![浙江省台风灾害直接经济效益评估模型研究_第1页](http://file4.renrendoc.com/view/f300b57b7559a6c5cb8c9113bb85cfcd/f300b57b7559a6c5cb8c9113bb85cfcd1.gif)
![浙江省台风灾害直接经济效益评估模型研究_第2页](http://file4.renrendoc.com/view/f300b57b7559a6c5cb8c9113bb85cfcd/f300b57b7559a6c5cb8c9113bb85cfcd2.gif)
![浙江省台风灾害直接经济效益评估模型研究_第3页](http://file4.renrendoc.com/view/f300b57b7559a6c5cb8c9113bb85cfcd/f300b57b7559a6c5cb8c9113bb85cfcd3.gif)
![浙江省台风灾害直接经济效益评估模型研究_第4页](http://file4.renrendoc.com/view/f300b57b7559a6c5cb8c9113bb85cfcd/f300b57b7559a6c5cb8c9113bb85cfcd4.gif)
![浙江省台风灾害直接经济效益评估模型研究_第5页](http://file4.renrendoc.com/view/f300b57b7559a6c5cb8c9113bb85cfcd/f300b57b7559a6c5cb8c9113bb85cfcd5.gif)
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
浙江省台风灾害直接经济效益评估模型研究
1台风灾灾后预评估和灾后评估研究台风灾害是浙江省最重要的自然灾害。它带来的次降风、风暴、潮、洪水、滑坡、泥石流等次灾,对人民生命财产造成重大损害。如5612号台风给浙江省造成4925人死亡,直接经济损失达1.5亿元,占当年GDP的4.47%。随着社会经济发展和防灾能力提高,台风造成的人员伤亡比过去大大减少了,但台风灾害造成的直接经济损失却呈明显上升趋势,如0505号、0509号台风给浙江省造成的人员伤亡虽然分别只有3人、4人,但给浙江省造成的直接经济损失分别达54.6亿元和65.6亿元。尤其是随着全球气候变暖带来的温度升幅加大,台风强度增强,台风灾害的危害将更为严重。灾害评估是防灾减灾的重要环节,是防灾、抗灾、救灾资金发放和保险理赔的重要依据。目前我国台风灾害影响前的灾情预评估工作还处于起步阶段,灾害发生过程中和灾害刚结束时的灾情收集主要是靠行政渠道逐级上报,这些灾情数字基本上都是粗略估计出来的,由于缺乏统一的灾情统计标准和规范化的计算方法,在统计灾情时存在较大的人为性,同时灾害造成的一些经济损失要通过一段时间才能反映出来,造成不同部门评估出来的数字相差几倍甚至十几倍,既费时费力又不够准确,已成为钳制灾情和救灾工作及时开展的桎梏。20世纪90年代以来,我国学者采用致灾因子和灾情相结合的方法开展了台风灾情评估研究,卢文芳、钱燕珍等采用数理统计方法、孟菲等采用SAS系统、梁必骐等采用模糊数学方法、李春梅等采用层次分析法、叶雯等采用感知器算法分别建立台风灾情等级评估模型。上述模型由于没有考虑孕灾环境和承灾体的变化,用于台风灾情实际评估时误差较大。因此综合考虑台风灾情与致灾因子、孕灾环境和承灾体的相关关系,开展和实际相符的台风灾害灾情的预评估和灾后评估,对做好防灾减灾工作具有重要意义。为此本文从致灾因子、孕灾环境和承灾体三个方面选取评估因子,用主成分分析方法对评估因子进行预处理,并针对评估因子和台风灾情之间具有高度不确定的非线性关系,应用BP神经网络模型进行浙江省台风灾害经济损失评估,取得了较好的效果。2数据来源和研究方法2.1资料来源和研究对象民政部门给出的最终灾情数据是灾害发生后会同农业、粮食、水利、统计等部门进行综合分析核定得出的,有较高的可靠性。本文使用的1949~2006年台风灾情资料来自浙江省民政厅,台风资料和气象资料分别来自上海台风研究所和浙江省气象台,1949~2006年浙江省人口数量、城镇和农村人口比例、耕地面积、GDP总量、人均GDP资料来自浙江省统计年鉴资料(1949~2006年)。