论文部分内容阅读
热带气旋是发生于亚热带及热带区域海洋面上,是最具有破坏性的天气系统之一.台风是热带气旋的一种,登陆前后常引起的自然灾害也是最严重的,如风暴潮、泥石流和洪涝等灾害.华南地区(本文指广东、广西和海南)濒临南海,是受台风影响最严重、最频繁的地区之一.为了更科学、准确地对台风灾害评估与预测,本文通过对非线性计算模型方法进行研究并构建该模型,将该模型应用于华南台风灾害评估与预测中.以此来分析和探讨台风致灾源、承灾体和防灾减灾能力与灾情之间的关系,本文做了以下几个方面的研究:(1)通过对登陆华南沿海1981-2016年的台风灾害数据的研究,以台风致灾源和台风灾情为研究指标变量.采用序列重要点分割算法(SIP),将1981-2016年分割为1981-1993年、1994-2004年、2005-2012年和2013-2016年4个时期(分别称为第Ⅰ、Ⅱ、Ⅲ、Ⅳ时期);结合二维概率式非均匀信息扩散,建立各时期的华南台风灾害危险性评估模型;研究结果表明,华南台风灾害的危险性从第Ⅰ、Ⅱ、Ⅲ、Ⅳ时期逐渐增加,并且在第Ⅳ时期增加的幅度最大.(2)运用随机森林算法选取11个灾情预测因子,构建基于极限梯度提升树(XGBoost)华南强台风及以上的台风灾害灾情预测模型,对比分析了随机森林(RF)、BP神经网络和决策树三种预测模型.结果发现,基于XGBoost模型的预测值效果比随机森林(RF)、BP神经网络和决策树较优.说明了该方法在台风预测方面是有效可行的,其预测结果能够为防台减灾工作提供新的研究思路.(3)为了更加全面研究台风灾害发生的规律,综合考虑登陆华南台风及以上的台风灾害的灾情预测,利用模糊C-均值聚类(FCM)改进的T-S模糊神经网络建立华南台风及以上的台风灾情预测模型,采用灰色关联度法对承灾体因子、防灾减灾因子进行因子的选取,结合主成分分析对因子进行线性降维,对比分析了T-S模糊神经网络和BP神经网络的方法.实验结果表明,改进的T-S模糊神经网络性能优于其他两种方法,具有更高的预测精度.