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。     

基于粒子群优化神经网络的台风灾情定量评估

准确的台风灾情评估,是做好防灾减灾工作、降低灾情的基础。通过分析台风灾情与致灾因子、孕灾环境和承灾体的相关关系,将时间和GDP引入到评估因子中。针对评估因子和台风灾情之间具有高度不确定的非线性关系,应用神经网络理论进行台风灾情评估,并将基于全局随机优化思想的粒子群优化(PSO)算法对BP神经网络的初始权值进行优化,以改进BP神经网络方法存在的对初始权值敏感、易陷入局部极小点的缺点,从而建立了PSO-BP网络台风灾情定量评估模型。将该模型应用到2007年台风灾情评估中,评估值与实际值基本符合,表明该模型能应用于台风灾情的定量评估。     

台风灾害时空特征分析与评估模型构建

基于1993—2016年中国热带气旋灾情资料分析台风灾害及其损失(死亡人数、受淹农田面积、直接经济损失)的时空特征，并构建定性和定量模型评估台风导致的直接经济损失。结果表明：(1)1993—2016年间三类灾害损失呈下降趋势，且局地受灾程度与区域经济发展和台风登陆频次密切相关；(2)沿海地区的登陆台风以中等强度为主，且目前的防台减灾政策有一定成效；(3)通过构建组合分类模型和BP神经网络回归模型可以更好地评估直接经济损失，且两个模型的最终预测精度均达到了较高水平(86.08%和80%)。     

基于机器学习方法的浙江省台风灾害风险评估和动态风险预报

利用机器学习方法建立以区县为基本研究单元的浙江省台风灾害风险评估模型,并进一步结合气象预报与实测数据形成覆盖全省、时空连续的台风过程动态风险预报,为科学应急减灾提供决策支持。首先,本研究以浙江省各区县为研究对象,考虑危险性、孕灾环境、暴露性和脆弱性等风险要素选择台风灾害风险评估模型的预测变量;其次,基于10个重大历史灾害的灾损数据(直接经济损失)划分风险等级作为输出变量;最后,采用机器学习模型XGBoost建立台风灾害风险评估模型。同时,以利奇马为例,进一步探索该模型的实战应用潜力,即以气象预报和实测数据为模型驱动,实现浙江省全域各区县台风灾害风险的实时更新预报。     

灾损度指数法在灾害经济损失评估中的应用——以福建台风灾害经济损失趋势分析为例

采用灾损度DLD和环境不稳定度EI两个要素,构建了灾害经济损失指数DELI(灾损度指数)指标对灾害经济损失进行评估。并应用它对福建省台风灾害经济损失趋势变化进行分析。研究表明:利用灾损度指数对灾害经济损失评估方法可取,它不受灾害发生的时间和地点限制,可比性强,资料信息源多,计算方便,适用范围广;福建省台风灾害灾损度指数呈波动上升,反映福建台风灾情加重与灾害本身损失加大和福建省环境不稳定度加大有关,与实际情况相符。     

广东省湛江市水稻台风灾害风险评估

水稻是南方地区最重要的粮食作物,以其为研究对象进行台风灾害风险评估具有重要意义。基于自然灾害风险的形成机制,综合考虑发灾场敏感性、致灾力危险性和承灾体暴露性等三个方面10个指标,建立评估指标体系,运用突变级数法构建评估模型,以1998—2018年影响湛江市台风资料为基础数据,进行水稻台风灾害风险等级评估。结果表明:湛江市水稻台风灾害承灾体暴露性呈现出中部和北部高的特征;致灾力危险性分布呈现出东部和南部高的特征;发灾场敏感性呈现出东部和中部高的特征。水稻台风灾害风险高的区域在湛江市中部和北部地区,风险指数为0的区域主要分布在徐闻县中部地区、雷州市中部和南部、遂溪县中部地区。研究结果可以为地级市台风灾害的分级风险管理提供依据。     

一种台风灾情综合评估模型及应用

对台风灾情评估提出了一种基于台风灾害案例历史案例分析、综合模糊数学和灰色关联分析的综合评估模型;利用模糊隶属函数将台风灾情原始数据无量纲化,再设定一极重灾为参考序列。根据台风各评估指标与参考序列的距离,计算出关联系数;将关联系数加权平均和定义为灾度,根据灾度值评定台风的灾级。并以广东省台风灾情为例,验证了此模型。     

基于主成分分析与遗传优化BP神经网络的风电场短期功率预测研究

为降低风电场弃风率及对电网稳定性影响,对风电场短期功率进行准确预测显得十分重要。针对传统BP神经网络泛化能力差、网络收敛速度慢等问题,建立了一种基于主成分分析与遗传优化BP神经网络相结合的风电场短期功率预测模型。首先,利用主成分分析法对风电场原始气象数据进行分析,将得到的独立变量作为BP神经网络的输入;然后利用遗传算法确定了神经网络的最优初始权值和阈值的大致范围,并用L-M算法对BP网络权值和阈值进行细化训练;最后,利用中国北方某风电场实际运行数据进行验证,结果表明,所建立的预测模型合理有效,不仅可以加快BP神经网络收敛速度,减少预测误差,还可以提高风电场短期输出功率的预测精度,具有一定的工程应用价值。     

