我国台风灾害成因分析及灾情预估

利用1980-2004年的台风基本资料，对我国台风（包括热带气旋、热带风暴、强热带风暴、台风、强台风和超强台风）灾害的成因进行了初步分析，结果表明：台风引起的大风和降水以及登陆台风的强度和登陆点位置等都是我国台风致灾的重要因素。综合表征台风灾情的ATDI指数和台风造成的直接经济损失与台风大风、降水、登陆台风强度及移速关系密切，而房屋倒损则主要与台风引起的大风有关，农田受淹则主要取决于台风降水。在此基础上，建立了综合表征台风灾情的ATDI指数以及因台风而倒损的房屋数、受淹的农田面积和造成的直接经济损失等的预估模型。对历史样本拟合和对2005年6个台风的独立样本回报表明：模型具有较好的预估能力，对台风灾害各等级的拟合和预估误差不大于1个等级的样本约占总样本数的83％～96％（完全准确的样本在50％以上）。

基于BP神经网络的宁波市台风灾情预估模型研究

选取1949—2015年间对宁波市影响较大、灾情记录完整的58个台风样本,基于灾损数据,采用灰色关联分析法建立台风灾情关联度,选取台风灾害致灾因子、台风灾情综合关联度,利用BP神经网络建立台风灾情预估模型。结果表明,利用台风灾情关联度评估台风灾情大小合理可用,台风灾害致灾因子与灾情评价指标及台风灾情综合关联度间均存在一定的相关性,利用BP神经网络预估模型对台风灾情预估效果较好,其中训练样本、测试样本的模拟值与实际值相关系数分别达到0. 94、0. 865,均通过了0. 01信度的显著性检验,训练集、测试集灾情级别预报一致率为85. 3%、77. 8%,相关研究成果可为政府决策部门的抗台减灾工作提供科学依据。

基于BP神经网络的雷电灾情预估模型--以青海省南部牧区为例

为建立适用于青海省南部地区的雷电灾情预估模型,选取2008年~2018年间青海省南部牧区雷灾灾情数据,采用灰色关联分析法计算灾情关联度;基于雷灾灾情关联度,选取数据完整的27个雷灾样本,结合各雷灾致灾因子,利用BP神经网络建立雷灾灾情预估模型。结果表明:雷灾致灾因子与灾情评价指标及灾情关联度间均存在一定的相关性,利用BP神经网络模型对雷灾灾情预估效果较好,其中建模样本与验证样本的拟合值与实际值相关系数分别达到0.848与0.818,建模样本、验证样本灾情级别预报一致率为66.67%、55.61%,验证集样本等级一致率偏低,可能与仅考虑了雷灾致灾因子而未考虑承灾体脆弱性、孕灾环境敏感性与防灾减灾能力等因素有关。建模集与验证集样本均未出现相差2级或以上的情况,说明利用灾情关联度评估青海省南部牧区雷灾灾情大小合理可用,雷灾关联度高值区分别分布在玉树州东南部、果洛州东南部以及黄南州南部地区;而玉树州北部、果洛州北部与西南部以及黄南州北部与中部地区灾情关联度值较小。