灾情预测和财产损失评估模型的研究和实现
|
摘要
为了防止自然灾害和减少自然灾害对财产保险造成的损失，需要根据当前和未来财产保险防灾减损的需要，建立科学的灾情预测模型和财产损失评估模型。综合利用遥感、地理信息系统和全球定位系统集成方法，获取不同模型需要的参数，解决财产保险防灾减损中的关键技术与方法。进行有效的灾害信息收集，并利用这些信息进行灾情预测和损失评估，指导保险公司防灾减损工作的顺利进行。
基于有效指导保险公司防灾减损工作顺利进行的目的，文章总结了灾情预测和财产损失评估的研究现状，分析已有的预测和评估方法，提出了基于DEM(Digital Elevation Model)的灾情预测方法和基于RBF(Radial Basis Function)神经网络的财产损失评估方法。灾情预测方法分为灾情初步预测和灾情修正两个部分，灾情初步预测部分依据高程数据建立DEM模型，综合考虑和分析影响灾情的若干因素，得到淹没的区域、深度和持续时间。灾情修正部分采用神经网络模型，以历史灾情情况为样本进行训练，对前面计算的结果进行修正，从而得到理想的结果，使得预测精度进一步提高；财产损失评估方法以保险标的为评估对象，有效利用收集到的信息，运用RBF神经网络方法建立模型并进行财产损失评估。设计并实现了灾情预测模型和财产保险损失评估模型，集成到财产保险防灾减损原型系统中，并在深圳进行示范应用，取得了良好的效果。
In order to prevent natural disasters and reduce the loss of property insurance, it is necessary to set up a scientific disaster prognostication model and a property loss evaluation model according to the need of current and future disaster prevention and loss reduction of property insurance. The technique of disaster prevention and loss reduction of property insurance is an integration of remote sensing, geographic information system and global position system. It collects effective disaster information, according to which we perform disaster prediction and loss evaluation, and instruct insurance companies to do the work of disaster prevention and loss reduction.
Our goal is to give effective consultation to insurance companies in their work of disaster prevention and loss reduction. This thesis reviews the current research status of disaster prognostication and property loss evaluation. It analyzes the existing prognostication and evaluation methods, and proposes a disaster prognostication method based on DEM (Digital Elevation Model), and a property loss evaluation method based on RBF (Radial Basis Function) neural network. The disaster prognostication method consists of disaster primary prediction part and disaster correction part. The primary prediction part considers and analyzes various factors which affect the situation of the disaster, to get the flooding area, depth and duration. We use neural network model to implement correction part, train it using the samples of history disaster data, and correct the computing result of the former, then get the ideal result, which improves the prognostication precision. The property loss evaluation method targets insurance item as evaluation object. By using the collected data effectively, it builds a model using the method of RBF neural network, and this model is used to evaluate the property loss. This project designs and implements the disaster prognostication model and the property loss evaluation model, and integrates them into a prototype system of disaster prevention and loss reduction of property insurance. The models were applied in Shenzhen as a test, and showed a satisfactory result.
基于有效指导保险公司防灾减损工作顺利进行的目的，文章总结了灾情预测和财产损失评估的研究现状，分析已有的预测和评估方法，提出了基于DEM(Digital Elevation Model)的灾情预测方法和基于RBF(Radial Basis Function)神经网络的财产损失评估方法。灾情预测方法分为灾情初步预测和灾情修正两个部分，灾情初步预测部分依据高程数据建立DEM模型，综合考虑和分析影响灾情的若干因素，得到淹没的区域、深度和持续时间。灾情修正部分采用神经网络模型，以历史灾情情况为样本进行训练，对前面计算的结果进行修正，从而得到理想的结果，使得预测精度进一步提高；财产损失评估方法以保险标的为评估对象，有效利用收集到的信息，运用RBF神经网络方法建立模型并进行财产损失评估。设计并实现了灾情预测模型和财产保险损失评估模型，集成到财产保险防灾减损原型系统中，并在深圳进行示范应用，取得了良好的效果。
In order to prevent natural disasters and reduce the loss of property insurance, it is necessary to set up a scientific disaster prognostication model and a property loss evaluation model according to the need of current and future disaster prevention and loss reduction of property insurance. The technique of disaster prevention and loss reduction of property insurance is an integration of remote sensing, geographic information system and global position system. It collects effective disaster information, according to which we perform disaster prediction and loss evaluation, and instruct insurance companies to do the work of disaster prevention and loss reduction.
