基于神经网络福建省台风经济损失预测研究

论文总字数：26996字

目 录

1 引言 1

1.1 研究背景及意义 1

1.2 研究方法 1

2 理论基础 2

2.1 主成分分析 2

2.1.1主成分分析基本思想 2

2.1.2共同度 4

2.2 神经网络 4

2.2.1神经网络简介 4

2.2.2 BP神经网络的基本思想 5

2.2.3典型三层BP神经网络原理 5

3 实例分析 9

3.1数据来源 9

3.2主成分的计算 10

3.3 BP神经网路结构的构建 15

4 建议措施 19

5 结论与展望 20

5.1 结论 20

5.2 展望 21

参考文献 22

致谢 23

基于神经网络福建省台风经济损失预测研究

周逸薇

，China

Abstract：In this paper, we selected 33 typhoons happened in Fujian Province during the year of 2005-2015. Firstly, the principal component analysis is used to reduce the dimension of the data, and then, we establish the BP neural network evaluation model for the direct economic loss caused by the typhoon disasters. In this paper, the maximum instantaneous wind speed and the maximum rainfall of 24 hours, the number of houses collapsed and damaged houses, crops affected area, area of agricultural crops affected, affected population, and the direct economic losses as the disaster factor; the proportion of male population, gross domestic product (GDP), population density, total fiscal revenue, number of health institutions, number of health population, effective irrigation area, and the number of resettlement population were taken as the economic disaster tolerance factors. First, principal component analysis was used to extract three principal components from 8 disaster factors, and the economic significance of various components was explained at the same time. Secondly, according to the common degree of variables, the significant factors of 8 disaster factors were selected, and the results showed that the 8 factors are all significant. Finally, we take 8 economic disaster tolerance factors into account. In this way, the 16 variables can be combined into the five principal components, and the final score is calculated as the input sample of the neural network. Finally, we use the BP neural network model established to do the forecast. The results showed that the forecasting error structure is very small, high prediction accuracy, it also proved that in recent years due to the enhancement of people's awareness of disaster and self-rescue, the actual economic loss is smaller than the predicted. I think it has certain enlightenment for the population of disaster prevention and self-help knowledge in the future.

Key words：typhoon; principal component analysis; BP Neural Network; direct economic losses

1 引言

1.1 研究背景及意义

台风，指形成于热带或副热带26℃以上广阔海面上的热带气旋。世界气象组织定义中为心持续风速在12级至13级，即32.7~41.4m/s的热带气旋为台风或飓风。我国将台风预警分为四级，台风蓝色预警为初级，这代表沿海或者陆地平均风力达6级以上，或者阵风8级以上并可能持续。台风黄色预警为第二级，此时，沿海或者陆地平均风力达8级以上，或者阵风10级以上并可能持续。台风橙色预警为第三级，指沿海或者陆地平均风力达10级以上，或者阵风12级以上并可能持续。最为严重的是台风红色预警，这意味着沿海或者陆地平均风力达12级以上，或者阵风达14级以上并可能持续^[1]。

台风灾害的发生具有频率高、突发性强、影响范围广、群发性显著和成灾强度大特点^[2]。一直以来，台风灾害对社会安定、经济发展、国家安全和人民幸福都是一个很大的威胁，随着社会经济的迅猛发展，台风给人类生命财产造成巨大的损耗。

