基于大数据分析的台风灾害经济风险评估

•
i" 4 , 二 + 1 .
'1
= X.K + 1.
(1 )
式 中 ，L ,一 神 经 元 1 与 第 J 个 神 经 元 的 权 值 ；-一
分别输人层神经元的输人；1 为阈值。 模型运算结构如图2 所示。图 2 中，/(-)一传
递函数；；一 第 ）个神经元的输出。
收 稿 日 期 ！2018-10-30 作 者 筒 介 ：伍 俊 杰 （1 9 9 6 年 一 ），男 ，在 读 本 科 生 。 通 讯 作 者 ：潘 晨 （1 9 9 4 年 一 ），女 ，在 读 硕 士 研 究 生 。
台风灾害评估是防灾减灾的关键，但由于台风 的复杂性，其经济损失预测一直是一个难题。我国 学者在致灾因子和灾情结合评估研究采用数理统计 方 法 [1-]和 模 糊 数 学 方 法 [3]。 台 风 是 一 个 涉 及 大 量 资 料 运 算 的 自 然 界 现 象 ，因 此 ，引人 大 数 据 分 析 技 术有助于掌握台风的动态。本文尝试以大数据分析 数据挖掘方法，利用多维度多角度的数据寻找关联 性 ，从看似琐碎不相关的数据集合中挖掘对模型优 化 有 用 的 因 子 ，并 使 用 机 器 学 习 中 具 有 自 我 反 馈 学 习的预测模型对最终结果进行预测。最 后 ，基于这 个预测模型再运用气象灾害风险管理的方法做出台 风经济风险的统计和预测。
2019年第3 期
DOI： 10. 3 9 6 9 / j . is s n . 1672-2469. 2019. 03. 026
水利规划与设计
科研与管理
基于大数据分析的台风灾害经济风险评估
2 1 伍俊杰#， 黄 浩 ， 潘 晨
( 1 . 广 东 海 洋 大 学 数 学 与 计 算 机 学 院 ，广 东 湛 江 524088; 2 . 广 东 海 洋 大 学 海 洋 与 气 象 学 院 ，广 东 湛 江 524088)
参考。
关键词！台 风 ；大 数 据 ；经 济 损 失 ；风 险 评 估 ；广东省
中图分类号：P 4 4 4 4
文献标识码：B
文章编号：1 6 7 2 - 2 4 6 9 ( 2 0 1 9 ) 0 3 - 0 0 8 6 - 0 4
台风灾害是广东省最主要的自然灾害之一，其 引发的风暴潮及洪涝和山体滑波等灾害对社会基础 设施和生命财产造成巨大的损害。
科研与管理
水利规划与设计
2019年第3 期
图2 B P 神经元
当正向传播完成后需要反向传播，即通过累计
误 差 去 调 整 网 络 中 的 权 值 L , # 使 总 误 差 减 少 。关 于 B P 神经网络更详细的算法可参考文献[6]。 1.2.2 LO-OVM 的原理
LO-OVM是 建 立 在 在 S V M 基 础 上 的 改 进 ，LOOVM从 机 器 学 习 损 失 函 数 上 做 出 改 进 ，在优化问 题 中 优 化 目 标 的 损 失 函 数 为 误 差 的 平 方 ，同时 LS-SVM 约束条件将S V M 中采用的不等式变为等 式 [-]。并 且 L S -S V M 引 用 了 核 函 数 ，最 后 只 需通 过对线性方程组的求解实现二次规划问题的化简， 通 过 降低 求解 难 度的 方 式，大大提高运算速度并 且能 够保证 最后 结果 有较高 的精 度[8]，更详细的 算法过程可参考文献[9]，最后可得到非线性方程 ⑵：
摘要：文 章 基 于 1945—2 0 1 5 年 广 东 省 台 风 登 陆 的 数 据 以 及 台 风 登 陆 时 间 对 应 的 多 维 度 数 据 集 ，利 用 大 数 据 分 析
技 术 算 法 对 数 据 作 出 处 理 与 分 析 。可 为 相 关 部 门 在 潜 在 台 风 灾 害 中 的 防 灾 减 灾 工 作 的 实 施 和 结 果 评 价 提 供 相 关
1 . 1 背景 1945—2015年期间，共 计 2 1 6 个台风直接登录
广东省，其中 低压 强 登 陆 有 2 7 个 ，热带风暴级别
和以上级别的共计189个 ，省内各沿海城市登陆数
据如图1 所示。
由 图 1 可 知 ，广东省湛江市是历年台风登陆数
目最多的城市，也是受台风灾害冲击最为惨烈的城
86 •
4
湛 江
茂 名
阳 江
江 门
f珠t
中r 深
山州圳
惠汕 州尾
掲汕 阳头
m
州
图 1 登陆广东省沿海城市台风数量（1945— 2015)
市 ，而且其他数据表明到目前为止登陆广东省的最 强台风 Ra mma s un (17 + 级 ，62mA ，910hPa ) 也正 是登陆自湛江市徐闻县龙塘镇，可见湛江市在防灾 减灾形势十分严峻。 1 . & 相关技术 1.2.1 B P 神经网络的原理
BP (Bac k Pro pa ga tio n) 神经网络模型是一■种按
误差逆传播算法训练的多层前馈网络[4]，通过最速 下降法，反向传播来不断调整网络的权值和阈值使 得网络的总误差最小[5]。模型拓扑结构有输人层、 隐藏层和输出层组成。第 y 个 神 经元 的净 输人值 4
见式（1)。
1 背景及相关技术介绍
i= 1
1
(2 )
式 中 ，> (- ，—）一核 函 数 ，> (—，—）_ %( —)• %
(—y$ 。
2 大数据分析技术与预测
2 . 1 大数据转换过程 大数据的数据转换过程可分为各类型不同数据
的前提收集、中期对各类型数据的压缩和分析及最 后结果的输出，如 图 3 所 示 。
2 . 2ቤተ መጻሕፍቲ ባይዱ数据降维
大数据在数据维度上具有广泛性，尽管前期对 数据选取已经作了筛选，但大量基于时间序列的数 据在各维度上仍然可能存在较严重的线性相关性。 大 数 据 中 ，最 常 用 的 数 据 降 维 方 式 是 通 过 压 缩 数 据 的线性关系已达到高维度数据最终向低维度映射的 目的，减 少 计 算 资 源 的 耗 费 与 提 高 运 算 速 度 [10]。 由于大数据的数据多元，因此，维 度 可 以无 限 大， 本文只选取了部分相关的数据维度作出筛选分析， 见 表 1。
本文对台风的经济风险解读基于灾害学领域的 观点，即自然灾害事件（包括量级、时间、场地等 要素）发生的可能性以及由其造成后果的严重程度。 对台风灾害有可能带来的经济损失以及此损失的可 能性做出估计。
80 撕福广东各沿海城市台风雛数量
66
25 21 17
28 14
12
|1
1
1
5
■
3
VI
1
110
1
7 ■
1