共查询到20条相似文献,搜索用时 125 毫秒
1.
2.
3.
介绍了广东省地震应急指挥技术系统是为广东省抗震救灾指挥部实施地震应急救援指挥提供技术支撑的系统,系统主要由四部分构成:地震应急指挥通信、震灾快速评估与辅助决策、地震灾情速报。提出系统为实现地震应急信息快速传递、处理,提高应急救灾指挥与决策的技术水平,最大限度地减少震时的混乱和人员伤亡,提供了高效的指挥技术平台。并对广东省地震应急工作提出展望。 相似文献
4.
5.
6.
发布地震告警的一个判据—各类地震死亡人数预测 总被引:1,自引:0,他引:1
本文根据对地震死亡因素的分析,计算了近年中国大陆强烈地震的直接死亡人数与倒塌房屋数量的关系,求出了直接死亡人数指数;分析了地震的随机性死亡因素,建立了推算地震死亡人数的公式。文中给出一种从预测地震震级到预测地震死亡人数的方法,制订了由预测的地震死亡人数来判定是否应发布地震告警的判据,并用以往地震震害数据对此判据进行使用检验,证明了它的可用性。 相似文献
7.
8.
云南地区破坏性地震的人员灾情预估方法初探 总被引:2,自引:1,他引:1
用云南地区1992~2001年的39次破坏性地震中的受灾人口、无家可归人数和死亡人数分别与震级拟合,得到云南地区震级与这三者的关系曲线及表达式。用云南地区某地的人口密度加权系数(震区的人口密度与云南地区人口密度之比)对前二式加以校正,即可预先评估当该地发生某级破坏性地震时的受灾人口和无家可归人数;用云南地区某地的人口密度加权系数和发震时段的人员户外系数,对第三式加以校正,则可以预先评估该地发生某级破坏性地震时的死亡人数。以云南地区2001年的6次5—6级地震为实例,用以上方法估算了这6次地震的受灾人口、无家可归人数和死亡人数,并与地震现场评估的结果作比较,多数结果都比较接近,只有少数相差较大。 相似文献
9.
10.
11.
地震是造成我国巨大人员伤亡的主要灾害之一,震后人员伤亡的快速评估对于应急抗震救援工作具有重要指导意义。通过分析影响地震灾害人员伤亡的主要因素,调查统计不同使用功能建筑物中人员密度、不同时间段人员在室率及不同结构破坏状态下的伤亡率,建立地震人员伤亡计算模型。基于实验数据所得的地震易损性曲线数据库对建筑物进行结构易损性分析,用研发的中国地震灾害损失评估系统软件(CEDLAS),对西安市灞桥区进行震后人员伤亡评估,并与汶川地震实际震害数据和其他经验模型对比,验证了该理论方法的可行性及合理性,为震后政府启动地震应急预案和组织开展抗震救灾工作提供参考。 相似文献
12.
针对影响地震伤亡人数的评价指标数量较多且各指标之间存在着复杂的非线性关系,运用机器学习理论,提出了基于支持向量机(Support Vector Machine)的地震伤亡人数预测模型;首先利用主成分分析法(Principle Component Analysis)对7个地震死亡人数影响指标进行数据降维,然后对提取出的主成分进行归一化处理,将归一化的主成分数据作为预测模型的输入向量,将地震伤亡人数作为预测模型的输出向量;以27个地震伤亡实例作为学习样本进行训练,运用网格搜索法(Grid Search Method)寻优获得最优支持向量机参数,最终建立基于PCA-GSM-SVM的地震死亡人数预测模型,并对5组样本进行死亡人数预测。结果表明:PCA-GSM-SVM模型的最小误差、最大误差和平均误差分别为5.12%、15.7%和9.16%,其平均误差相比于GSM-SVM模型和SVM模型分别降低6.51%和7.11%,因此PCA-GSM-SVM模型预测精度较高,可在工程实际中推广。 相似文献
13.
14.
15.
