基于案例推理的台风灾害应急物资需求预测研究
发布时间：2022-01-26 10:00
台风灾害是全球范围内影响最严重的自然灾害之一。中国台风灾害频发,台风登陆中国沿海,会对所途经的区域造成巨大的破坏,导致人员伤亡受灾、房屋倒塌、农作物绝收、大量财产损失等。因此,对台风灾害的抗灾救灾工作十分重要,应急物资是救灾抗灾的基础,在最短的时间内,明确受灾地区应急物资的需求,并制定相关的救灾计划,能在一定程度上降低灾害带来的损失。台风登陆后,随时间的流逝,灾情结果在不断扩大,因此抗灾救灾具有很强的时效性,故而研究台风灾害应急物资需求的快速预测方法,对快速有效的组织和筹备应急物资资源,提升应灾的响应速度以及抗灾救灾的效率是非常有必要的。论文采用间接预测的方法,以案例推理技术为基础,设计了一种基于相似案例的台风灾害应急物资需求快速预测方法,通过预测当前目标案例的灾情结果,再根据相应灾情结果对应急物资需求的标准,计算不同灾情结果所需的应急物资需求量,从而有效解决了因数据不完备和模型构建复杂等问题而导致台风灾害应急物资需求预测困难与时效性差的问题。论文研究了以下几个方面的内容:（1）研究了台风灾害特征属性的选取与计算方法、灾害特征属性权重的分配方法、相似案例解决方案的调整方法以及基于案例调...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
技术路线图
案例推理流程
第三章台风灾害应急物资需求预测模型的构建23图3-1灾害特征属性分析对于台风伴随的大风而言，不同的风速，造成的破坏性也就不一样，对灾情的资料分析可知，当风速在7级以下，即过程风速低于13.6m/s时，基本不会产生危险，根据台风影响范围的平均风力，将台风风圈分为七级风圈与十级风圈。在本文中，七级风圈被定义为风圈内风速等级为七级到十级之间的风圈，目的是将七级风圈与十级风圈进行清晰的层次划分。对台风而言，越靠近台风中心附近，其风速越大，破坏力越大，故而一般而言，台风路径影响范围地区的受灾程度要高于其平行地区，所以本文将台风伴随的大风按七级风圈、十级风圈、台风路径影响范围进行等级层次的划分。对于不同风速等级下的台风强度，参考文献[15]中台风的强度模型如下,为大风强度系数，为当地极大风速：={0,<13.6；(13.63.8+1)7,13.6≤≤36.4；1,>36.4;(31)对于台风伴随的降雨而言，当降雨达到强降雨级别时（强降雨级包含暴雨及暴雨以上级别的降雨），才会对受灾地区产生较大的危害，故而本文不考虑一般降雨对灾情结果的影响。SR为降水强度系数[15],PR为某地过程降雨量:={0,<25；(50+1)7,25≤≤300；1,>300;(32)灾害的持续时间主要为七级风圈影响时间和十级风圈影响时间，不计入强降雨影响时间是因为降雨等级的划分本身包含了时间的概念。
【参考文献】：
期刊论文
[1]基于改进GM（1,1）的洪涝灾害应急物资动态需求预测[J]. 胡忠君,刘艳秋,李佳. 系统仿真学报. 2019(04)
[2]面向地震灾情时序变化的应急救援物资需求动态预测研究[J]. 张磊. 灾害学. 2018(03)
[3]公路突发事件应急预案自动生成系统开发及应用[J]. 刘君,胡伟超,孙广林. 中国安全生产科学技术. 2017(10)
[4]基于多元模糊回归的应急物资需求预测模型[J]. 郭子雪,韩瑞,齐美然. 河北大学学报(自然科学版). 2017(04)
[5]地震应急物资需求预测的模糊案例推理技术[J]. 郭继东,杨月巧. 中国安全生产科学技术. 2017(02)
[6]基于粗糙集理论和生命初态信息的继电器寿命预测方法[J]. 李玲玲,张士暖,李志刚,贺鹏举. 电工技术学报. 2016(18)
[7]基于历史案例的自然灾害灾情评估方法研究[J]. 夏兴生,朱秀芳,潘耀忠,张锦水. 灾害学. 2016(01)
[8]基于CBR的电力事故应急辅助决策方法[J]. 门永生,刘山葆. 电信科学. 2015(S1)
[9]基于改进支持向量机的地震应急物资需求预测模型[J]. 何珊珊,朱文海. 物流科技. 2015(11)
[10]基于直觉模糊案例推理的应急物资需求预测模型[J]. 王兰英,郭子雪,张玉芬,尚永胜,张露. 中国矿业大学学报. 2015(04)
博士论文
[1]地震灾害应急物资需求预测及调拨模型与方法研究[D]. 童钟.华中科技大学 2016
[2]基于相似案例分析的决策方法与应用研究[D]. 李永海.东北大学 2014
[3]川渝地区农业气象干旱风险区划与损失评估研究[D]. 张峰.浙江大学 2013
[4]灾害应急物流中基于需求分析的应急物资分配问题研究[D]. 夏萍.北京交通大学 2010
硕士论文
[1]基于案例推理的台风灾害快速评估方法[D]. 刘雅玉.武汉大学 2018
[2]基于Hybrid CBR的混合动力推土机故障诊断专家系统研究[D]. 王凯.山东大学 2017
[3]基于CBR技术的中医诊疗系统中案例相似度计算方法研究[D]. 王来奇.中国科学院大学(中国科学院工程管理与信息技术学院) 2017
