m×250 m的单元共19765个。采用二元逻辑回归方法对研究区滑坡灾害进行了定量的概率预测,为解决滑坡灾害定量风险预测研究提供参考方法,同时也做了危险性定性空间预测分区图,将预测结果与该区历史滑坡灾害发生情况进行对比发现,预测精度为75．8％。2004年8月浙江省遭遇“云娜”台风期间,浙江省突发性地质灾害预警预报系统采用该方法进行了试运行发现,预测范围内新发生的灾害点均落在了高、中易发区范围内。     

2013年台风决策气象服务浅析

2013年在西北太平洋和南海海域共有31个编号热带气旋生成,其中有9个在中国登陆.2013年台风活动具有生成个数多、登陆个数偏多,登陆强度强、登陆集中在华南,灾害损失重等特点.分析2013年登陆我国的台风气象决策服务情况,发现“天兔”提前5天即给出了明确的登陆预测信息,但与实际情况差异较大;“潭美”、“天兔”和“菲特”台风气象服务效果较好,均提前2天给出了准确的登陆点和强度预报.其中“菲特”作为1949年以来在10月份登陆我国大陆的最强台风,“菲特”台风气象服务开展迅速有力,决策服务启动早,预警信息发布频次高,部门应急联动及时,各级政府防范有力,其造成的人员伤亡及社会影响远轻于以往同类台风.     

基于心理距离的公众台风灾害风险感知比较分析——以湛江市和珠海市为例

台风是广东省沿海地区最严重的自然灾害。基于心理距离,以公众灾害风险感知为主线,通过比较湛江市和珠海市两地居民在心理距离六个维度上的差异,并分析两地居民的灾害风险可接受性,从而反映心理距离对公众台风灾害风险感知的综合影响。研究结果表明:除了概率距离外,湛江居民对台风灾害风险感知的时间距离、空间距离、情绪距离、人际距离皆比珠海居民远,在信息距离上两地居民差异不大。根据灾害风险可接受性评价方法计算得出,湛江居民的台风灾害风险可接受性大于珠海居民。因此,公众感知台风灾害风险的心理距离越远,灾害可接受风险水平越高。     

中国台风研究进展的可视化分析

以中国知网中1980—2018年的中国台风研究文献为数据源,利用NoteExpress和python等软件,借助文献计量分析法和社会网络分析法,对中国台风的研究进展进行分析并进行可视化表达。结果表明:1980年代以来,中国台风的研究文献数量整体上呈增多的趋势;文献的研究区域主要集中于中国东南部沿海地区;台风研究热点呈现增多变广等趋势特征;其中,2004年之前,主要关注台风本身的特性及其灾害特征分析,2004年之后,由于政府部门的重视及空间信息技术的发展应用,有关台风自身的特性及灾害特征的研究仍是热点,但有关台风灾害防御、灾害评估及风险等领域的研究成为新的热点,GIS及其相关的信息技术也得到广泛应用,研究领域不断拓宽,研究内容逐渐细化,研究方法、技术越趋成熟。     

BP 神经网络模型在环境气象灾害预测中的应用研究--以湖南省为例

依据环境气象数据与自然灾害统计数据,建立BP神经网络模型,对湖南主要气象灾害（洪灾、旱灾、冰冻灾）及受灾经济损失进行实例预测,将在MATLAB7软件中的仿真结果与传统的多元线性回归模型分析结果进行比较和误差分析。结果表明,BP神经网络模型在洪灾、旱灾受灾率方面的预测效果和精度优于多元回归模型,而由于冰灾训练样本不足及经济损失与输入因子的线性相关程度高,在冰灾与受灾经济损失率方面稍逊于多元回归模型。     