Recent earthquakes such as the Haiti earthquake of 12 January 2010 and the Qinghai earthquake on 14 April 2010 have highlighted the importance of rapid estimation of casualties after the event for humanitarian response. Both of these events resulted in surprisingly high death tolls, casualties and survivors made homeless. In the Mw = 7.0 Haiti earthquake, over 200,000 people perished with more than 300,000 reported injuries and 2 million made homeless. The Mw = 6.9 earthquake in Qinghai resulted in over 2,000 deaths with a further 11,000 people with serious or moderate injuries and 100,000 people have been left homeless in this mountainous region of China. In such events relief efforts can be significantly benefitted by the availability of rapid estimation and mapping of expected casualties. This paper contributes to ongoing global efforts to estimate probable earthquake casualties very rapidly after an earthquake has taken place. The analysis uses the assembled empirical damage and casualty data in the Cambridge Earthquake Impacts Database (CEQID) and explores data by event and across events to test the relationships of building and fatality distributions to the main explanatory variables of building type, building damage level and earthquake intensity. The prototype global casualty estimation model described here uses a semi-empirical approach that estimates damage rates for different classes of buildings present in the local building stock, and then relates fatality rates to the damage rates of each class of buildings. This approach accounts for the effect of the very different types of buildings (by climatic zone, urban or rural location, culture, income level etc), on casualties. The resulting casualty parameters were tested against the overall casualty data from several historical earthquakes in CEQID; a reasonable fit was found. 相似文献
16.
2004年,新疆地区开展了安居工程。自开始实施以来主要分为2004~2010年的抗震安居工程和2010年至今的安居富民工程两个阶段。至今,已经整整10年。在这10年里,安居工程在抗震中起到了重要的作用。通过分析于田地区近10年地震活动背景,重点对比2008年和2014年2次于田MS7.3地震中安居工程破坏的相关参数,最终通过参数对比认为安居富民工程的建设不但降低了房屋的破坏程度,减少了经济损失和人员伤亡,而且救灾的安置成本和政府抢险救灾的投入相对减少。同时,由于安居房在地震中表现出好的抗震性能的客观鲜明的示范作用,增强了农民群众的防震减灾意识,具有重要的社会意义。 相似文献
17.
18.
预测人员震害损失的神经网络模型 总被引:3,自引:0,他引:3
随着区域经济的发展与城市化进程的加快,人口的集中度不断增加,这也给抗震防灾带来了新的课题。对地震中人员的损失进行有效的预测可为抗震防灾工作提供有力的管理方向。选择地震发生的震级、震源深度、震中烈度、设防水准、地震加速度、人口密度、地震预报等影响地震灾害人员伤亡的主要因素作为预测指标,以37次严重地震灾害为样本,建立了我国特征的BP神经网络地震灾害人员伤亡预测模型。 相似文献
19.
20.
为准确预测地震死亡人数,提出了基于主成分分析法(PCA)和粒子群算法(PSO)优化的支持向量机(SVM)模型。首先利用主成分分析法对地震死亡人数7个影响因子中的6个进行数据降维,同时对第7个发震时刻因子单独进行区间分类,然后对提取出的主成分进行归一化处理,将归一化的主成分数据作为支持向量机的输入向量,通过粒子群算法寻优获得最优支持向量机模型参数,最终建立基于PCA-PSO-SVM的地震死亡人数预测模型,并对5组样本进行死亡人数预测,同时对比分析包含和不包含发震时刻因子的2种情况下的模型预测效果。结果表明:在不考虑发震时刻因子的情况下,使用PCA-PSO-SVM模型的最小误差、最大误差和平均误差分别为0.85%、20%、10%,其平均误差相比PSO-SVM、SVM模型分别降低2.08%、2.28%;输入向量加入发震时刻因子分类数据后,PCA-PSO-SVM模型的最小误差、最大误差和平均误差分别为0.25%、20%、7.18%,其平均误差相比PSO-SVM、SVM模型分别降低3.34%、3.50%。因此,加入发震时刻因子后3种模型的平均误差明显降低,同时由于PCA-PSO-SVM模型进行主成分降维处理,能够明显提高运行效率和预测精度,故降低了模型复杂度。 相似文献