Our goal is to give effective consultation to insurance companies in their work of disaster prevention and loss reduction. This thesis reviews the current research status of disaster prognostication and property loss evaluation. It analyzes the existing prognostication and evaluation methods, and proposes a disaster prognostication method based on DEM (Digital Elevation Model), and a property loss evaluation method based on RBF (Radial Basis Function) neural network. The disaster prognostication method consists of disaster primary prediction part and disaster correction part. The primary prediction part considers and analyzes various factors which affect the situation of the disaster, to get the flooding area, depth and duration. We use neural network model to implement correction part, train it using the samples of history disaster data, and correct the computing result of the former, then get the ideal result, which improves the prognostication precision. The property loss evaluation method targets insurance item as evaluation object. By using the collected data effectively, it builds a model using the method of RBF neural network, and this model is used to evaluate the property loss. This project designs and implements the disaster prognostication model and the property loss evaluation model, and integrates them into a prototype system of disaster prevention and loss reduction of property insurance. The models were applied in Shenzhen as a test, and showed a satisfactory result.
引文
[1] 张旭，万群志，程晓陶，陆吉康．关于全国推广洪水风险图的认识与设想[J]．自然灾害学报，1997年11月(第6卷第4期)：61-67
[2] 王静爱，史培军，朱骊．中国主要自然致灾因子的区域分异[J]．地理学报，1994年1月(第49卷第1期)：18-26
[3] 王渺林．寸滩站特大洪水灾变预测[J]．四川水利，2001(第4期)：20-21
[4] 陈业华，邱菀华．灰色灾变预测模型及其应用[J]．北京航空航天大学学报，1998年2月(第24卷第1期)：79-82
[5] Amari S I. A Theory of Adaptive Pattern Classification[J]. IEEE Trans on Electronic Com-puters, 1967, EC-1 6:299-307
[6] Rumelhart D E, etal. Learning Internal Representations by Error Propagation[J]. In:Paral-lel Distributed Processing, Vol. 1, Cambridge, MA: MLT Press, 1986: 318-362
[7] 李祚泳，邓新民，黄志英．四川旱涝震灾害的人工神经网络外推预测[J]．成都气象学院学报，1997年6月(第12卷第2期)：114-118
[8] 王艳艳，陆吉康，陈浩．洪灾损失评估技术应用[J]．水利水电应用，2002年(第33卷第10期)：30-33
[9] 喻光明，王朝南，钟儒钢，邹尚辉，张金霞，赵俊华．基于DEM的洪涝灾害信息提取和损失估算[J]．国土资源遥感，1996年3月(第1期)：42-50
[10] 喻光明，张金霞，王朝南，何耀喜．基于GIS／RS的洪涝灾害承灾极限遥感估算方法[J]．遥感学报，1998年5月(第2卷第2期)：112-118
[11] 葛小平，许有鹏，张琪，张立峰．GIS支持下的洪水淹没范围模拟[J]．水科学进展，2002年7月(第13卷第4期)：456-460
[12] 王艳艳，陆吉康，郑晓阳．上海市洪涝灾害损失评估研究报告[R]．中国水利水电科学研究院灾害与环境研究中心，2001年1月
[13] 冯民权，周孝德，张根广．洪灾损失评估的研究进展[J]．西北水资源与水工，2002年3月(第13卷第1期)：32-36
[14] 谢龙大，王宁，卢可源，边国光．水旱灾害灾情评估方法的研究[J]．浙江水
利科技，2001年(第6期)：1-4
[15] 冯平，崔广涛，钟昀．城市洪涝灾害直接经济损失的评估与预测[J]．水利学报，2001年8月(第8期)：64-68
[16] 武靖源，韩文秀，徐杨，周年生．洪灾经济损失评估模型研究——(Ⅰ)直接经济损失评估[J]．系统工程理论与实践，1998年11月(第11期)：53-56
[17] 傅湘，王丽萍，纪昌明．洪灾风险评价通用模型系统的研究[J]．长江流域资源与环境，2000年11月(第9卷第4期)：518-524
[18] 陈秀万，洪水灾害损失评估系统—遥感与GIS技术应用研究[M]．中国水利水电出版社，1999
[19] S.Chen, C.F.N.Cowan, and P.M.Grant. Orthogonal Least Squares Learning Algorithm for Radial Basis Function Networks[J]. IEEE TRANSACTIONS ON NEURAL NETWORKS, MARCH 1991, VOL.2, NO.2: 302-309.
