影响广西的台风极端灾害趋势风险分析

利用趋势性检验和R/S分析方法探讨了影响广西的极端台风灾害的风险演变趋势。结果表明:1961—2018年影响广西的台风频数呈显著下降趋势,但强致灾台风频数在近年来显著上升,未来可能持续增加;台风影响日期服从正态分布,极早与极晚事件的发生率相关性较强,变化趋势较为一致,均随着年代变化呈下降趋势,在未来可能继续下降;影响广西的台风最大风速≥39 m/s被定义为极端大风事件,其发生概率整体呈增加趋势,并在未来可能持续增加;影响广西的台风累计最大雨量服从伽马分布,降水量≥388 mm被定义为极端大雨事件,在58 a间其发生概率持续增长,在未来可能继续维持增长趋势。

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0.7162和0.7949,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。

以月份动态变化为背景的华南台风动态风险评估

选取1983—2017年登陆华南地区的53个台风样本,进行以月份变化为条件的动态风险评估。首先,利用灰关联-模糊综合评价法构建风险指数;其次,采取信息扩散技术估计不同月份的台风风险强度概率分布,识别风险强度与直接经济损失之间的函数关系;最后,以添加时间要素且与月份有关的动态风险评估模型为基础,进行以损失期望为内涵的台风风险评估。结果表明,风险指数与直接经济损失相关显著(相关系数为0.7108);华南地区一年内不同月份的台风风险强度概率分布并不相同,承灾体脆弱性整体随风险强度的增大而增大;一年内的台风风险水平分布并不相同,7月达到台风风险水平的最大值,5—6月的台风风险水平最低。

基于信息扩散技术的华南极端台风灾害风险评估

利用2005-2016年登陆华南地区的12个极端台风灾害样本,综合考虑了承灾体脆弱性和防灾减灾能力,对华南地区进行极端台风灾害风险评估,步骤如下:1)以各指标的灰色关联度为基础,构造华南极端台风的危险性指数、脆弱性指数和防灾减灾能力指数;2)根据灾害风险数学表达式,以层次分析法确定的系统权重为基础,构造华南地区极端台风灾害风险指数;3)通过二维正态扩散技术构造原始信息矩阵和模糊关系矩阵,利用因素空间理论进行模糊近似推理,计算得到由风险指数近似估计直接经济损失指数的风险估计值;4)利用超概率评估模型,对极端台风的直接经济损失率进行超概率评估。结果表明,构造的风险指数与实际情况较为吻合,计算得到的风险估计值与直接经济损失指数变化趋势较为一致,均方误差为0.20,相关系数为0.78。结果还表明,由极端台风造成的直接经济损失率为0.1%,已成为常态风险,华南地区极端台风灾害的超越概率与直接经济损失率呈现出良好的线性关系。

基于模糊时间序列的华南台风登陆时最大风速极值预测模型

利用1995—2017年登陆华南地区的台风登陆时最大风速极值数据,构建基于模糊时间序列的台风登陆时最大风速极值预测模型,并将该模型与传统时间序列ARIMA模型作对比。其预测结果表明,模糊时间序列的平均绝对误差、平均相对误差和均方根误差分别为2.621 m·s^-1、0.066和2.727 m·s^-1,预测的精确度明显高于传统时间序列ARIMA模型,同时也表明将模糊时间序列应用于登陆时最大风速极值的预测能够获得较理想的预测结果。

2007—2019年桂南县域台风灾害特征统计分析

根据2007—2019年登陆影响桂南的台风灾害资料,以县域为单位,对台风带来的风雨、台风造成的灾情等方面进行统计分析,并根据影响桂南县域的台风频数、台风总损失和标准化的单次受台风袭击造成的损失程度进行k-均值聚类分析。结果表明,由台风引起的风雨情况,桂南沿海地区较内陆地区严重;登陆桂南的台风中,台风威马逊(1409)风速大、大风范围广,台风海燕(1330)的降水范围广、雨量大;台风黑格比(0814)和威马逊(1409)对桂南地区产生的灾情整体影响严重;宁明县和桂平市辖区死亡人口最多,扶绥县农作物受灾面积极值和总和最大,钦州市辖区和北海市辖区在倒损房屋、受灾人口、直接经济损失以及单次受台风袭击造成的损失等方面情况最严重。

基于Copula函数的华南台风灾情重现期研究

利用1981-2014年华南台风灾情数据,选取受灾人口、农作物受灾面积和直接经济损失,应用Copula函数理论,计算灾情重现期,分析台风灾害的灾情.首先,借助Clayton Copula函数构造三变量的联合分布,计算单变量重现期、联合重现期及同现重现期,并求出该重现期下的设计值.计算结果表明联合重现期的设计值要优于单变量重现期和同现重现期的设计值.因此,选取联合重现期的设计值作为防灾标准的最优参考,并将联合重现期记为灾情重现期.然后,计算2015-2017年登陆华南台风灾害的灾情重现期,并对台风灾害的灾情进行分析.发现台风灾情重现期越长的台风造成的灾情越严重.最后,利用灾情重现期与致灾重现期对台风灾害的发生频率作综合性分析,可以为台风灾害的风险评估提供一种新思路.

基于组合权重和模糊随机方法的台风灾害风险评估

利用2000~2016年登陆华南地区的24个台风样本的灾情与致灾源数据,建立台风灾害风险评估模型。首先,运用层次分析法和熵权法构建一种新的组合权重;然后,利用组合权重构建灾情指数序列和致灾源指数序列,计算每个台风灾害风险值,并将风险值从小到大划分为五个区间;最后,采用模糊随机方法建立华南地区台风灾害模糊风险评估模型,计算得到五个风险等级区间的模糊可能性,以此来表示各等级台风灾害发生的可能性大小。结果表明,基于组合权重构造的灾情指数序列与致灾源指数序列相关性较强;华南地区发生第二风险等级台风灾害的可能性最大,发生第五风险等级台风灾害的可能性最小,与实际情况较为吻合。

下海

此文似“山”不喜平:①开篇见“山”。逛商店的娇女儿,突然成了打工妹。②高潮遇“山”。满腔热情,顾客冷嘲;挠而不折,顾客满意。③收尾上“山”受到老板嘉奖时,却离开商海去攀登科学的山峰。