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BP神经网络的城市水灾灾情预测模型

洪灾灾情预测是保险公司财产保险防灾减损工作的重要内容,它有效地预测出受灾的地区和强度,对于财产保险的费率制定、有效预防、及时施救和防灾预案编制有举足轻重的指导意义。采用了BP 神经网络进行灾情预测,在学习过程中结合了聚类,采用了S 函数输出限幅,引入了惯性因子,加快了学习的收敛速度,提高了预测的精度。

基于BP神经网络的灾情预测模型

洪灾灾情预测是保险公司财产保险防灾减损工作的重要内容,它有效地预测出受灾的地区和强度,对于财产保险的费率制定、有效预防、及时施救以及防灾预案的编制有重要的指导意义。该文采用了BP神经网络进行灾情预测,在学习过程中结合了聚类,引入了惯性因子,加快了学习时的收敛速度,试验证明,取得了良好的学习和测试效果。

基于属性约简的GEP洪灾灾情预测算法

洪灾灾情预测是预防和了解洪灾的重要手段。为了解决传统的洪灾灾情预测算法的不足,提出基于折半查找的最优属性约简算法(OAR-BSA),最大限度地降低影响洪灾灾情数据的因素,并在此基础上,结合基因表达式编程的概念,给出了基于属性约简的GEP洪灾灾情预测算法(FFGEP-AR)。仿真实验表明,OAR-BSA算法求解最优约简比传统的算法要快,FFGEP-AR算法比传统预测算法的平均耗时要小,预测的准确率要高。

集成预测方法及其在灾情预测中的应用研究

该文对神经网络和灰色预测两种预测模型进行了介绍,分析了它们的优缺点,并提出了一种集成预测方法,将两种方法集成,应用于对财产保险防灾减损来说最重要的灾情预测,克服了单一算法的不足,使预测的精度得到了提高,取得了良好的效果。

上海市灾害防御协会会商年度综合灾情预测及对策

日前,上海市灾害防御协会组织专家对2004年上海各类灾害特点、危害程度和致灾原因进行研讨和会商。经过两个多月的分析论证,于近日形成了《综合灾情预测及对策报告》。《报告》对2004年气象灾害、太湖流域水情、海洋灾害、地震、道路交通事故、火灾、疫情、生产安全事故、化学事故、环境污染事故、供水事故、内涝。

基于改进的TS模糊神经网络的华南台风灾情预测模型

为改善TS模糊神经网络在台风灾情中的预测精度并减少运算时间,该文利用改进的TS模糊神经网络建立华南地区台风灾情预测模型.首先选取1981-2016年登陆华南地区的台风灾害历史数据,运用灰色关联度法选取承灾体因子、防灾减灾因子;其次利用主成分分析法对因子进行线性降维;然后引入模糊C-均值聚类(FCM)确定隶属度函数的中心;最后对华南地区台风灾情进行预测试验,并将结果与TS模糊神经网络、BP神经网络的试验结果进行比较,结果表明,改进的TS模糊神经网络预测精度最优,且训练预测用时较短.

2005年全国农林作物病虫灾情预测

预计2005年全国主要农作物病虫草鼠害仍呈偏重发生态势。其中，蝗虫、草地螟、小麦条锈病、赤霉病、麦蚜、水稻迁飞性害虫、水稻螟虫、玉米螟等一些重大病虫将偏重或严重发生，虫害重于病害。农田草鼠害和草原虫鼠害将偏重发生。全年主要病虫草鼠害发生面积3．3亿多hm^2次，需要防治面积3．8亿多hm^2次。

基于强降水时序特征的TSVGG-Light暴雨灾情指数预测模型构建及风险灾情一致性分布验证

文章针对强降水灾情预测问题,提出了一种基于强降水时序特征的TSVGG-Light暴雨灾情指数预测模型。该模型利用气象观测数据中的降水时序特征作为输入,对数据进行特征提取和建模,预测出未来一段时间内的强降水灾情指数。为了验证模型的有效性,文中还进行了风险灾情一致性分布验证。实验结果表明,TSVGG-Light模型在强降水灾情预测上具有较高的准确性和稳定性,并且模型预测结果与实际灾情分布具有较好的一致性。TSVGG-Light模型可以成为预测和评估强降水灾情的有效工具。

一种灾情智能预测与评估系统的设计与实现

在防洪决策流程中,灾情预测与评估扮演着十分重要的角色,根据所处的不同阶段,可以划分为灾前预测、灾中决策和灾后评估.本文设计了一种灾情预测与评估的智能系统.将灰色关联度分析法、BP神经网络、基于免疫遗传算法(IGA)的RBF神经网络三种方法应用到灾情评估系统中.仿真结果表明基于IGA的RBF神经网络有较高的准确性,因而有较好的实用性.最后采用灰色关联度分析法和IGA-RBF网络模型,给出了洪水灾度评估的系统实现.

