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。     

财产保险防灾减损决策支持系统的开发

本文介绍了财产保险防灾减损决策支持系统的架构，从静态模型、动态模型和3S技术在系统中的应用这三方面对整个系统进行了功能描述，对系统的技术特点做了分析，并将原型系统在深圳市示范应用。在承灾体细化到保单、灾情多模式研究、3S技术在防灾减损中的应用以及灾情预测和损失评估模型方法的构建等方面，系统做了深入的发掘，取得了良好的应用效果。     

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。     

基于空间信息技术的财产保险业防灾减损决策支持系统

本文介绍了在财产保险行业建立防灾减损决策支持系统的内容和意义，以及该系统的结构和特点，同时介绍了如何运用遥感、地理信息系统和全球定位系统等空间信息技术来实现财产保单灾害发生前损失的预测、防灾减损方案的决策以及灾后损失的评估等决策支持。     

基于移动互联网和物联网的防灾信息系统设计

信息化是提升灾害防治水平的有效手段之一,本文针对水利,地质等自然灾害防治部门,结合当前防灾的信息化建设需求,基于3G、移动互联网和物联网技术,设计了智慧防灾信息化系统,该系统以应急防灾的智能化调度、协同指挥、综合发布和群测群防为切入点,结合灾害应急和防治的业务流程,提供智能化信息交互和信息发布平台,在灾情管理、灾害应对、应急调度和评估反馈等各项工作中发挥重要作用,提升防灾减灾的科学性和主动性。     

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。     

基于地理探测器的福建省台风灾情影响因素分析

台风灾害给福建省造成了严重的生命和财产损失。以福建省县域为研究单元，通过对2009～2020年的台风灾害灾情数据进行分析，结合降水数据、风场数据、地形数据、河网数据、土壤类型、植被指数、人口密度和GDP等资料，研究了福建省台风灾情时空格局特征。在此基础上，运用地理探测器方法分析了福建省台风灾情的影响因素。结果表明：共有38个台风登陆或影响福建，其中16个超强台风造成的损失最严重，灾害损失严重地区主要分布在福建省沿海地区。台风灾害致灾因子、孕灾环境因子和人类活动因子中，3 d内最大降水量、台风最大风速和距台风中心距离对受灾人口、死亡人口、受灾农作物和直接经济损失的影响最大。该研究成果可为台风灾害风险的影响因素定量化分析提供方法参考，为我国的防灾减灾做出基础性贡献。     

地震灾害医疗应急救援推演研究*

将BP神经网络应用到对震后灾情的预测问题中,利用BP神经网络对汶川地震震后数据进行推演,采用神经网络估计模型分别对震后受伤人员数量和医疗物资医务人员需求进行预测。最后给出对地震应急救援具有重要指导意义的震后需求数据的估算方法,并且在对震后灾情评估以及医疗物资需求预测等问题的充分研究基础上,开发了基于GIS的地震医疗应急救援系统(EMERS)。     

救灾中的信息化

近年来我国自然灾害应急管理体系建设、综合减灾能力建设和中国特色社会主义所具有的政治优势、组织优势、群众优势,在历次抗灾救灾工作中发挥了重要的基础性作用。在灾害预警方面,我国也进一步加强了灾害监测和预警预报系统建设,综合运用多种科技手段提高灾害监测预警预报能力,及时向各级政府部门、企事业单位和社会公众发布信息,服务和指导各项防灾备灾工作。同时,我国政府和各界也深刻认识到,当前仍迫切需要提升减灾防灾救灾水平,尽可能减少自然灾害带来的损失。在这其中,值得关注的是,信息化已成为监测分析预警灾害的发生、及时传递灾情信息、实际参与救灾行动等减灾救灾各个环节中必不可少的手段,发挥着越来越重大的作用。     

基于Markov理论的改进灰色GM(1,1)预测模型研究

在灰色预测的基础上,引入马尔可夫链预测理论,建立了灰色马尔可夫预测模型.它是将灰色预测模型与马尔可夫预测方法优化组合,用灰色预测模型预测随机时间序列数据的总体发展趋势,而用马尔可夫链模型预测各数据在总体趋势下的随机波动性变化,得到随机时间序列趋势预测模型的解.通过公路运输实际数据进行了验证,结果表明:灰色马尔可夫预测模...     

