基于改进的神经网络方法的风暴潮灾害经济损失预测

风暴潮灾害一直以来对中国东南沿海地区的社会经济发展具有较为严重的负面影响, 是对中国造成危害最为严重的海洋灾害之一, 建立一个准确有效的损失评估模型进行风暴潮灾害损失预测, 对风暴潮灾害的预防具有重要的意义。本文在现有研究的基础上收集了2000—2018年中国东南沿海的琼、粤、闽、浙等省份记录较为完整的风暴潮灾害相关数据, 在综合考虑危险性、承灾体脆弱性、孕灾环境和防灾减灾能力的基础上, 建立起更为完整的风暴潮灾害损失的指标体系。相较于单一的BP神经网络, 本文在借鉴机器学习相关理论的基础上搭建了差分进化灰狼算法(DEGWO)优化的BP神经网络, 对样本进行训练和仿真测试。结果表明, 通过DEGWO算法优化后的模型误差更小, 数据的拟合程度更高, 对比而言, 提高了风暴潮灾害损失预测的精确性, 能够为风暴潮灾害损失预测的研究提供新的思路, 同时也为风暴潮灾害的防灾减灾管理提供了指导。     

基于SSA-ELM模型的台风风暴潮灾害损失预评估

近年来全球气候变化加剧,台风风暴潮灾害的频率、强度和损失逐渐加大,台风风暴潮灾害损失的预评估对海洋防灾减灾工作有重大现实意义.作者选用广东省1995年—2020年间的50组台风风暴潮数据进行研究,量化气候变化数据,建立台风风暴潮损失评估体系并通过主成分分析进行降维.采用麻雀搜索算法优化极限学习机建立预评估模型,分别对台...     

协同治理视角下海洋灾害经济损失的影响分析——以浙江省风暴潮灾害为例（英文）

协同治理机制是强调政府内部各主体间及政府与非政府等多元主体间基于利益共同体需要,彼此间建立信赖的关系,达到协作治理优势的公共管理过程。提升政府间跨部门协同治理能力是完善国家风暴潮灾害治理体系和实现灾害治理能力现代化的重要举措,也是政府完善公共管理的趋势所在。本论文依托国家相关公报成果,在海洋公共管理范围内选择海洋灾害中最具特点的风暴潮灾害这一特定灾种作为研究,并选取受风暴潮灾害影响较大的浙江省作为研究区域,根据浙江省以往重大风暴潮灾害案例主体情况,分析各相关主体应对风暴潮灾害的具体措施,呈现出参与应对主体的现状及主体之间的协作问题,找出造成该问题的原因,进一步研究并提出应对主体间协同治理的对策和建议,为进一步开展我国沿海地区风暴潮灾害防灾减灾应急管理提供一定思路,提高多元主体对风暴潮灾害应急管理工作的认识。     

基于主成分分析的BP神经网络模型的形变预测方法

主成分分析可以提取形变主要信息,BP神经网络具有很强的预测功能,提出将两者相结合用于形变监测数据处理。通过MATLAB编程实现了该算法,并用实测数据进行验证,证明此方法能够提高预测数据的精度和可靠性。结果表明：与其他方法相比,基于主成分分析的改进BP神经网络能取得更好的预测效果。     

基于多种神经网络的风暴潮增水预测方法的比较分析

简要介绍了利用BP神经网络、小波神经网络、递归神经网络进行风暴潮增水值预测的原理。选取广东省珠江口以南的阳江站2017年风暴潮增水数据进行测试。结果表明,三种神经网络方法针对阳江地区风暴潮增水的预测均具有可靠性和实用性。以当前增水值为输入量的单因子模型更能反映真实风暴潮增水趋势,而从增水极值预测的准确性来看,以台风风力、气压、风向等相关参数为输入量的多因子模型优于单因子模型。BP神经网络更适用于多因子长时间预测,小波神经网络在单因子短时间预测上准确性更高,递归神经网络预测值与实测值相关性更强。在工程运用中,需根据地域时空特点、数据资料的丰富度与预测值评估指标选择合适的方法。     

