共查询到13条相似文献,搜索用时 78 毫秒
1.
2.
3.
4.
5.
基于BAS-BP模型的风暴潮灾害损失预测 总被引:2,自引:0,他引:2
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。 相似文献
6.
7.
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. 相似文献
8.
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。 相似文献
9.
10.
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。 相似文献
11.
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。 相似文献
12.