[4]台风灾情评估及其预估研究[D]. 胡丽.南京信息工程大学 2015
[5]基于CBR方法的公共卫生类突发事件案例库系统构建研究[D]. 朱泽宇.南京大学 2015
[6]粒子群优化BP神经网络在应急物资需求预测中的应用研究[D]. 亢丽君.兰州交通大学 2013
[7]大型地震应急物资动态需求预测模型研究[D]. 吴斯亮.哈尔滨工业大学 2012
[8]自然灾害应急物资需求分类及需求量研究[D]. 陈超.北京交通大学 2011
本文编号：3610293
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
技术路线图
案例推理流程
第三章台风灾害应急物资需求预测模型的构建23图3-1灾害特征属性分析对于台风伴随的大风而言，不同的风速，造成的破坏性也就不一样，对灾情的资料分析可知，当风速在7级以下，即过程风速低于13.6m/s时，基本不会产生危险，根据台风影响范围的平均风力，将台风风圈分为七级风圈与十级风圈。在本文中，七级风圈被定义为风圈内风速等级为七级到十级之间的风圈，目的是将七级风圈与十级风圈进行清晰的层次划分。对台风而言，越靠近台风中心附近，其风速越大，破坏力越大，故而一般而言，台风路径影响范围地区的受灾程度要高于其平行地区，所以本文将台风伴随的大风按七级风圈、十级风圈、台风路径影响范围进行等级层次的划分。对于不同风速等级下的台风强度，参考文献[15]中台风的强度模型如下,为大风强度系数，为当地极大风速：={0,<13.6；(13.63.8+1)7,13.6≤≤36.4；1,>36.4;(31)对于台风伴随的降雨而言，当降雨达到强降雨级别时（强降雨级包含暴雨及暴雨以上级别的降雨），才会对受灾地区产生较大的危害，故而本文不考虑一般降雨对灾情结果的影响。SR为降水强度系数[15],PR为某地过程降雨量:={0,<25；(50+1)7,25≤≤300；1,>300;(32)灾害的持续时间主要为七级风圈影响时间和十级风圈影响时间，不计入强降雨影响时间是因为降雨等级的划分本身包含了时间的概念。
【参考文献】：
期刊论文
[1]基于改进GM（1,1）的洪涝灾害应急物资动态需求预测[J]. 胡忠君,刘艳秋,李佳. 系统仿真学报. 2019(04)
[2]面向地震灾情时序变化的应急救援物资需求动态预测研究[J]. 张磊. 灾害学. 2018(03)
[3]公路突发事件应急预案自动生成系统开发及应用[J]. 刘君,胡伟超,孙广林. 中国安全生产科学技术. 2017(10)
[4]基于多元模糊回归的应急物资需求预测模型[J]. 郭子雪,韩瑞,齐美然. 河北大学学报(自然科学版). 2017(04)
[5]地震应急物资需求预测的模糊案例推理技术[J]. 郭继东,杨月巧. 中国安全生产科学技术. 2017(02)
[6]基于粗糙集理论和生命初态信息的继电器寿命预测方法[J]. 李玲玲,张士暖,李志刚,贺鹏举. 电工技术学报. 2016(18)
[7]基于历史案例的自然灾害灾情评估方法研究[J]. 夏兴生,朱秀芳,潘耀忠,张锦水. 灾害学. 2016(01)
[8]基于CBR的电力事故应急辅助决策方法[J]. 门永生,刘山葆. 电信科学. 2015(S1)
[9]基于改进支持向量机的地震应急物资需求预测模型[J]. 何珊珊,朱文海. 物流科技. 2015(11)
[10]基于直觉模糊案例推理的应急物资需求预测模型[J]. 王兰英,郭子雪,张玉芬,尚永胜,张露. 中国矿业大学学报. 2015(04)
博士论文
[1]地震灾害应急物资需求预测及调拨模型与方法研究[D]. 童钟.华中科技大学 2016
[2]基于相似案例分析的决策方法与应用研究[D]. 李永海.东北大学 2014
[3]川渝地区农业气象干旱风险区划与损失评估研究[D]. 张峰.浙江大学 2013
[4]灾害应急物流中基于需求分析的应急物资分配问题研究[D]. 夏萍.北京交通大学 2010
硕士论文
[1]基于案例推理的台风灾害快速评估方法[D]. 刘雅玉.武汉大学 2018
[2]基于Hybrid CBR的混合动力推土机故障诊断专家系统研究[D]. 王凯.山东大学 2017
[3]基于CBR技术的中医诊疗系统中案例相似度计算方法研究[D]. 王来奇.中国科学院大学(中国科学院工程管理与信息技术学院) 2017
[4]台风灾情评估及其预估研究[D]. 胡丽.南京信息工程大学 2015
[5]基于CBR方法的公共卫生类突发事件案例库系统构建研究[D]. 朱泽宇.南京大学 2015
[6]粒子群优化BP神经网络在应急物资需求预测中的应用研究[D]. 亢丽君.兰州交通大学 2013
[7]大型地震应急物资动态需求预测模型研究[D]. 吴斯亮.哈尔滨工业大学 2012
[8]自然灾害应急物资需求分类及需求量研究[D]. 陈超.北京交通大学 2011
本文编号：3610293
本文链接：https://www.wllwen.com/projectlw/qxxlw/3610293.html
