基于KPCA-RBF模型的风暴潮灾害经济损失预测

杨雪雪, 刘 强

基于KPCA-RBF模型的风暴潮灾害经济损失预测

杨雪雪, 刘 强

(中国海洋大学, 山东 青岛 266100)

作为破坏性最强的海洋灾害, 风暴潮灾害每年都给我国沿海地区造成了巨大的经济损失, 运用科学的方法模型合理预测风暴潮灾害经济损失对指导沿海地区的防灾减灾工作意义深远。本文基于风暴潮灾害的成灾特点建立了风暴潮灾害直接经济损失预评估指标体系, 由于评估指标数据高度非线性, 采用核主成分分析(KPCA)对高维非线性数据进行降维优化, 并利用径向基函数(RBF)神经网络对降维后的数据进行训练, 从而实现对风暴潮灾害直接经济损失的预测。选取广东省1996—2018年的32个风暴潮灾害损失样本对模型进行仿真测试, 结果表明, KPCA-RBF预测模型集成了核主成分分析和径向基函数神经网络的优势, 预测结果精度高, 学习收敛速度快, 对风暴潮灾害数据序列有较好的非线性拟合能力。

风暴潮; 经济损失预测; 核主成分分析(KPCA); RBF神经网络

风暴潮灾害是迄今为止最具破坏性的海洋灾害, 世界上大多数重大沿海灾害都是由风暴潮造成的[1-2]。在我国的海洋灾害影响清单中, 风暴潮灾害一直占据着主导地位, 几乎每年都会给沿海地区造成巨大的经济损失。为减轻风暴潮灾害对沿海地区经济社会发展的影响, 运用科学的手段提高灾害损失预测的能力, 对于指导沿海地区的防灾减灾工作十分重要。

近年来, 国内外学者在风暴潮灾害损失预测方面做了大量研究工作。……