基于超效率DEA模型的风暴潮灾害脆弱性测度

借鉴灾害风险指标计划(Disaster Risk Index,DRI)和多发区指标计划(Hotspots)的灾害脆弱性测度思路,运用超效率DEA模型建立了基于历史灾情的风暴潮灾害脆弱性测度模型,并利用该模型测度了我国11个沿海省市2002~2011年内5个时段的风暴潮灾害脆弱性。测度结果显示,整体而言,我国南部沿海省市的风暴潮灾害脆弱性高于北部,海南、福建、广东、浙江在各个时段的脆弱性均相对较大,其他省份的灾害脆弱性相对较小或在个别时段相对较大。     

基于RS-SVM模型的风暴潮灾害损失测度

论文以现有的风暴潮灾害研究为基础,通过构建评估指标体系提出了基于粗糙集-支持向量机模型(RS-SVM模型)的风暴潮灾害损失测度方法。RS-SVM模型较好的将二者优点进行结合,消除数据冗余信息的同时可以快速、准确解决非线性问题。在上述研究的基础上,对比单纯使用SVM方法与RS-SVM组合使用下的风暴潮经济损失测度效果,发现粗糙集与支持向量机在数据属性约简并进行预测过程中,确保了较高的拟合度与较低的误差率。     

中国沿海地区风暴潮灾害损失监测预警研究进展

近年来,风暴潮灾害已成为制约我国沿海地区经济社会发展的重要因素。本文以风暴潮为研究对象,从风暴潮灾害数值模拟预报技术、风暴潮灾害致灾机理、风暴潮灾害损失评估、风暴潮灾害损失监测预警、风暴潮灾害损失应急管理等五个方面回顾分析国内外有关风暴潮灾害研究的进展情况,揭示目前国内风暴潮灾害研究存在的问题,展望风暴潮研究的发展趋势。     

中国沿海省市风暴潮经济损失风险区划研究

风暴潮是我国沿海省市面临的重大自然灾害之一,造成了难以估量的损失.本文选取1989～2008年沿海11省、市、自治区风暴潮历史数据作为研究样本,运用因子得分基础上的聚类分析和熵值评价等方法,对沿海省市风暴潮灾害经济损失风险进行评估,最终按风暴潮灾害的经济损失程度将沿海省市划分为三个区域:即上海为第一区,表示风暴潮经济损...     

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。     

基于置信区间的风暴潮灾害损失预警及对策研究

在运用因子分析法和熵值法对中国沿海11个省、自治区、直辖市进行风暴潮风险区划的基础上,运用置信区间法计算出各个区划内不同风暴潮等级对应的风暴潮经济损失、养殖业损失的置信区间。分析风暴潮置信区间结果,旨在有助于在增水等自然数据情况合理准确的预测基础上,对各个风险区划进行风险预警。并从防灾意识与产业结构调整两个方面提出了对策建议,力求使风暴潮造成的收入等经济损失最小化、保障沿海地区经济与社会的安全。     

基于事件驱动的风暴潮灾害中辅助决策系统研究

针对当前较少涉及的风暴潮灾害中如何因地制宜地安全转移人员,如何科学合理地调度物资服务救灾,如何进行受灾地区的工情实时监测,以及缺乏与受灾具体地点相联系的小尺度风暴潮灾害中可视化预警问题,本文提出了一种基于事件驱动的风暴潮灾害中辅助决策的实现过程机制,在此基础上设计开发了基于事件驱动的风暴潮灾害中辅助决策系统,从而实现了风暴潮灾害地区工情情况实时监控、合理调度物资、就地安排抢险队伍、指导渔船回港避险等小尺度的处理决策,解决了与受灾具体地点相联系的小尺度防风救灾决策中面临的实际问题.通过海南省防风减灾应用结果表明,该决策系统可为政府职能部门防风救灾工作提供科学的、有效的、可视化的辅助决策支撑.     

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。     

风暴潮灾害社会经济损失评估研究

在介绍风暴潮及其相关概念的基础上,基于风暴潮灾害损失的组成构建了风暴潮灾害社会经济损失的评估指标体系,综合运用层次分析法和熵值法确定指标权重,并建立了风暴潮社会经济损失的分类评价模型,同时通过2005～2009年广东省的七次典型风暴潮实例介绍了风暴潮灾害社会经济损失评估技术的具体应用,为今后开展更加精细的风暴潮灾害损失统计提供了重要参考。     

一种融合多因素的MOS风暴潮灾害过程模拟研究

风暴潮数值模型预报结果在小尺度区域往往存在弱于或强于实况的问题。针对此问题,该风暴潮灾害模拟方法融合数值模型预报结果为特征要素,使用一种基于多要素MOS(Model Output Statistics)风暴潮灾害过程模拟方法来实现对风暴潮灾害的预报。该模拟方法是将低维的特征向量映射到高维的隐含层中进行支持向量机(SVM)学习训练并控制输出相对误差,其特点在于MOS风暴潮灾害过程模拟中融入数值模型预报结果,并通过在一定的约束条件下最小化不敏感损失函数的逐渐优化逼近实测值来实现。实例验证结果表明:在风暴潮灾害过程减增水切换时期,数值模型预报的水位增水峰值为0.95 m,低于水位实际增水峰值1.1 m,历时5 h,预报曲线表现较为平滑,而MOS风暴潮模型在此期间模拟得到历时2 h就达到水位增水峰值1.14 m,模拟曲线爬升明显较快,这与实际风暴潮灾害过程的特征更加吻合;从预报结果的均方误差(RMSS值)和相关系数(CORR值)来看,MOS风暴潮模型预报结果的RMSE值和CORR值分别为0.165 m和0.945,相比数值模型的0.190 m和0.912都有所提高,可为后期精细化风暴潮预报工作提供一种新的过程模拟思路。     

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Web服务的海量风暴潮灾害数据实时可视化研究

目前,风暴潮灾害的数值模拟给出的海量数据结果往往使得研究者难以理解,阻碍研究工作的深入进行,同时从应用角度也不能满足对灾害进行实时可视化的需求.因此,本文针对风暴潮灾害数值模拟的计算格式和结果数据特点,探讨了Web Service技术和可视化处理技术基础上为研究人员提供实时的风暴潮灾害数值模拟以及水位、流场的时空分布可...     

基于多线程技术的中国海风暴潮数值预报可视化程序开发

首先简要介绍了中国海的风暴潮及灾害情况,对杭州湾一带的风暴潮进行了重点阐述。在风暴潮二维数值模型FBM的基础上开发了具有可视化界面的数值计算程序,能直观的显示风暴潮发展时历,包括风暴潮最大增水、台风风向和移速。采用了多线程技术,可节省时间,程序具有Windows风格的人机交互界面,操作方便。通过几个算例测试,本程序计算结果符合工程预报需要,可为同类研究做一些参考,具有推广意义。