基于信息融合的自然灾害等级评估方法研究

为对自然灾害灾情等级进行准确评估,在BP神经网络模型的基础上,结合DS证据理论建立基于信息融合的自然灾害灾情等级评估模型。该模型通过对输入的灾害评估指标数据进行分类,建立网络组,对网络组的输出,建立对于各类信任度的基本概率分配函数,最后利用DS证据理论融合,从而实现灾害的最终等级评估。在MATLAB环境下,以我国45个自然灾害的灾情历史资料数据为训练样本进行模型训练,并对2009年自然灾害灾情进行评估测试。结果表明,该模型能改善单一BP神经网络不稳定、误差大的缺点,得到较优的结果。     

我国城市灾害风险应对现状及对策研究

阐述了城市灾害的分类;从城市灾害预防与控制,应急反应与救援等方面分析我国在城市灾害风险控制与应对上的不足;提出8个方面的对策。该对策研究包括:建立城市安全规划、风险防范和危机管理法律体系;实施城市防灾减灾规划并融入城市规划中;完善城市灾害风险决策支持系统和信息管理系统;实行安全规划风险评价机制;加快防灾减灾综合管理机构建设;建立科学、完善的应急救援体系;加强安全教育和防灾减灾宣传;加强城市安全科学研究与交流。该研究结果对如何提高我国城市灾害风险预防与控制能力及应急救援水平具有重要的借鉴和指导作用。     

基于傅里叶级数的自然灾害损失预测模型研究——以湖南省自然灾害经济损失预测为例

针对湖南省自然灾害经济损失发生的现状,结合傅里叶级数的相位特征,利用傅里叶级数时间序列模型给出自然灾害损失的变化趋势。根据1986—2007年湖南省自然灾害所造成的直接经济损失数据,在SPSS环境下进行拟合,并对未来5年湖南省的自然灾害所造成的直接经济损失进行预测。结果表明:傅里叶级数时间序列模型符合自然灾害损失发生的特点,有效地解决了传统损失预测模型在灾害经济损预测中误差大、稳定性差的缺陷,提高了预测精度;且得出未来5年湖南灾害灾情仍然具有递增的趋势的结论。采用该模型对自然灾害损失进行预测,其结果比较可靠,可供减灾决策部门参考。