浙江省近1/3的气象台站在1970~1971年才建成,为了保证气象资料的完整性、连续性,本文把1971年后登陆或影响浙江省的64个台风作为研究对象。同时,由于昌化、天目山、嵊山、北麂、岱山、括苍山、南麂、象山8个气象站在上世纪90年代初期已停止观测,统计气象资料时剔除这几个站的资料。台风灾害主要由暴雨、大风、风暴潮三类灾害因子造成,统计时,考虑不同台风对浙江省造成的灾害不同,把在福建省宁德地区和浙江省沿海登陆的30个台风划为登陆台风一类,其余34个台风划为影响一类。2.2学习方法2.2.1台风孕灾环境和灾灾承灾体的基本特征灾情是致灾因子、孕灾环境与承灾体综合作用的结果。台风灾害致灾因子主要指台风本身携带的大风、暴雨和风暴潮等因子,它们的强度和影响范围是台风灾害产生的先决条件和原动力。风暴潮是沿海地区台风影响过程中和结束后能根据气象观测网络及时获得各级台风灾害的主要致灾因子之一。如9417号台风于1994年8月21日22时30分在温州市瑞安登陆,时值农历七月十五日大潮汛,风、雨、潮三者叠加,引发了百年不遇的风暴潮特高潮位,仅温州的直接经济损失就高达105亿元。台风风暴潮的资料难于收集,台风激发的风暴潮与台风中心气压和近中心最大风速有关,在台风登陆前后几个小时内,沿海地区风力达到最大,此时的风暴潮也最高。目前气象观测系统能及时对台风中心气压和近中心最大风速进行监测,并提前24~48h对台风登陆位置和登陆时的中心气压和近中心最大风速作出较准确预测,因此本文把台风登陆时的中心气压和近中心最大风速作为风暴潮影响因子。台风孕灾环境主要受台风产生和登陆地区的气候条件、移动路径和登陆地区地理条件、台风登陆地区水文条件、土壤条件和植被条件等共同影响,这些环境条件与台风配合,在一定程度上能加强或减弱台风致灾因子及次生灾害,直接影响灾情。孕灾环境随时间而变化,因此可以通过该地区致灾因子和时间来反映。台风灾害承灾体主要包括台风影响地区人口、房屋结构、农作物、工矿企业、水利设施系统、海滩养殖、交通通讯生命线系统等,这些指标的数量与质量组合(脆弱性强度)是台风成灾的主要原因和重要因素。但这些指标在不断变化中,不能及时准确获得。对于一个研究区域,这些指标由区域的社会经济发展水平决定,如农民经济收入增加后,改善住房条件,增加了防台风灾害能力。20世纪80年代以来,沿海滩涂养殖开发、工业发展,使经济GDP大幅增长,同时台风灾害直接经济损失也大幅增长。因此对于一个地区来说,台风灾害承灾体随时间而变化,是时间的非线性函数。台风灾情还与人民的防灾意识、地区的抵御能力、政府的应急能力等有关。近年来有关台风路径、登陆时间、登陆地点以及降水、大风等要素的预报精确度提高为防灾减灾提供了更为科学的决策依据,公众对台风的认识和防灾减灾意识的提高,各种水利、防台设施及房屋建设,有效地降低台风灾情,特别是近几年来,浙江省政府在台风影响前采取水库提前放水并及时组织可能受灾区域人员的安全大转移,使人员伤亡、直接经济损失降低到最低程度。综上所述,一个地区的孕灾环境、承灾体、防灾能力可以通过该地区的致灾因子、时间来反映。本文以登陆或影响浙江省的台风影响期间的浙江省各地区过程降水量≥100.0mm、≥150.0mm、≥200.0mm、≥250.0mm、≥300.0mm站数,过程极大风速≥17.2m/s、≥20.8m/s、≥24.5m/s站数(X1~X88,见表1)、登陆类台风登陆时的中心气压(X89)和最大风速(X90)、台风影响年份(X91)共91个因子作为评估因子。2.2.2通过降维生成n个相关变量台风灾情各评估因子,由于单位的不同,不能直接相加和综合,同时因子之间存在较高的相关性;主成分分析法在减少因子相关性、避免信息重叠和克服确定权重的主观片面性等方面有其独特的作用,它能很好地抓住事物的主要矛盾。主成分分析的基本原理是:设有n个相关变量Xi(i=1,2,…,n)组合成n个独立变量Yi(i=1,2…,n),使得独立变量yi的方差之和等于原来n个相关变量Xi的方差之和,并按方差大小由小到大排列。把n个相关变量的作用看作由几个独立变量Yi(i=1,2…,m)(m<n)所决定,于是n个相关变量就缩减成m个独立变量Yi,Yi(i=1,2…,m)也就是主成分。