基于改进ELman神经网络的台风风暴潮损失测度❋

郝 婧， 刘 强

(中国海洋大学工程学院， 山东 青岛 266100)

随着全球气候变暖加剧，中国沿海地区遭受台风风暴潮灾害频率不断增加，人员和财产的损失逐渐加大，严重威胁人民健康安全和经济社会发展[1]。因此，对台风风暴潮进行快速、有效和准确的损失评估，是保障海洋经济可持续发展刻不容缓的研究课题，是防灾减灾的重要环节。

灾害损失的评估方法在灾害理论上来说主要分为两大类，一类是基于统计模型的评估，另一类是基于风险关联的评估[2]。基于统计模型的评估，国外有FCHLPM[3]、FPHL[4]和HAZUS[5]模型等，国内学者赵昕等[6]运用投入产出模型从经济学角度进行了风暴潮损失评估分析。基于风险关联的评估，主要包括危险概率评估、脆弱性曲线和指标体系评估等[2]。Manik等[7]通过GIS分析物理和人口变量，评估了沿岸风暴潮的脆弱性；Yang等[8-9]基于扩展卡尔曼滤波和极限理论建立了中国风暴潮灾害风险预测模型，实现了对直接经济损失和伤亡人口的预测。目前，很多学者将机器学习方法应用于风暴潮损失评估。Sun等[10]、江斯琦等[11]、刘晓庆等[12]使用XGBoost算法、BP神经网络和ELman神经网络等机器学习方法有效的对风暴潮灾害的各方面损失进行定量预测。基于对已有的灾害研究，各模型均有其优缺点，为进一步提高传统模型的评估效果和普适性，本文应用天牛须搜索(BAS)算法优化ELman神经网络进行台风风暴潮损失测度，评估结果表明该方法进一步提高了预测精确度。

1 材料与方法

1.1 资料来源与指标选取

广东省坐落于中国东南沿海地区，位于太平洋西岸，每年台风风暴潮的成灾率高且经济损失过重，因此本文选取了广东省1995—2018年的50组记录完整的台风风暴潮信息及损失数据。……