黑龙江省未来十年森林火灾灾情宏观预测

黑龙江省是我国主要木材生产基地,同时,也是我国主要森林火灾重灾区之一。因此,对黑龙江省未来十年森林火灾灾情进行科学分析、预测及对策研究,具有重大社会经济意义和实践指导意义。本文按天、地、生相互作用制约,多种自然灾异具有群发性、相关性和链锁性原理。

暴雨洪涝淹没灾情时空变化预测方法研究

暴雨洪涝灾害一直是全球发生最频繁,影响范围最广的自然灾害之一,科学而全面地对暴雨洪涝灾害进行评价管理,具有十分重要的意义。针对暴雨洪涝淹没灾情科学预测的需求,以湖北省气象局提供的时间序列的暴雨洪涝淹没数据为基础,利用ARIMA模型(差分自回归滑动平均模型)对襄阳市2014-07-04 19:00和20:00的暴雨洪涝淹没灾情进行预测。诊断结果表明所建立的ARIMA(1,1,1)模型对襄阳市暴雨洪涝淹没数据可信度较好,对未来1 h和2 h暴雨洪涝淹没情况预测平均绝对误差分别是0.013 856和0.051 5,与实际监测值的相关性R的平方分别为0.769 9、0.458 9。该ARIMA(1,1,1)预测模型可以满足实际的预测需求。未来1 h的预测结果优于2 h预测,且未来1 h预测结果相关性较强,表明所建立的模型能够较好地应用于襄阳市未来1 h内的暴雨洪涝淹没灾情预测。

集成预测模型及在财产保险防灾减损中的应用

该文针对城市内涝的预测,提出了一种集成预测模型进行灾情预测。它综合利用了来自各机构的遥感数据、等高线数据、地下管网数据以及历史灾情信息,全面考虑了影响灾情的地形因素,并结合经验,克服了以往考虑影响因素不完全的不足,并且在实践中取得了较好的预测精度。

今年防汛抗旱形势不容乐观 广西可能面临严重灾情

元月10日，全国防汛抗旱工作会议在南宁召开。据气象部门预测，今年全国的防汛旱形势不容乐观，而广西处于预测中灾情严重的省区之一。

基于人工智能的矿井水害灾情研判及预测研究

为定量研判及预测矿井水害灾情,提出了一种基于人工智能的矿井水害灾情研判及预测新方法.在水害发生之前,以矿井突(透)水危险性评价理论为基础,分析可能发生的矿井突(透)水灾害,数值模拟仿真矿井水害灾情演变过程,利用聚类分析、随机森林和强化学习等机器学习方法分析灾情演变规律,构建灾情研判模型;在矿井水害发生后,基于物联网监测、人工观测等获取矿井水害局部灾情多源数据,研判矿井整体淹没情况,回归分析灾情变化特征,预测灾情演变趋势,服务于矿井水害应急救援与处置.以北辛窑矿作为示例,论证了基于人工智能的矿井水害灾情研判及预测方法的可操作性与有效性.

港口石油化工码头及其库区灾害事故应急系统研究

通过对石油化工码头及其库区危险因素的分析,提出编制应急预案重点要考虑的问题是:明确重大危险源性质与布局;灾害事故的类型及规模;灾害事故等级的划分;一旦发生灾害事故,谁来指挥,谁来救灾,拿什么救灾,怎么救灾的应急反应机制和整个应急过程的通讯联络。为使应急预案具有可操作性,提出了预案编制要点。石油化工码头及库区灾害事故应急系统除编制灾害事故应急预案外,还应实施由重大危险源电子地图信息管理,油品(化学品)的理化特性、应急处理方法及防护措施基本信息查询,可燃有毒气体泄漏扩散模拟预测和池火热辐射强度模拟预测等组成的危险源管理地理信息系统和灾害事故灾情快速预测系统。

山东省水旱灾害防治研究

分析了山东省水旱灾害的历史和现状 ,对水灾和旱灾的趋势进行评估和预测 ,根据水利工程现状和存在的问题 ,提出了防治措施 。

财产保险业的发展趋势与科学厘定费率问题研究

本文从全球财产保险业的发展趋势入手 ,结合有关财产损失灾情数据和我国目前财产保险业的发展现状 ,系统地分析了加快财产保险业发展及研究合理厘定费率的重要性。

基于Remoting技术的健康卡管理系统的研究

随着计算机技术、网络技术和数据库技术的发展,智能IC健康卡证管理系统便于医院业务管理,及时得到体检人员结果,提高医生工作效率等特点,将成为普遍采用的健康卡证管理系统。