中国沿海省份是台风频繁发生地带。频繁受到台风侵袭的省份有浙江、福建、广东、海南等。其中，福建省受台风灾害的影响程度最大。2015年，有5支台风登陆我国，其中有4个首次登陆时强度达台风以上级别。第22号台风“彩虹”于10月4日以超强台风级别在广东湛江沿海登陆，登陆时中心附近最大风力16级（52米/秒），中心最低气压935百帕。“彩虹”是有气象记录以来10月份登陆广东的最强台风，也是10月份进入广西内陆的最强台风。狂风暴雨导致湛江市区一片狼藉，全城交通近乎瘫痪。受“彩虹”影响，广东多地还出现龙卷风。“彩虹”造成广东、广西、海南三省24人死亡或失踪，788.5万人受灾，直接经济损失300.1亿元，是2015年经济损失最重的台风；第13号台风“苏迪罗”于8月8日先后在台湾和福建沿海登陆，登陆强度分别为强台风和强热带风暴。“苏迪罗”深入内陆影响范围广，带来的风雨强度大，造成严重灾害。据统计，浙江、福建、安徽、江西、江苏5省有33人死亡或失踪，824万人受灾，直接经济损失242.5亿元。“苏迪罗”是2015年造成人员伤亡最多的台风。据统计，2015年台风造成全国共2375.6万人次受灾，48人死亡，9人失踪，转移安置359.5万人，172.1万公顷农作物受灾，倒塌房屋2.3万间，直接经济损失684.2亿元。2015年，台风造成的死亡人数明显少于1990-2014年平均值，但直接经济损失超过1990-2014年平均值。其中，影响较大的是“苏迪罗”和“彩虹”。总体而言，2015年台风造成的直接经济损失接近近十年的平均水平，而死亡人口则明显偏少。

鉴于数据的可得性，本文以福建省为例讨论其台风灾害的有关情况。福建地处我国东南沿海，经济发达，人口稠密。一般台风主要发生在每年7―10月份，主要集中在8月份。因此，准确地评估福建省的灾害损失，有助于防灾减灾政策的制定及损失区域的划分，并且对减小人民生命和财产损失以及确定其对社会经济发展的制约作用具有极其重要的意义^[3]。

1.2 研究方法

自然灾害造成的经济损失可分为直接经济损失和间接经济损失。一般认为，直接经济损失是指灾害直接造成的物质形态的破坏，如粮食产量的下降，房屋建筑、公共设施及设备的破坏等^[4]。

台风灾害带来的直接经济损失主要有人员伤亡、房屋受损倒塌、电力交通通讯的中断、水产养殖业的减产以及的农作物减产失收等。北京师范大学张继权、李宁^[5]在台风灾害风险研究中建立了台风灾害链，指出台风通常会引发风暴潮、大风和暴风。其中，风暴潮经常造成建筑物损坏、电力通讯中断、人员伤亡和森林火灾等；大风主要导致农业损失，比如牲畜、水产养殖类的受损；暴风经常引发水质污染和洪水等。对于自然灾害间接经济损失，黄偷祥、杨宗跃、邵颖红^[6]等人为灾害间接经济损火包括3部分：间接停减产损失、中间投人积压增加的经济损失和投资溢价损失。Brookshire^[7]将超出直接财产损失之外的延伸损失定义为间接经济损失。徐嵩龄^[8]将间接经济损失定义为灾害带来的关联型损失。联合国和世界银行将灾害间接损失定义为间接损失是在灾害发生至恢复之前的社会生产下降、收入减少、支山增加等。

目前，国内外许多学者在这个课题上做了大量的研究。比如，金明一^[9]从台风灾害系统开发角度，构建灾害损失指数评估灾害；张广平^[10]等利用模糊神经网络法对海南省台风灾害进行了评估；张颖超^[11]等采用灰关联和回归分析研究了台风的社会经济危害程度；娄伟平^[12]等应用主成分神经网络法，并计算直接经济损失指数，从而建立浙江省台风灾害直接经济损失评估模型；卢文芳、钱燕珍^[13]等采用数理统计方法、孟菲^[14]等采用SAS系统对台风造成的经济损失进行了评估。徐蓓蕾等应用多重回归模型预测了台风的经济损失^[15]。苗成、丁明超^[16]等采用GM灰色预测模型评估了自然灾害的经济影响。外国学者Bahinipati等从自然生物环境、地理裸露程度和承灾性三个维度系统详细的分析了印度自然灾害造成的经济损失^[17]；外国学者 Kim H、Woosnam K M等以佛罗里达州为例，从时间和空间角度建立综合评价模型预测自然造成的经济损失^[18]。但以上大部分并没有综合考虑台风致灾因子、孕灾环境等。本文将在这一点上加以改进。

剩余内容已隐藏，请支付后下载全文，论文总字数：26996字

相关图片展示：