具体计算时通过数据标准化,由标准化后的数据求协方差矩阵,计算特征方程中所有特征值并根据特征值累计比例确定主成分的数量,计算主成分载荷值和主成分得分,以及进行主成分评分等。通过降维产生的新变量能够在不损失原有信息的情况下,使原有变量所代表的信息更集中、更典型地体现出来。本文采用DPS软件的主成分分析模块对评估因子进行处理,具体步骤参见文献。2.2.3人工神经网络的内涵台风灾情与评估因子之间存在强耦合和非线性关系,但灾情与评估因子资料信息不全、变化大,难以用常规数学方法描述二者关系,采取线性统计模型评估结果和实际情况之间往往存在较大误差。人工神经网络ANN(ArtificialNeuralNetwork)技术综合了数理统计、神经计算、符号逻辑等人工智能理论技术,是一种非线性的动力学系统,不要求对事物机制有明确的了解,不需建立复杂的数学模型以及非线性映射能力强等优点,系统的输出只取决于系统输入和输出之间的连接权,而这些连接权的数值则是通过训练样本学习获得,这种方式对解决具有一定的内在规律、机理尙不明确,有一定模糊性的问题特别有效。本文采用DPS软件的BP神经网络模块建立台风灾害经济损失的预测模型,具体步骤参见文献。3直接经济损失的归一化评估灾害的直接经济损失常用两种数据处理方法:一种是直接用当年的直接经济损失值;另一种用当年的直接经济损失值除以当年的国内生产总值(GDP)。表2列出了1971年以来登陆浙江省的台风灾害造成的直接经济损失,随年份增长,国内生产总值增加,登陆时强度相同或接近的台风造成的直接经济损失增加,因此直接用当年的直接经济损失值来表示台风灾害灾情会造成七八十年代的灾情偏小;进入90年代,浙江省的GDP随时间呈指数增长,但登陆时强度相同或接近的台风造成的直接经济损失并不随时间明显增长,因此用当年的直接经济损失值除以当年的国内生产总值,不能反映90年代以来尤其是2004年后的台风灾情。灾害直接经济损失不仅与灾害发生时的GDP有关,还与当时的物价指数有关。本文首先对直接经济损失进行归一化。考虑到GDP和物价指数在数量级别上存在明显的差异,二者分别乘以一系数:Y=Z×(1GDP×10+1W×500)÷2Y=Ζ×(1GDΡ×10+1W×500)÷2式中:Y为直接经济损失指数,Z为直接经济损失(单位级别为万元),GDP为上一年度的国内生产总值(单位级别为亿元),W为上一年度的物价指数。物价指数的计算:以1970年为基数100,由各年与1970年的关系计算出该年度的物价指数。可根据Y从上式还原出直接经济损失。4结果和分析4.1主成分评估因子登陆类台风以评估因子X1~X90、影响类台风以评估因子X1~X88作为原变量,通过对数据标准化,计算变量方差和协方差矩阵的特征量,将多个变量通过降维转化为少数几个综合变量。当前几个主成分的累计方差贡献率达到85%以上时,主成分基本概括评估因子的大部分信息。表3、4分别是登陆类、影响类台风评估因子的总方差分解表,登陆类台风的前11个主成分因子、影响类台风的前10个主成分因子的累计方差贡献率达到85%以上,因此分别以它们作为主成分,代表主要的风雨评估因子指标。4.2效应标效果检验以主成分分析识别出的主成分和台风影响年份作为BP神经网络输入层神经元矩阵,台风灾害直接经济损失指数Y作为其输出层神经元。BP网络结构为三层,隐含层节点设为输入层节点数的75%,在系统训练时再增减1到2个节点数进行比较,确定出最合理的网络结构。经过训练和检验,登陆类台风直接经济损失评估模型的BP结构为12-8-1,影响类台风直接经济损失评估模型的BP结构为11-8-1。模型的输入和输出结果见表5和表6。登陆类台风和影响类台风直接经济损失指数拟合值和实际值的相关系数分别为0.9913、0.9569,均达到0.01显著水平,平均绝对误差分别为0.66、0.95;我们同时建立了线性回归模型,登陆类台风和影响类台风直接经济损失指数拟合值和实际值的相关系数分别为0.7784、0.6988,平均绝对误差分别为5.15、2.38,效果差于主成分神经网络模型。从表5和表6可知,登陆类台风模型拟合效果优于影响类台风,登陆类台风除9017、0216号台风拟合效果较差,其余和实际值相接近,影响类台风有5个台风拟合效果较差,这和气象部门对台风的预报能力以及人们的防台措施有关。浙江省地处我国东南沿海,平均每年受1~2个台风登陆影响,上世纪70年代以来,气象部门加强了对登陆类台风的影响预报,能提前1天作出较准确预报,人们及时采取相应的防台措施,因此登陆类台风灾情和评估因子间相关关系较好;影响类台风由于是外围影响,影响台风降水的不确定性因素多,台风外围和冷空气结合会产生强降水,气象预报难度较大,影响人们的防台措施,造成了台风灾情的不确定性。在2007年和2008年,利用建立的主成分BP神经网络模型对登陆或影响浙江省的5个台风灾害的直接经济损失进行了评估,评估结果和拟合结果见表7。灾后根据实际的降水量、大风、登陆时中心气压、近中心最大风速作出的评估值比实际收集的直接经济损失指数偏大,台风灾情与政府的防灾减灾能力密切相关,二者差值反映了防灾减灾效果。其中二个影响类台风“Sepat”、“Fung-wong”和登陆时强度较弱的台风“Kalmaegi”,实际收集的直接经济损失指数较小,灾后评估值和实际值比较相符。“Vipa”登陆时强度级别为强台风,直接经济损失指数灾后评估值比实际值偏大2.16,“Krosa”登陆时强度级别为台风,直接经济损失指数灾后评估值比实际值偏大0.49,反映了台风强度越大,影响越严重,防灾减灾越重视,防灾减灾效果越明显,这和实际工作中是一致的。登陆类台风以登陆前24h、影响类台风以开始影响浙江省时作出的登陆时中心气压、近中心最大力、过程降水量和大风预报值,作为台风灾害的评估因子得到直接经济损失灾前预评估指数(表7)。除“Vipa”外,4个台风根据开始影响时的风雨预报值作出的预评估值和实际值相差较大,其中2个影响类台风异常偏大,这和气象部门对台风特别是影响类台风带来的降水和大风预报能力有关。“Vipa”号台风过程风雨预报值和实况相符(图1),灾前预评估和灾后评估一致;Krosa等4个台风影响时的过程风雨预报值比实况偏大,其中2个影响类台风异常偏大(图2),使灾前预评估值偏大。因此,准确的台风影响前过程降水量、大风预报是提高灾后预评估准确率的关键。5台风灾害损失评估的应用(1)灾情评估是做好防灾减灾的重要环节,根据气象资料开展台风灾害影响前的灾情预评估和灾后评估,可以为开展防灾、救灾工作提供客观依据。随着社会经济发展和防灾能力提高,台风灾情随时间呈动态变化,在评估台风灾情时必须考虑孕灾环境和承灾体的变化,提高灾情评估的准确性。(2)现有的台风灾害评估方法采用灾情等级来表示受灾程度,灾情等级划分主观性较大,同一灾情等级对应的直接经济损失值范围大,不能提供准确的直接经济损失值。台风灾害直接经济损失值既与致灾因子、孕灾环境和承灾体有关,又与GDP、物价指数有关。本文先把台风灾害直接经济损失值用GDP、物价指数进行归一化处理成直接经济损失指数,消除年际间GDP、物价指数对直接经济损失值的影响。采取直接经济损失指数方便政府部门把台风灾害直接经济损失转化成等级向外发布,指导人们开展防灾减灾工作,又可以提供具体的直接经济损失值为政府开展防灾减灾、救灾和灾后保险理赔提供
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 厦门市第十中学招聘校医笔试真题2023
- 徽商期货有限责任公司招聘笔试真题2023
- 结构力学优化算法:灵敏度分析:结构尺寸与形状优化
- 结构力学数值方法:有限体积法(FVM):FVM软件操作与实践
- 教科版三年级上册科学教案(全册)
- 英语练与测﹒课课通(基础模块1)-答案
- 2024-2025学年广东省深圳市福田外国语学校九年级(上)开学数学试卷
- 跨境电商客户关系管理 习题-及答案 项目四习题参考答案(跨境电商客户关系管理)
- 2022离网光伏抽水系统
- 氯气的性质及应用 高一上学期化学苏教版(2019)必修第一册
- 中国儿童气质评定
- 内分泌科急性肾上腺皮质功能减退症诊疗规范2023版
- 《地理信息系统概论》教案
- 厨房卫生教案-劳动课教学设计
- 《photoshopcs5平面设计案例教程》
- 艾宾浩斯遗忘曲线-计划表《遗忘曲线》
- 招聘app开发方案
- 初一年级工作计划安排表
- 关于2023年国有企业三重一大决策制度
- 综掘机、综掘工艺专项安全风险辨识评估报告
- 常用温度加速模型计算
评论
0/150
提交评论