基于小波分析的我国台风风暴潮直接经济损失周期分析及预测

本文选取1989-2021年我国台风风暴潮直接经济损失统计数据,依据线性趋势法和Mann-Kendall非参数检验法进行分析,结果表明,32年间我国风暴潮灾害经济损失呈现显著下降趋势,整体呈厚尾分布特征,采用对数化处理后呈显著的正态分布特征。采用Morlet小波变换对我国台风风暴潮直接经济损失的周期变化规律进行分析,t检验结果显示,全域存在准两次高频振荡,1～2年及7～8年的周期振荡,但随时间变化年际周期逐渐缩短为3～5年,说明风暴潮经济损失序列存在高频振荡和多周期嵌套的低频振荡规律。在此基础上,采用Daubechies小波分解分离高频信号和低频信号,均方根误差和信噪比精度分析结果表明,当小波基设置消失矩为7,分解层数为2时,我国台风风暴潮直接经济损失时间序列具有最优分解重构效果。对各分解层进行小波系数平稳性检验和白噪声检验,建立的小波分解-ARMA组合模型的模拟精度和预测精度均优于传统的自回归移动平均模型和Fourier级数拓展模型,证明了小波分解法在我国台风风暴潮经济损失快速评估中具有可靠性和优越性。     

基于SSA-SVM模型的台风风暴潮灾害损失评估

受全球气候变化影响,台风风暴潮造成的损失显著增加,准确构建高效、合理的损失评估模型对海洋灾害防灾减灾工程具有重大现实意义。使用4组指标构建台风风暴潮指标体系,并通过主成分分析筛选出输入因子。采用麻雀搜索算法优化支持向量机模型对台风风暴潮损失分级和直接经济损失进行评估,与其他优化算法进行比较分析,发现该模型具有更好的预测精确性。对指标体系中的4组指标分别进行评估,得出指标的有效性大小为危险性指标>气候变化指标>易损性指标>防灾减灾能力指标,表明了该实验的合理性,为防灾减灾事业提供了有效的评估方式。     

基于多变量LSTM神经网络模型的风暴潮临近预报

台风的风暴潮是台风引发的一种重要次生灾害,对沿海城市带来的威胁是多方面的。及时准确地预报风暴潮,对沿海地区采取合理措施减少人员伤亡和经济损失具有重要意义。本文利用长短期记忆神经网络 （LSTM） 模型,综合考虑风速、 风向、气压等气象因素和前时序的潮位数据,建立了风暴潮的临近预报模型。结果表明,基于 LSTM 的临近预报模型具有相当的预报技巧,利用前时序的风速和风向数据以及潮位数据建立的模型可对风暴潮潮位进行准确地预测。研究还表明,仅考虑前时序潮位的预测模型误差最大,考虑气压后的模型预测能力有一定进步,而考虑风的要素以后,预测的效果提升更为明显。     

海洋灾害直接经济损失预测——基于灰色-周期外延组合模型

文章根据我国海洋灾害所呈现的特征规律,构建灰色-周期外延组合模型,对我国2007年海洋灾害的直接经济损失进行预测,以期对各有关部门制定减灾管理措施,提供科学的决策依据。研究发现2007年我国海洋灾害直接经济损失不及2005年,但超过2006年,仍为重灾年,各部门应提前做好应急准备。     

基于证据理论的风暴潮灾害损失评估

本文提出了一种基于Dempster-Shafer证据理论的风暴潮灾害损失评估方法。鉴于风暴潮致灾过程中的不确定性, 选择合适的具有代表性指标(包括最大风暴潮增水、最大有效波高和防灾减灾能力)产生灾害损失评估的证据, 并根据所选指标和风暴潮直接经济损失之间的相关性大小确定证据权重, 最后采用改进的Murphy证据融合算法进行证据融合, 从而判断灾害损失等级。通过实证分析发现, 本文所提出的方法在判断风暴潮灾害损失等级上的正确率达到93.1%, 优于朴素贝叶斯、支持向量机、神经网络和决策树等常用方法, 同时本文方法计算简便, 且随着训练集样本量的增加, 损失评估结果可进一步精细化。     

滨海新区温带风暴潮灾害风险评估研究

建立了一套基于非结构三角网、适用于滨海新区的高分辨率风暴潮漫滩数值模式,在陆地区域分辨率达到50~80 m,对两次典型的温带风暴潮进行模拟得到满意结果。计算了塘沽站19 a平均天文高潮值并根据对历史天气过程的分析,选取制定了4个强度的天气系统,而后模拟得到不同强度下滨海新区的温带风暴潮最大淹没范围。综合考虑风暴潮淹没风险与承灾体脆弱性制作出滨海新区温带风暴潮灾害风险图。结果表明:大部分地区都存在风暴潮灾害风险,沿海地区风险大于内陆,其中天津新港、临港工业区、海河北岸地区、大港地区南部的灾害风险最大。     