广东台风灾情预测系统研究

准确预测台风灾情对防台减灾具有重要意义。研究了广东省台风灾情的一种预测系统。该系统将广东省划分为4个区域,引入区域灾害易损性和台风路径类型作为评估因子,采用非线性的GA-BP神经网络,通过2000-2006年广东省台风数据训练和测试,建立了台风灾情预测模型。系统采用C#+Arc Engine进行二次开发,形成了一种集成GIS功能的台风灾情预测系统,以期为防台减灾工作提供决策辅助。     

基于离散型Hopfield神经网络的台风灾情评估模型

台风灾情评估对防台减灾和救灾工作十分重要,为此,提出并建立了一种基于离散型Hopfield神经网络的评估模型。该模型选取5个评估因子,根据广东省台风灾害历史数据,按灾害等级划分原则制定了评估因子5个等级的划分方法,然后将待分级的台风进行Hopfield编码,建立离散型Hopfield神经网络模型,并用实例对模型进行了验证,分析模型的不足,将评估因子的权重因素引入到模型中,使模型更加合理。     

云南省干旱灾害风险评估

基于自然灾害风险理论,利用云南省129个县(市、区)的气象、社会经济和地理信息数据,从干旱灾害致灾因子危险性、成灾环境敏感性、承灾体易损性和防灾减灾能力4个方面选取15个评价指标构建了干旱灾害风险评估模型,对干旱灾害风险进行了评估。研究结果表明:云南省低、次低、中、次高、高等级干旱灾害风险的面积分别占全省总面积的13.4%,29.8%,28.2%,19.6%和9.1%。干旱灾害风险空间分布比较复杂,大致沿哈巴雪山—点苍山—哀牢山一带,西部地区干旱灾害风险总体较低,东部地区干旱灾害风险相对较高。南盘江流域、红河流域、金沙江下游地区为典型的干旱灾害高风险区;三江并流区及澜沧江下游地区为干旱灾害低风险区。利用近10 a的旱灾受灾面积和总经济损失对评估结果进行了验证,表明构建的评估模型总体能反映云南省干旱灾害风险水平,可为干旱灾害风险管理提供依据。     

台风“艾云尼”动态间接经济损失评估

基于广东省2015年投入产出表,通过投入产出模型评估了2018年台风"艾云尼"对广东省造成的间接经济损失的动态变化及其对主要经济部门的影响。结果显示,台风"艾云尼"造成广东省间接经济损失为5. 51亿元,约占直接经济损失的22%,总经济损失达到31. 01亿元,占广东省2018年第二季度GDP的0. 12%。受台风影响的高敏感部门是①农林牧渔业、②水利、环境和公共设施管理业以及③交通运输、仓储和邮电业。虽然此次台风未对金融保险、房地产、商务和旅游业部门造成直接经济损失,但是由于广东省完善的产业链以及不断增强的集群效应,这些部门受到的间接经济损失的总额约为1. 28亿元。通过参数敏感性分析表明,灾后部门最大超额生产能力和灾后部门生产能力提高到最大值所需时间是影响灾后恢复重建进度的两个重要指标。综上所述,综合考虑直接和间接经济损失,根据不同部门灾后恢复的模拟结果,充分解析间接经济损失在灾害恢复过程中的动态变化。     

改进的物元可拓模型在台风灾害预评估中的应用

以数值天气预报产品为信息源,选择降水量、降水强度、最大风速、经济易损性作为评价因子,建立了可拓模型,并进行了台风灾前的灾害预测性评估。针对物元可拓法在台风灾害预评估应用中的不足之处(当待评估的数据超出某一指标评价指标范围,其关联度函数就会出现无法计算的情况),对原有模型中经典域的量值作规格化处理和改变关联度计算,以海南岛的台风历史灾害数据为基础,建立了新的评估模型,并将GIS与评估模型结合开展实例应用,结果表明:该方法是可行性。     

企业停减产损失预测和评估模式

本文是文[1]的续篇。在文[1]中,作者对灾害经济损失评估的理论和方法做了初步的探讨．本文则着重对灾害间接经济损失中的企业停减产损失的预测和评估问题进行了探讨,建立了相应的预测和评估模式．所建立的模式既可用于灾前对企业停减产损失进行预测,也可用于灾后对其进行评估．     

