地震作为一种破坏力极大的自然灾害,对人们的生命安全和财产损失带来极大的威胁。我国地大物博,幅员辽阔,境内每年都会发生若干起6级以上的大地震。近年来,最著名的一次特大地震是2008年5月12日四川汶川8级大地震,造成的遇难失踪人数超过八万人,直接经济损失达8451亿元人民币,给人民带来了无尽的伤害和抹不去的记忆创伤。每次地震发生后,国家各级政府都需要迅速做出反应和应对,及时对地震的震级、震中烈度、震源深度等参数以及灾区受灾面积、人员伤亡和财产损失等情况做出判断,以便安排后续救灾援助和恢复援建工作。其中地震震级、灾区分布等情况比较容易判断,而地震直接经济损失则需要通过一些方法评估。而地震直接经济损失的快速评估意义重大：首先,它将直接影响到各级政府的救灾安排和财政投入,对社会各界的募集规模也有一定的指导作用；其次,地震直接经济损失的快速评估可帮助保险公司及时调出充足资金来应对地震发生后的各种理赔工作,有助于保险公司提高后续服务质量；最后,作为巨灾风险管理的一种重要工具,巨灾债券的触发条件与地震损失直接相关,地震直接经济损失的快速评估也就构成了未来我国资本市场推出和发展这种巨灾债券的先决条件。在第一章讨论了上述研究背景和意义及相关文献综述的基础上,本文第二章在对地震直接经济损失的概念界定和评估必要性进行讨论的基础上,总结和评价了以往比较常用的三种地震直接经济损失评估方法,包括易损性分类清单法、现场调查法和遥感影像识别法等,但这些方法都在评估速度和准确度等方面存在一定的不足。基于震害矩阵的易损性分类清单法比较快速简捷,评估结果也比较准确,但是该方法对历史地震灾害数据库依赖的程度较高；以统计抽样为依据的现场调查法得到的结果会更有依据更加准确,但需要较多的现场调查数据,耗费的时间和精力比较大,不适合快速评估；以识别航片或遥感图像的识别法尽管能实现快速的灾情获取和评估,只能对建筑的破坏程度作粗浅而概括的判断,对损失的评估精度有限。因此我们考虑引入BP神经网络对地震直接经济损失情况进行评估和测算。由于地震直接经济损失的引发因素之间存在着复杂而离散化且难以确定的非线性关系,直接建模非常困难,而BP神经网络恰恰在这块具有独特的优势。首先仅含单个隐含层的BP神经网络在理论上己被证明可以以任意精度实现任何函数的逼近；再者神经网络不需要考虑自变量与应变量之间的内在逻辑,而只需要通过训练充分多的典型数据就可提取样本中的内在逻辑和运行规律,并具有优良的泛化能力,实现对非样本数据的有效拟合或者预测；另外神经网络大规模并行分布式结构可快速地处理训练过程中大量而复杂的运算,极大地缩短了训练时间并提升了学习能力。综合考虑,BP神经网络具有评估地震直接经济损失的可行性和一定优势。本文随后在第三章介绍了人工神经网络的相关理论如神经元、基函数、激活函数和有导学习等内容,特别对BP神经网络的结构和传统的梯度下降算法作了详细说明。然而,尽管BP神经网络传统的梯度下降算法可以使权值和阀值向量得到一个稳定的解,但也存在一些不足,比如网络易陷于局部极小,学习过程可能产生震荡,收敛速度慢等。这些问题中有些是BP神经网络固有的缺点,比如可能会陷入局部极小点,而后两点则可以通过一些方法得到改善。随后本文简要得介绍了以下12种优化算法：动量梯度下降法(traingdm)、自适应学习速率梯度下降算法(traingda)、自适应学习速率动量梯度下降算法(traingdx)、弹性BP算法(trainrp)、Fletcher-Reeves共轭梯度法(traincgf)、Polak-Ribiers共轭梯度算法(traincgp)、Powell-Beale共轭梯度算法(traincgb)、归一化共轭梯度法(trainscg)、BFGS拟牛顿法(trainbfg)、一步分割法(trainoss)、Levenberg-Marquardt算法(trainlm)、贝叶斯正则化算法(trainbr)。尽管以上各种优化算法在运行速度和防止震荡等方面比传统的梯度下降算法要优越很多,但是BP网络还是存在一些明显的缺陷。比如训练过程可能陷于局部最小,需要通过改变初始值并经过多次训练实现全局最小。此外迄今为止仍没有确定隐含层神经元数目的有效方法也是一个非常重要的问题,需要依靠前人设计所得的经验和自己多次不断的尝试在保证目标精度的前提下找到合适数目的隐含层神经元,并综合考虑考虑网络的结构、输入输出的单元数、求解问题的难度等多方面的因素。本文的第四章主要通过具体样本数据对BP神经网络在地震直接经济损失中的应用作了实证分析。首先从致灾因子和承灾因子两个方面讨论了影响地震直接经济损失几个因素,通过深入分析抽取出地震震级、震源深度、受灾人口,灾区面积、设计基本地震加速度和一个估算的灾区GPD这五个变量,输出为地震直接经济损失。随后在第二节中对相关的数据来源作了说明,同时为了提高神经网络的训练速度和效果对数据进行了预处理。根据Hornik的存在性定理,我们选择了只含一个隐含层的BP神经网络,对于隐节点数的选取,由于没有一个定论化的解决方案,所以本文采取了试算法。同时逐一尝试上述的12种优化算法并逐一考虑3到12个隐含层节点数,最后发现选择LM算法(trainlm)作为训练函数和6个隐节点的训练结果比较理想。另外为了防止过拟合现象并得到更优泛化能力的神经网络,本文将总体样本划分为训练样本、确认样本、测试样本三部分并提出了初始化权值的优化办法。随后通过编写Matlab程序命令运行得到所构建的神经网络,并对其输出结果进行了讨论。最后本文对上述的四种评估方法的有效性从准确度、速度和简易性三个方面进行了比较,并提出了一些政策建议。本文第五章总结了本文的主要结论,创新点和不足,并对进一步研究的展望作了一些探讨。本文以风险管理和相关精算理论为指导,理论和实证相结合,对将人工神经网络应用到地震直接经济损失评估的可行性和具体操作做了细致而深入的探讨。全文采用定性和定量相结合的研究方法,从定性的角度对BP神经网络应用的可行性和地震直接经济损失评估的影响因素作了详细分析,然后从定量的角度利用Matlab软件对BP神经网络进行训练,构建了能够实现一定评估和预测精度的神经网络,具有一定现实意义。