海口湾沿岸风暴潮风险评估

参考内陆洪水损失评估的方法,建立适用于海口湾沿岸风暴潮风险区的损失评估模型,分析了海口湾沿岸风暴潮的风险区域,并根据100a一遇极值高水位、100a一遇风暴潮与最高天文潮位的组合水位、可能最大风暴潮与最高天文潮位的组合高水位条件,分析淹没范围;统计100a一遇极值高水位淹没区内的建筑物,估计可能受灾人口.该文对海口湾沿岸的基本社会经济资料作了一、二级分类,并逐项进行统计,同时还根据需要作了抽样调查.对分部门的损失率计算方法作了详细介绍,得出个人家庭财产、国家集体财产、农作物和海水养殖等分部门的损失率分别为:30%,4%,70%和100%;以2001年社会经济资料为基础,100a一遇极值高水位为条件,计算出潮灾经济损失约为8.32亿元,个人家庭财产、国家集体财产、农作物及海水养殖、人员伤亡损失、间接损失等分部门的损失金额占总损失的比率分别为:13.0%,70.0%,0.7%,0.8%和15.5%.     

基于四维灾体模型的浙江省气象灾害损失年景评价

应用浙江省气象灾情统计年鉴资料,运用四维灾体评估模型,对浙江省的气象灾害损失进行科学评估。浙江省2003—2017年灾害损失年景评价分析结果显示,2004年和2005年为气象灾害损失明显偏重年景,进入2010年以来,2013年为年景最差年份;台风灾害损失在每年浙江省气象灾害损失年景评价中具有非常重要的作用,重大台风事件易造成气象灾害偏重或明显偏重的损失年景。评估结果表明,四维灾体模型下的气象灾害评估较为科学客观。     

基于高低潮的风暴增水人工神经网络预报模型

针对只有高低潮数据的情况,利用人工神经网络建立起一种预报当前台风时刻后第一个高潮时增水的模型。该模型选取台风在当前时刻、前6 h、前12 h、前18 h的中心经度、纬度、最大风速、中心气压以及当前时刻前第一个高潮时刻的风暴增水为输入单元。台风当前时刻后第一个高潮时刻风暴增水为模型输出单元。利用历史资料形成的规范化后的模式对,对模型进行训练,训练成功后,结合台风因子预报模型,即可用于风暴增水的预报。经过长江口高桥站高低潮实测资料的检验,结果表明该模型提取到了风暴增水效应,说明该模型可用于风暴增水的预报。     

基于多致灾因子相似的热带气旋检索方法研究:以风暴潮-海浪灾害预评估为例

热带气旋引起的风暴潮-海浪灾害成灾频率高、致灾强度大,对我国沿海地区造成的人员和经济损失惨重。预评估阶段需要在灾前对研究区可能造成的损失等进行快速的综合判定。从历史热带气旋中检索出与目标热带气旋位置及各种致灾因子强度相似的热带气旋是快速、准确地预评估风暴潮-海浪灾害的重要方法。面向风暴潮-海浪灾害预评估,提出了一种基于多致灾因子的相似热带气旋检索方法。用于相似检索的致灾因子数据包括:从中国气象局西北太平洋热带气旋最佳路径数据集中提取并经处理得到的1949~2013年影响湛江市的112场热带气旋的路径中心点位置、中心气压、最大风速、最大风速半径及移动速度数据,112场热带气旋的模拟风场、风暴潮及海浪数据。首先,利用相似离度方法对热带气旋进行路径相似性检索;其次,利用最优相似系数方法计算中心气压、最大风速半径、最大风速、移动速度、风场、风暴潮及海浪强度指标的相似系数进行一次检索;然后,根据风场、风暴潮及海浪模拟数据的获取情况,分别基于路径-强度及风场-风暴潮-海浪综合相似性指标进行二次检索;最终给出历史热带气旋的综合相似排序。以2013年尤特热带气旋为例,利用上述方法检索了与其最为相似的5场历史热带气旋。该方法综合考虑了热带气旋路径及多种致灾因子的相似,兼顾了检索的速度及质量,是进行快速、准确的风暴潮-海浪灾害预评估的重要基础。