基于灾害CGE模型的台风灾害间接经济损失评估——以广东省台风“山竹”为例

基于2015年广东省社会核算矩阵,构建灾害可计算一般均衡模型,评估了强台风“山竹”给广东省造成的间接经济损失。模拟结果表明：从宏观层面看,台风“山竹”造成的全部损失占当年广东省GDP的2.645%;居民收入受灾害影响减少了2.732%,居民对商品的消费量也随之降低1.59%;进口商品量显著下降,除制造业商品出口价格有轻微上涨外,其它各类商品出口价格均有不同程度的下跌。从产业层面看,除采掘业外,灾后几乎所有行业的产出均有所下降,其中,建筑业的下降程度最为显著,降幅达2.437%;与灾前相比,台风灾害使得各部门的租金率下降,下降幅度为0.225%～3.928%。经过参数敏感性分析,表明所构建的灾害CGE模型是稳健的,模拟结果可为政府后续开展应急管理工作提供参考。     

浙江省台风灾情时空分布特征及影响因素研究

台风灾害给浙江省造成了严重的生命和财产损失。本文以浙江省的县域为研究单元,通过对2009-2020年台风灾害灾情数据的分析,结合降水数据、风场数据、地形数据、河网数据和统计年鉴等资料,研究了台风灾情时空分布特征。在此基础上,运用地理探测器方法分析了台风灾情的影响因素。结果表明,2009-2020年共有27个台风登陆或影响浙江省,其中12个超强台风造成的损失最严重,而灾害损失严重地区主要分布在浙江省东南部沿海地区。台风灾害致灾因子、孕灾环境因子和人类活动因子中,台风最大风速、三日内最大降水量和距台风中心距离对受灾人口、死亡人口、受灾农作物和直接经济损失的贡献最大。本研究可为台风灾害风险的影响因素定量化分析提供方法参考。     

基于相关向量机的蒋家沟泥石流平均流速预测模型

泥石流是我国常见的一种地质灾害,泥石流的平均流速是泥石流灾害防治的重要参数之一,准确的预测泥石流平均流速对灾害预防具有重要意义。本文建立基于相关向量机的蒋家沟泥石流平均流速预测模型,通过与蒋家沟泥石流平均流速的支持向量机、BP神经网络模型预测结果对比,验证该模型预测精度;同时采用平均相对误差和均方差2个指标评价各个模型的整体性能和稳定情况。结果表明,与实测值相比,相关向量机预测最大相对误差仅为2.02%,平均相对误差为0.64%,均方差为0.06,远低于BP神经网络模型和支持向量机模型的预测结果。由此可知,本文提出的基于相关向量机的蒋家沟泥石流平均流速预测模型效果明显优于其他2种模型,且预测结果更为准确,模型整体性能和稳定情况较好,为泥石流平均流速获取提供一条新途径。     

区域性洪涝灾害的灾情评估

以区域孕灾环境、致灾因子和承灾能力三方面的资料为基础,探讨了如何运用地理信息系统和评估模型进行洪涝灾害灾情评估的思路和方法.经实例验证,综合灾害经济损失总量、区域调节承受能力和灾后社会或部门追加投入总量的洪涝灾度评估方法,可对区域实际遭受洪涝灾害的破坏程度和影响深度做出科学、客观、合理的评估.     

国内农业台风灾害风险评估研究进展

台风是中国沿海地区复杂的灾害系统,尤其是农业生产深受台风灾害的影响。从灾害风险的形成机制出发,对台风灾害的发灾场、致灾力、承灾体,以及农业台风灾害风险评估方法及应用进行了全面综述。总结现有研究发现,国内学者主要是通过移动路径和最大风速来确定台风的发灾场范围,使用大风、暴雨及其共同影响来衡量台风的致灾力,运用遥感技术提取农作物面积表达承灾体的暴露性,并对区域尺度的防灾减灾能力进行了研究。在灾害风险评估上,数理方法与GIS的结合成为了主流,但方法的合理性和有效性仍待提高,风险评估实例仍然集中在大中尺度的研究上。农业台风灾害风险的理论研究、评估工作的精细化及动态化将成为今后的研究重点。     

台风灾害风险区划模型

台风灾害发生频率高,影响严重,是人类面临的全球性重大问题之一。对台风灾害进行科学、合理的风险评估显得尤为重要。以宁波市为研究对象,在隶属函数和自然灾害风险理论的基础上,综合考虑形成台风灾害风险危险性、暴露性和脆弱性,结合GIS技术建立了台风灾害风险区划模型,绘制了宁波市台风灾害风险区划图;并利用灾级指数对模型结果进行了验证。结果表明:宁波市各区、县的台风灾害风险指数中,宁海、鄞州、余姚、奉化、象山和慈溪台风灾害的总风险指数较大,老城区(海曙区、江东区、江北区)、镇海和北仑较小;宁波市东南沿海、城镇和部分山区台风灾害风险等级较高;灾级指数与台风风险指数的相关性较好,决定系数达到0.7181,且通过了0.01的置信区间。