[20] 周俊武，孙传尧，王福利．径向基函数(RBF)网络的研究及实现[J]．矿冶，2001年12月(第10卷第4期)：71-75
[21] 许飞琼．灾害损失评估及其系统结构[J]．灾害学，1998年5月(第13卷第3期)：80-83
[2] 王静爱，史培军，朱骊．中国主要自然致灾因子的区域分异[J]．地理学报，1994年1月(第49卷第1期)：18-26
[3] 王渺林．寸滩站特大洪水灾变预测[J]．四川水利，2001(第4期)：20-21
[4] 陈业华，邱菀华．灰色灾变预测模型及其应用[J]．北京航空航天大学学报，1998年2月(第24卷第1期)：79-82
[5] Amari S I. A Theory of Adaptive Pattern Classification[J]. IEEE Trans on Electronic Com-puters, 1967, EC-1 6:299-307
[6] Rumelhart D E, etal. Learning Internal Representations by Error Propagation[J]. In:Paral-lel Distributed Processing, Vol. 1, Cambridge, MA: MLT Press, 1986: 318-362
[7] 李祚泳，邓新民，黄志英．四川旱涝震灾害的人工神经网络外推预测[J]．成都气象学院学报，1997年6月(第12卷第2期)：114-118
[8] 王艳艳，陆吉康，陈浩．洪灾损失评估技术应用[J]．水利水电应用，2002年(第33卷第10期)：30-33
[9] 喻光明，王朝南，钟儒钢，邹尚辉，张金霞，赵俊华．基于DEM的洪涝灾害信息提取和损失估算[J]．国土资源遥感，1996年3月(第1期)：42-50
[10] 喻光明，张金霞，王朝南，何耀喜．基于GIS／RS的洪涝灾害承灾极限遥感估算方法[J]．遥感学报，1998年5月(第2卷第2期)：112-118
[11] 葛小平，许有鹏，张琪，张立峰．GIS支持下的洪水淹没范围模拟[J]．水科学进展，2002年7月(第13卷第4期)：456-460
[12] 王艳艳，陆吉康，郑晓阳．上海市洪涝灾害损失评估研究报告[R]．中国水利水电科学研究院灾害与环境研究中心，2001年1月
[13] 冯民权，周孝德，张根广．洪灾损失评估的研究进展[J]．西北水资源与水工，2002年3月(第13卷第1期)：32-36
[14] 谢龙大，王宁，卢可源，边国光．水旱灾害灾情评估方法的研究[J]．浙江水
利科技，2001年(第6期)：1-4
[15] 冯平，崔广涛，钟昀．城市洪涝灾害直接经济损失的评估与预测[J]．水利学报，2001年8月(第8期)：64-68
[16] 武靖源，韩文秀，徐杨，周年生．洪灾经济损失评估模型研究——(Ⅰ)直接经济损失评估[J]．系统工程理论与实践，1998年11月(第11期)：53-56
[17] 傅湘，王丽萍，纪昌明．洪灾风险评价通用模型系统的研究[J]．长江流域资源与环境，2000年11月(第9卷第4期)：518-524
[18] 陈秀万，洪水灾害损失评估系统—遥感与GIS技术应用研究[M]．中国水利水电出版社，1999
[19] S.Chen, C.F.N.Cowan, and P.M.Grant. Orthogonal Least Squares Learning Algorithm for Radial Basis Function Networks[J]. IEEE TRANSACTIONS ON NEURAL NETWORKS, MARCH 1991, VOL.2, NO.2: 302-309.
[20] 周俊武，孙传尧，王福利．径向基函数(RBF)网络的研究及实现[J]．矿冶，2001年12月(第10卷第4期)：71-75
[21] 许飞琼．灾害损失评估及其系统结构[J]．灾害学，1998年5月(第13卷第3期)：80-83
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |