基于贝叶斯网络的洪水灾害风险评估与建模研究
发布时间：2021-06-18 07:15
洪水是发生在自然界并对自然环境和人类社会造成一定影响的事件。一方面洪水在一定程度上促进动植物随水迁徙繁殖、缓解旱情、解决用水问题；另一方面,洪水对人类社会产生消极的影响,造成巨大的人员伤害和社会经济损失。因此,世界范围内各国政府均加大对洪水灾害的研究力度,探索洪水发生和变化的机理和规律。洪水灾害风险研究是洪水灾害研究的重要内容,是预防和抵御洪水灾害的有利手段。洪水灾害风险研究包括对洪水灾害的预测、发生概率和强度的研究、洪水淹没范围的提取以及对人类社会造成影响的评估。其中,洪水灾害预测是利用预测算法或模型推算出未来情景下洪水灾害发生的概率或可能性大小另外,空间信息技术如遥感（Remote Sensing, RS）、地理信息系统（Geographic Information System, GIS）等的发展为洪水灾害风险研究提供基础数据及空间数据处理技术。但是,在洪水灾害研究领域,仍然存在一些亟待解决的问题,本文将这些问题归纳如下：1)对某一地区而言,不仅要探讨未来情景下该地是否会发生洪水,而且需要更加详细的分析未来情景下该地发生洪水的频率或可能性大小及其主要诱发原因是什么；2)以往的洪水...
【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：158 页
【学位级别】：博士
【部分图文】：
图２－２贝叶斯发散连接举例??，２－２、、、、、??
Ｗ天ａｔ又??图２－３贝叶斯收敛连接举例??图２－３为一种收敛连接实例。在这个实例中，若不知道极端降雨和洪水灾害??的任何信息，则日最大降雨量和最大降雨天数被认为是条件独立的。这里需要说??明的是本例假设极端降雨形成的条件是长时期的持续性降雨和短时期的强降雨，??本例不考虑长时间的强降雨等类似的＂稀有事件＂。当某地没有出现极端降雨时，??日最大降雨量节点和最大降雨天数节点是条件独立的。当知道某地出现极端降雨，??则日最大降雨量和最大降雨天数是条件依赖的。本文认为当日最大降雨量为强降??雨时，最大降雨天数会减少，反之，降雨类型为持续型降雨时，最大降雨天数可??能会增加。??综上所述，顺序连接（ｈｅａｄ－ｔｏ－ｔａｉｌ）和发散连接（ｔａｉｌ－ｔｏ－ｔａｉｌ）节点，在条件节??点己知情况下，两种连接是阻塞的，但当条件未知情况下，两种连接是连通的。??收敛连接则假设当条件节点是未知的情况下
??建模的＾般流程（图２－４）。??模型设计??１??确定变量、准备数据■＊－??，?，?否??构建贝叶斯网络?＾??１??专家知识?Ｉ?本?Ｉ?机器学习??Ｉ￣＾—Ｉ?衡量贝叶斯网络?Ｉ￣＾＾Ｉ???否??否??构建条件概率分布???ｉ??否??贝叶斯概率推理??图２－４贝叶斯网络构建流程??１）问题定义和提出：首先要明确构建贝叶斯网络模型的目的，模型构造前??需要具备一定的领域知识。储备领域知识是构建贝叶斯网络必不可少的??环节，知识的多少决定了构建的网络模型合理性Ｗ及先验概率的正确程??度；??巧变量选择：变量对应于贝叶斯网络结构中的节点，节点多少会对模型的??结果产生较大的影响。在这里需要明确的是，在构建贝叶斯网络模型中??并不是变量越多，评价的精度就会越高。变量较多尤其是噪音变量过多??时
【参考文献】：
期刊论文
[1]基于规范变换的前向神经网络的洪水灾害评估模型[J]. 徐源蔚,李祚泳,汪嘉杨. 成都信息工程学院学报. 2015(03)
[2]基于新组合赋权法的地质灾害危险性评价[J]. 江强强,方堃,章广成. 自然灾害学报. 2015(03)
[3]拓扑克里格法与普通克里格法在区域洪水频率分析中的比较研究[J]. 顾西辉,张强,黄国如. 水文. 2014(05)
[4]改进粒子群优化BP神经网络的洪水智能预测模型研究[J]. 何勇,李妍琰. 西南师范大学学报(自然科学版). 2014(05)
[5]基于格网的洪水灾害危险性评价分析——以巴基斯坦为例[J]. 李晓萌,马玥,孙永华,宫辉力,李小娟. 地球信息科学学报. 2013(02)
[6]基于熵权的评标模型在电建工程中的应用[J]. 郭永成,李建林. 武汉大学学报(工学版). 2013(02)
[7]基于F-DEM的洪水淹没区精确快速提取[J]. 江岭,汤国安,王春,宋效东,崔灵周. 地球信息科学学报. 2013(01)
[8]基于贝叶斯网络的突发事件链建模方法与应用[J]. 裘江南,刘丽丽,董磊磊. 系统工程学报. 2012(06)
[9]基于贝叶斯网络的城市地震次生灾害演化机理分析[J]. 马祖军,谢自莉. 灾害学. 2012(04)
[10]基于特征相关的改进加权朴素贝叶斯分类算法[J]. 饶丽丽,刘雄辉,张东站. 厦门大学学报(自然科学版). 2012(04)
博士论文
[1]基于MIKE FLOOD的济南市雨洪模拟及其应用研究[D]. 王世旭.山东师范大学 2015
[2]洪水频率分析与预报中的不确定性问题研究[D]. 张冬冬.中国水利水电科学研究院 2015
[3]基于贝叶斯网络的突发事件应急决策信息分析方法研究[D]. 徐磊.哈尔滨工业大学 2013
[4]基于贝叶斯网络的交通事故态势研究[D]. 张慧永.吉林大学 2013
[5]洪水灾害风险分析与评价方法的研究及改进[D]. 李琼.华中科技大学 2012
[6]滑坡、泥石流地质灾害评价方法研究[D]. 梁万杰.南京农业大学 2012
[7]基于云模型和GIS/RS的坝堤溃决风险分析及灾害损失评估研究[D]. 江迎.华中科技大学 2012
[8]洪水风险评估中多源信息融合及不确定性建模研究[D]. 谢亚娟.华中科技大学 2012
[9]基于贝叶斯统计的水文模型不确定性研究[D]. 李明亮.清华大学 2012
[10]贝叶斯网络结构学习及其应用研究[D]. 胡春玲.合肥工业大学 2011
硕士论文
[1]基于TOPSIS的济南市自然灾害社会脆弱性评价研究[D]. 马超.山东师范大学 2015
[2]基于贝叶斯网络的钻井作业风险评价模型的研究与实现[D]. 徐哲.西南石油大学 2015
[3]基于贝叶斯网络的油井风险评价与诊断模型[D]. 江海飞.西南石油大学 2014
[4]震害环境下供水管网失效及次生火灾放大效应[D]. 刘超.大连理工大学 2014
[5]基于县域尺度重庆市地表起伏度的计算及其与滑坡灾害频次的空间耦合关系研究[D]. 刘训美.重庆师范大学 2014
[6]基于稀疏贝叶斯学习的尾矿库事故预测研究[D]. 李龙.西安工业大学 2014
[7]ID3算法在地质灾害易发性评价中的应用[D]. 唐斌.长安大学 2013
[8]混合不确定性贝叶斯网络的学习模型及其R软件的辅助实现[D]. 巫炳伟.华南理工大学 2013
[9]基于属性加权的选择性朴素贝叶斯分类研究[D]. 孙秀亮.哈尔滨工程大学 2013
[10]基于贝叶斯网络的煤矿瓦斯爆炸事故情景分析[D]. 王先梅.西安科技大学 2012
本文编号：3236224
【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：158 页
【学位级别】：博士
【部分图文】：
图２－２贝叶斯发散连接举例??，２－２、、、、、??
Ｗ天ａｔ又??图２－３贝叶斯收敛连接举例??图２－３为一种收敛连接实例。在这个实例中，若不知道极端降雨和洪水灾害??的任何信息，则日最大降雨量和最大降雨天数被认为是条件独立的。这里需要说??明的是本例假设极端降雨形成的条件是长时期的持续性降雨和短时期的强降雨，??本例不考虑长时间的强降雨等类似的＂稀有事件＂。当某地没有出现极端降雨时，??日最大降雨量节点和最大降雨天数节点是条件独立的。当知道某地出现极端降雨，??则日最大降雨量和最大降雨天数是条件依赖的。本文认为当日最大降雨量为强降??雨时，最大降雨天数会减少，反之，降雨类型为持续型降雨时，最大降雨天数可??能会增加。??综上所述，顺序连接（ｈｅａｄ－ｔｏ－ｔａｉｌ）和发散连接（ｔａｉｌ－ｔｏ－ｔａｉｌ）节点，在条件节??点己知情况下，两种连接是阻塞的，但当条件未知情况下，两种连接是连通的。??收敛连接则假设当条件节点是未知的情况下
??建模的＾般流程（图２－４）。??模型设计??１??确定变量、准备数据■＊－??，?，?否??构建贝叶斯网络?＾??１??专家知识?Ｉ?本?Ｉ?机器学习??Ｉ￣＾—Ｉ?衡量贝叶斯网络?Ｉ￣＾＾Ｉ???否??否??构建条件概率分布???ｉ??否??贝叶斯概率推理??图２－４贝叶斯网络构建流程??１）问题定义和提出：首先要明确构建贝叶斯网络模型的目的，模型构造前??需要具备一定的领域知识。储备领域知识是构建贝叶斯网络必不可少的??环节，知识的多少决定了构建的网络模型合理性Ｗ及先验概率的正确程??度；??巧变量选择：变量对应于贝叶斯网络结构中的节点，节点多少会对模型的??结果产生较大的影响。在这里需要明确的是，在构建贝叶斯网络模型中??并不是变量越多，评价的精度就会越高。变量较多尤其是噪音变量过多??时
【参考文献】：
期刊论文
[1]基于规范变换的前向神经网络的洪水灾害评估模型[J]. 徐源蔚,李祚泳,汪嘉杨. 成都信息工程学院学报. 2015(03)
[2]基于新组合赋权法的地质灾害危险性评价[J]. 江强强,方堃,章广成. 自然灾害学报. 2015(03)
[3]拓扑克里格法与普通克里格法在区域洪水频率分析中的比较研究[J]. 顾西辉,张强,黄国如. 水文. 2014(05)
[4]改进粒子群优化BP神经网络的洪水智能预测模型研究[J]. 何勇,李妍琰. 西南师范大学学报(自然科学版). 2014(05)
[5]基于格网的洪水灾害危险性评价分析——以巴基斯坦为例[J]. 李晓萌,马玥,孙永华,宫辉力,李小娟. 地球信息科学学报. 2013(02)
[6]基于熵权的评标模型在电建工程中的应用[J]. 郭永成,李建林. 武汉大学学报(工学版). 2013(02)
[7]基于F-DEM的洪水淹没区精确快速提取[J]. 江岭,汤国安,王春,宋效东,崔灵周. 地球信息科学学报. 2013(01)
[8]基于贝叶斯网络的突发事件链建模方法与应用[J]. 裘江南,刘丽丽,董磊磊. 系统工程学报. 2012(06)
[9]基于贝叶斯网络的城市地震次生灾害演化机理分析[J]. 马祖军,谢自莉. 灾害学. 2012(04)
[10]基于特征相关的改进加权朴素贝叶斯分类算法[J]. 饶丽丽,刘雄辉,张东站. 厦门大学学报(自然科学版). 2012(04)
博士论文
[1]基于MIKE FLOOD的济南市雨洪模拟及其应用研究[D]. 王世旭.山东师范大学 2015
[2]洪水频率分析与预报中的不确定性问题研究[D]. 张冬冬.中国水利水电科学研究院 2015
[3]基于贝叶斯网络的突发事件应急决策信息分析方法研究[D]. 徐磊.哈尔滨工业大学 2013
[4]基于贝叶斯网络的交通事故态势研究[D]. 张慧永.吉林大学 2013
[5]洪水灾害风险分析与评价方法的研究及改进[D]. 李琼.华中科技大学 2012
[6]滑坡、泥石流地质灾害评价方法研究[D]. 梁万杰.南京农业大学 2012
[7]基于云模型和GIS/RS的坝堤溃决风险分析及灾害损失评估研究[D]. 江迎.华中科技大学 2012
[8]洪水风险评估中多源信息融合及不确定性建模研究[D]. 谢亚娟.华中科技大学 2012
[9]基于贝叶斯统计的水文模型不确定性研究[D]. 李明亮.清华大学 2012
[10]贝叶斯网络结构学习及其应用研究[D]. 胡春玲.合肥工业大学 2011
硕士论文
[1]基于TOPSIS的济南市自然灾害社会脆弱性评价研究[D]. 马超.山东师范大学 2015
[2]基于贝叶斯网络的钻井作业风险评价模型的研究与实现[D]. 徐哲.西南石油大学 2015
[3]基于贝叶斯网络的油井风险评价与诊断模型[D]. 江海飞.西南石油大学 2014
[4]震害环境下供水管网失效及次生火灾放大效应[D]. 刘超.大连理工大学 2014
[5]基于县域尺度重庆市地表起伏度的计算及其与滑坡灾害频次的空间耦合关系研究[D]. 刘训美.重庆师范大学 2014
[6]基于稀疏贝叶斯学习的尾矿库事故预测研究[D]. 李龙.西安工业大学 2014
[7]ID3算法在地质灾害易发性评价中的应用[D]. 唐斌.长安大学 2013
[8]混合不确定性贝叶斯网络的学习模型及其R软件的辅助实现[D]. 巫炳伟.华南理工大学 2013
[9]基于属性加权的选择性朴素贝叶斯分类研究[D]. 孙秀亮.哈尔滨工程大学 2013
[10]基于贝叶斯网络的煤矿瓦斯爆炸事故情景分析[D]. 王先梅.西安科技大学 2012
本文编号：3236224
本文链接：https://www.wllwen.com/projectlw/qxxlw/3236224.html
