基于机器学习和脆弱国家指数的全球恐怖袭击预测研究

恐怖袭击在全球范围内频发,针对恐怖袭击的预警及防控研究十分必要。利用2006-2016年脆弱国家指数及全球恐怖主义数据库(GTD),基于多种机器学习模型,对全球各国家遭受恐怖袭击的风险进行回归预测。结果表明,随机森林、K近邻及决策树模型表现最优,其拟合优度的确定系数R~2达到了0.75、0.74和0.67。随机森林预测结果总体符合实际情况,尤其在恐怖袭击高发的中东和中亚地区预测较为准确。根据特征重要性排序结果,安全机构、公共服务、人权法治和集团之间的矛盾对预测结果的刻画能力最强。     

基于对应分析的反恐防御资源分配问题研究

恐怖袭击目标的泛化和软化使稀缺的资源无法对每处目标设防,为提高防御资源使用效率,将"对应分析"应用于恐怖袭击风险预警和反恐资源分配问题研究中,并从防御资源的类别角度提出资源分配的具体方案。在GTD大数据基础上,选取袭击目标为主因素,分别与死亡率、受伤率、时间段、武器进行对应分析,首先根据分析结果把袭击目标归为五大类:(1)"高频率、高死伤、低损失"的平民、警察、军队目标;(2)"低频率、低死伤、高损失"的公共事业、飞机和机场目标;(3)"低频率、高死伤、低损失"的交通目标;(4)"高频率、低死伤、低损失"的政府目标;(5)"低频率、低死伤、低损失"的其他各类目标。其次,结合对应分析的结果并利用定性分析,提出了情报资源、安保资源、监控资源、武器资源和安检资源在各类目标中的具体分配方案。     

年度洪涝灾害风险评估模型及其应用——以湖南为例

依据灾害概率风险评估理论,考虑汛期降水的可预报性,基于历史洪涝灾害事件,尝试性地构建了年度洪涝灾害风险评估模型,以湖南为例,对评估模型进行了检验与应用。结果表明:模型建立了前期海温和环流指数等因子与汛期区域降水时空分布的回归预报方程,应用概率风险分析得到年度不同降水下直接经济损失分布,结合蒙特卡洛仿真模拟求解损失的超越概率曲线,评估年度洪涝灾害单次最大可能损失、年度总损失以及年期望损失;模型集"未来年度汛期降水预测"、"降水与损失分布关系拟合"、"损失超越概率评估"于一体,是对全过程年度洪涝灾害风险评估方法的新探索;湖南年度洪涝灾害评估案例表明该模型可操作,结果与实际情况相符。研究可为完善灾害风险评估内容与技术方法提供新视角,亦可为开展业务实践提供方法借鉴。     

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。     

深水平台施工过程自然风险定量评估

在分析现有风险理论的基础上,结合海洋施工实际,提出了一种对海洋施工自然风险进行定量评估的模型。根据目标系统各风险事件与影响因素之间存在高度非线性复杂映射的特点,提出了利用BP神经网络拟合方法,对主要风险事件发生概率进行量化的模型。针对传统的梯度下降优化算法收敛速度慢的特点,采用可避免计算Hesse矩阵的Levenberg-Marquardt算法来训练神经网络。这一模型可以模拟专家评价,并准确地按照专家的评定法则进行估算,具有一定的通用性。     

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%。     

参保企业转移脆弱性的评估方法研究——以长沙地区为例

保险担当着不可或缺的风险转移、风险担保和风险控制的重要职责,保险公司亦成为政府推动灾害综合风险管理发展的得力助手,但保险公司在进行风险管理的同时,自身也面临着高风险。为了给保险公司在承保业务时提供科学的风险防范指导,促进保险业的健康发展,基于Hoovering改进模型,利用广义回归神经网络对企业通过投保行为转移给保险公司的脆弱性进行了研究和评估。选择湖南省长沙市为研究区,利用湖南省人民保险公司的业务数据库,对该地区水灾转移脆弱性的分布状况进行了重点研究。并且,利用构建的网络模型,对保险公司的承保决策进行风险防范的应用指导。研究结果表明,长沙市雨花区的投保企业给公司带来的水灾脆弱性整体水平最高,其次是芙蓉区。     

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。     

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。     

组合养老保险风险管理的协调评价指数

运用大系统的理论与方法，探讨了组合养老保险风险管理的大系统协调评价途径，建立了相应的协调评价指数模型，可用以对风险协调管理的现状和未来进行定量评估、预测与控制，促进组合养老保险模式的可持续发展。     

基于PCMRA神经网络补偿算法的瓦斯涌出量预测

为了克服自变量之间的多重共线问题,提高多元回归模型预测的精确性,将主成分分析(PCA)与多元回归分析(MRA)相结合,提出了主成分多元回归分析(PCMRA)模型。利用RBF神经网络对主成分回归分析残差进行拟合预测,最后利用残差预测值对主成分回归分析预测值进行补偿。结果表明:利用RBF神经网络对主成分回归模型进行补偿,将线性拟合算法和非线性拟合算法结合起来用于瓦斯涌出量预测是一种较为优越的算法。     

人群聚集体育比赛场所踩踏风险评估

通过大数据信息融合方法进行人群聚集体育比赛场所踩踏风险评估,根据评估结果制定相应的应急措施,提高防范踩踏风险能力,提出量化均衡博弈模型的人群聚集体育比赛场所踩塌风险评估模型。采用统计数学分析方法进行人群聚集体育比赛场所踩塌风险的特征分析和提取,根据风险特征建立大数据信息融合模型,以最短疏散路径为约束条件建立人群疏导模型,构建量化均衡博弈控制模型实现踩踏风险预测,实现踩踏风险的量化分析。仿真结果表明,采用该方法进行人群聚集体育比赛场所踩塌风险评估的准确性较好,评估的可靠性较高,具有很高的置信度水平,为体育比赛场所踩塌风险预防提供可靠的数据分析基础。     

基于GIS的城镇建筑物易损性分析与应用研究

利用城镇地籍数据信息,基于GIS软件进行建筑物易损性和居民安全风险分析与应用研究。通过对某县城中最具代表性的一个街坊建筑物的易损性分析和居民安全风险分析实例应用研究,重点讨论并实现了利用现有数字化地籍图、城镇地籍数据库及土地调查记录等信息;并结合建筑物震害损失评估模型和人员伤亡预测方法,完成不同结构类型的建筑物在不同地震烈度条件下的破坏造成的经济损失评估和人员伤亡程度的预测,对城市防灾减灾进行辅助决策支持与评估。     

基于智能算法的大气污染防控知识图谱：研究方法、演化路径与应用展望

大气污染防控是保障人民健康与生命安全重要的研究课题,智能算法是大气污染防控及预测预警的重要工具手段。通过Citespace对Web of Science核心数据库中1998—2021年智能算法在大气污染防控中应用的文献进行可视化分析。结果表明：(1)智能算法在大气污染防控应用历经“数理统计-遥感监测-数字模拟-神经网络算法”四个阶段;(2)研究主题集聚为“神经网络模型”“智慧健康检测系统”和“城市空间的大气污染”三个核心聚类演变路径;(3)应用方式包括“大气污染时空分布”“大气污染因素相关性”“大气污染事件预测”“空气质量优劣评估”与“健康韧性城市应用”五个方面。未来智能算法在大气污染防控中的应用趋势,将体现“高精度预测-全周期评估-健康化理念”的特点。     

应用损伤指数的框架结构倒塌数值模拟分析

为了研究地震作用下框架结构的倒塌破坏过程,改进了原有的双参数损伤指数模型.采用非线性动力有限元法计算了结构在地震作用下的弹塑性位移时程反应,以改进的基于变形和耗能的双参数构件损伤模型计算了构件的损伤指数,并且采用加权法计算了结构的整体损伤指数.采用基于"三水准"损伤指数的抗震设防目标,对结构倒塌破坏过程进行了定量的评估,分析结果表明,改进后的损伤指数模型能定量化、连续化地描述结构的倒塌破坏过程.     

基于灰色Markov-GMP-Verhulst模型的黄河宁蒙段冰凌灾害风险预测

为了提高冰凌灾害的风险预测的可靠性,针对冰凌灾害风险的动态非线性特征,构建能够识别风险波动变化规律的灰色GMP(1,1,N)-Verhulst组合预测模型,同时引入信息熵理论的知识,提出基于Markov链修正的熵权法灰色组合预测方法。以黄河宁蒙段2005～2014年冰凌灾害风险值作为原始数据序列进行模型拟合,并对2015～2017年的冰凌灾害风险进行预测。计算得出在已知实际冰凌风险值的年份内,灰色Markov-GMP-Verhulst模型的预测精度比单一灰色预测模型更加精确,结合实际情况评估2015～2016、2016～2017年的冰凌灾害风险值,并与Markov链修正的组合模型的预测值进行对比分析,预测结果与实际值的吻合性良好,进一步验证了模型的合理可操作性,以期为黄河宁蒙河段的凌汛灾害防治提供借鉴。     

基于IRBFNN和PCA的电网预想故障安全运行评估方法研究

为了更快速直观地监视、分析和评估故障后电网的安全运行状态,提出了基于径向基函数(radical basis function,RBF)神经网络和主成分分析法(principal component analysis,PCA)的评估模型。利用带衰减因子的吸引力传播(affinity propagation,AP)聚类算法选择RBF神经网络中心和隐含层节点数,同时提出了扩展的电网运行状态安全评估指标,利用越限指标权重和指数阶数避免了安全评估的遮蔽现象,利用主成分分析选取RBF神经网络的输入矢量特征,最后通过IEEE-30节点仿真算例验证了所提模型的有效性。     

基于灰色理论和神经网络的边坡位移预测

边坡位移的发展受地质条件、天气环境和人类活动等众多因素的影响,变化趋势复杂,很难建立一个准确的经典数学模型对其进行全面的描述。为了得到边坡位移较准确的估计,采用多模型信息融合技术对边坡位移进行了预测。首先,将边坡这类影响因素复杂的系统看成是一个灰色系统,分别采用GM（1,1）模型、Verhulst模型和DGM（2,1）模型对位移值进行预测。其次,考虑到神经网络的高速并行计算能力和类似人类思维活动的处理机制,利用神经网络的办法对不同的灰色预测模型进行组合,生成灰色神经网络模型,该模型有效地将灰色理论弱化数据序列波动性的优点和神经网络特有的非线性适用性信息处理能力相融合,通过反复训练、学习,自动调节,可以得出各模型在组合模型中的合理权重,从而输出满意的结果。通过对比发现,利用组合灰色神经网络模型预测的位移值,比单独的灰色模型预测的位移值具有更高的精度。     

基于神经网络的震害损失评估模型

如何对强烈地震所引起的损失进行快速准确的评估已成为防灾减灾领域一个新的研究热点。本文提出综合利用粗糙集理论、遗传算法和神经网络进行震害损失评估。采用粗糙集软件ROSETTA对数据进行前置预处理,以大型科学计算软件MATLAB为平台,通过遗传算法优化神经网络的初始权值和阈值,建立了基于优化后神经网络的震害损失评估模型。数据算例分析表明,该模型合理有效。     

对不完备样本下风险分析方法的改进及应用：以湖南省农村种植业水 …

对自然灾害的风险分析，核心是对某一指标进行概率密度估计。本文首先对不完备样本的密度估计方法－－信息扩散方法进行了修正，通过计算机仿真证实了修正后的模型提高了估计精度。在此基础上，应用修正后的模型对湖南省农村种植业水灾进行了风险分析。建立了自然灾害风险评估模型，并通过绘制风险等值线图，直观地展示了全省农村种值业的水灾风险分布，以及随着灾害程序增大的风险的空间变化趋势。