引信步进应力加速试验贮存寿命预测研究

目的 针对某机电引信加速寿命试验数据,采用传统统计分析方法存在计算量大、寿命预测精度难以保证的问题,开展与智能算法相结合的引信贮存寿命预测研究。方法 针对步进应力加速寿命试验数据,采用贝叶斯理论的环境因子法,对各级应力下的贮存时间进行折合计算。利用进化策略对粒子群算法进行改进,进而对所建立的BP神经网络预测模型的全局参数进行调整和优化,突破传统方法的局限。将折合后的试验时间、样本量、应力水平作为网络输入,失效数作为输出,来预测引信贮存寿命。结果 利用训练好的 BP神经网络预测引信在正常应力水平下的失效数,计算其贮存可靠度。在迭代402次后,模型找到最优解,且预测误差在1%以内。结论 步进应力加速寿命试验与智能算法相结合的方法计算过程简单,预测精度较高,可有效提高引信贮存寿命的预测精度。     

基于BP神经网络与马尔可夫链的污水处理厂脱氮效果模拟预测

在实际污水处理厂运行过程中,其最终出水水质会受多种因素影响制约,而基于生物反应机理的活性污泥数学模型(ASM)并未将这些生物反应以外的因素考虑在内,由此带来一些不足.对此,本文提出可通过基于数据挖掘技术的黑箱模型对污水厂处理效果进行模拟预测.结合具体实际分析,提出可将BP神经网络与马尔可夫链组合应用于污水处理脱氮效果预测中.首先,通过BP神经网络模型对北京某大型污水处理厂实际进出水数据和工艺参数进行粗略拟合;其次,利用马尔可夫链对拟合结果及误差进行状态划分以进一步提高预测精确度;最后,运用基于BP神经网络与马尔可夫链的组合模型预测分析了该厂的实际出水水质.试验结果表明,BP神经网络适用于污水处理脱氮过程的拟合计算,而通过与马尔可夫链组合,可以提高模拟预测的精度和可靠性.     

基于灰色神经网络的腐蚀损伤模型

为在小样本情况下对腐蚀损伤进行预测,结合灰色系统与神经网络,提出了灰色神经网络模型,利用该模型对已知腐蚀损伤数据进行了预测检验。为对比研究,同时采用灰色系统与神经网络方法预测了损伤值。结果表明,3种预测模型中,灰色神经网络预测精度最高,能够满足工程使用要求。     

基于Metropolis准则的BP模型改进及在太湖Chl-a预测中的应用

水体富营养化及藻华暴发已成为湖泊治理中的主要问题,利用历史监测数据,采用BP神经网络对水体中叶绿素a(Chl-a)浓度进行预测,已成为藻华预警的主要手段.但该方法存在迭代速度慢、易陷入局部极值等局限性,导致产生拟合结果不优或预测误差较大等问题.利用Metropolis接受准则的全局寻优能力,将其与BP神经网络相结合构建...     

基于PSO算法的BP神经网络对水体叶绿素a的预测

BP神经网络(Back Propagation Network)在水体富营养化评价及预测中已广泛应用,但传统BP算法的收敛速度慢并易陷入局部最优. 提出了一种基于微粒群(PSO)算法的BP神经网络模型,利用PSO对神经网络的权值进行修正,优化神经网络结构及算法全局收敛性. 选择最能代表明湖水质状况的5号采样点作为研究对象,把2009年4月—2010年3月的月样本插值为周样本,对明湖ρ(Chla)的短期变化趋势进行了预测,并用6号采样点数据来验证网络的泛化能力. 比较分析基于PSO算法的新模型与传统BP算法模型的预测精度表明,新模型有效克服了传统算法的缺点,提高了网络的预测能力和学习能力.      

一种战车主减速器温度预测方法研究

目的针对战车主减速器温度预测需求,建立时间序列ARIMA多步预测和BP神经网络预测模型,提出基于BP神经网络修正误差的ARIMA模型温度预测方法。方法结合BP神经网络的非线性能力与ARIMA模型预测能力,分析ARIMA在多步预测时误差产生原因,在神经网络对ARIMA多步误差进行预测基础上计算修正因子,把误差修正因子和BP网络结合,实现对多步预测误差的修正。结果ARIMA模型多步预测时,预测误差随预测步数的逐步增加不断增大,引入了误差修正因子进行修正。通过预测值与实际值进行对比,可有效提高预测准确度。结论 BP神经网络和误差修正因子结合应用可显著提高温度预测效果。