基于泛函网络的非线性回归预测模型及学习算法

在非线性回归预测中,预测函数的拟合是其难点和关键,直接影响预测精度。当系统非线性较强时,传统方法不易于处理,拟合和预测结果不理想。泛函网络是最近提出的一种对神经网络的有效推广,在处理非线性问题时有一定的优势。为此提出了基于泛函网络的非线性回归预测模型和相应的学习算法。并分别就一元非线性回归预测和多元非线性回归预测给出了相应的实例。计算机仿真结果表明,泛函网络预测模型拟合度和预测精度都明显高于某些传统的方法,有较好的理论和应用价值。     

区域航空市场航线客流量预测研究

为了有效地控制和合理地分配区域航空市场航线客流量,提高航空机场的效率,为航管决策部门提供制定计划的理论依据,在深入研究国内外航空客流量预测研究成果基础之上,针对区域航空市场的特点,提出了一个自顶向下的航线客流量预测模型。它包括总体趋势预测、中长期预测模型和短期预测模型三部分;并将神经网络和支持向量机构成的组合模型引入中长期预测模型中,使用神经网络实现短期预测模型;并结合A公司实际进行了实证研究,证明了该预测模型的有效性。文中研究成果对所有航管部门具有一定的指导意义。     

煤矿瓦斯预测专家系统中基于粗集的知识获取方法

针对现有煤矿瓦斯预测专家系统因没有新知识获取措施及知识自更新功能而预测效果不佳的问题,提出了基于粗集的知识获取方法。该方法首先建立瓦斯数据与瓦斯突出强度之间关系的预测样本集;然后运用粗糙集的连续属性离散化、属性约简以及规则提取算法,从大量的预测样本集中自动获取预测知识,并将预测知识存储于专家系统知识库中;最后基于推理机实现煤矿瓦斯突出的实时预测。实例分析验证了该方法在煤矿瓦斯突出预测专家系统知识获取中的有效性和实用性。     

基于指数平滑和马尔可夫链的短时交通流量预测

短时交通流预测是智能交通系统研究的一个重要问题．由于指数平滑法在对实测数据进行拟合时,预测精度不高,本文针对这一问题将指数平滑理论与马尔可夫链相结合,提出了指数平滑马尔可夫短时交通流量预测方法,借助于马尔可夫链来解决利用指数平滑法预测中存在的问题来缩小预测区间、提高预计算各状态加权中心及状态转移概率矩阵,以此来提高未来状态预测精度．采用实测交通流量进行仿真实验,结果表明,本文方法比常规指数平滑法具有更高的准确性,而且具有较强的适应性．     

集对分析在系统智能预测中的应用综述

凡事预则立,不预则废.但事物的预测面临不确定性干扰.本文综述集对分析理论在天气降水预报、沙尘暴预报、水文水资源和供需水预测、电力与能源预测、地质灾害预测、民航风险与事故预测、作物产量预测、流脑预测、社会经济预测等方面的应用,并把基于集对分析理论的系统智能预测建模基本步骤归纳为3步.首先,构造集对并分析集对中两个集合的全...     

基于SCADA系统的面向海量数据的电力预测系统

为适应电力预测系统的现实需求,研究了电力预测系统及电力预测算法的特点,指出电力预测系统的面向海量数据和准实时化的发展趋势.根据此发展趋势,结合B/S架构,设计了一个基于SCADA系统的面向海量数据电力预测系统.该系统综合考虑了预测算法特有的调试维护问题,系统安全性问题等其它现实需求,并提出了适应于电力预测算法特点的数据操作接口.在ASP.NET平台上实现了这套系统,并已成功应用于某地方供电系统.     

基于数据仓库的粮食预测系统

设计并实现了基于数据仓库的粮食预测系统。利用数据仓库的特点，通过预测主题的层次结构和预测实例的多维模型，实现了对预测内容的灵活控制和多预测方法选择，针对现有预测系统专业性强，操作复杂的特点，实现了易理解、易使用的目标。系统已应用于粮食智能决策支持系统，为领导决策提供参考依据。     

SRM模型在玛纳斯河流域春季洪水预警中的应用研究

在玛纳斯河流域应用SRM模型进行日径流量的预报,进一步完成对该流域春季融雪性洪水的监测和预警,为防洪、抗旱、提高水资源利用提供技术支撑。引入中国气象局T213数值产品来进行流域分带温度和降水的预报,为融雪径流预报开辟了新的数据方法。通过利用自主开发的融雪径流模拟预报软件1.0版对玛纳斯河流域肯斯瓦特水文站2004年春季融雪期进行径流量预报,从SRM模型的两个精度评价指标看来,预报结果比较满意。
     

Forecast Verification and Visualization based on Gaussian Mixture Model Co‐estimation

Precipitation forecast verification is essential to the quality of a forecast. The Gaussian mixture model (GMM) can be used to approximate the precipitation of several rain bands and provide a concise view of the data, which is especially useful for comparing forecast and observation data. The robustness of such comparison mainly depends on the consistency of and the correspondence between the extracted rain bands in the forecast and observation data. We propose a novel co‐estimation approach based on GMM in which forecast and observation data are analysed simultaneously. This approach naturally increases the consistency of and correspondence between the extracted rain bands by exploiting the similarity between both forecast and observation data. Moreover, a novel visualization and exploration framework is implemented to help the meteorologists gain insight from the forecast. The proposed approach was applied to the forecast and observation data provided by the China Meteorological Administration. The results are evaluated by meteorologists and novel insight has been gained.