基于机器学习算法的地震直接经济损失评估模型

发布时间：2021-07-05 14:59

　　地震作为一种破坏力巨大的自然灾害,给全人类的生命安全和财产安全带来巨大的威胁。我国国土辽阔,同时处于环太平洋地震带和欧亚地震带之间。对于人口分布密集、经济快速发展的中国来说,地震灾害的威胁日益严重。所以,对地震直接经济损失的快速评估具有非常重要的意义和价值。强烈地震后,震后直接经济损失的快速评估是国家各级政府迅速做出救灾反应和应对的参考,对救灾安排、财政投入以及指导社会各界的募捐起到一定的指导作用。地震直接经济损失不同于地震的震级、灾区分布等参数,往往需要通过一些方法或系统进行评估,如PAGER系统、HAZ-China系统、分类清单法、基于震害矩阵的快速评估方法以及后续基于遗传神经网络的评估方法等。随着近些年来震害资料的不断完善,使从震害资料大数据中挖掘信息成为可能。本文基于历史震害资料并应用机器学习算法主要完成了如下工作:1.论述本论文的选题背景和研究意义,对机器学习的发展进行叙述,并对国内外地震经济损失研究现状进行总结。2.对影响地震直接经济损失代表性因素进行介绍,并收集原始数据,同时对样本数据进行统计和特征分析,并采用相对应的数据预处理方法。3.应用随机森林算法,同时通过对超参数... 

【文章来源】：中国地震局工程力学研究所黑龙江省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

模型学习过程

在考虑分类问题和回归问题时,需要将各个模块具体化。例如,在分类问题中,训练器S的目的就是判断结果属于哪一类,这一过程需要由建立的多个训练集合共同决定,通过“投票”的方式确定数据最后的分类结果。分类问题通常被分为二分类问题及多分类问题。这样“投票”的方式决定的一次结果可以认为是一个分类器结构,最后的输出结果可能是具体的分类情况,也可能是每个类别的概率矩阵。在实际应用中,我们往往需要多个分类组合在一起进行计算,如图3-2所示。图中n个分类器分别建立训练集,对模型进行学习、计算,并根据n个分类器的结果,对最终结果进行表述。

随机森林算法是21世纪初被提出的一种浅层机器学习算法,该算法具有良好的准确率,同时对原始数据中的噪音拥有良好的容忍度。随机森林算法采取对特征的随机选择这一方式对分支进行分裂,这一随机过程使模型有良好的分类准确率,同时能够对噪声较多的数据也有很好的容忍度。模型的基本框架结构如图3-3所示。(1)随机森林算法的优点

【参考文献】：
期刊论文
[1]基于GIS的地震建筑直接经济损失评估研究[J]. 周光海,洪亮,刘纯.  测绘与空间地理信息. 2013(10)
[2]日本大地震应急救援启示录[J]. 张永春.  中国应急救援. 2012(04)
[3]地震损失经济学评估模型灾损参数的统计研究[J]. 黄敏,王健,王慧彦,梁瑞莲.  自然灾害学报. 2011(02)
[4]改进的BP算法在地震灾害损失预测中的应用[J]. 李焱,杜广环.  科学技术与工程. 2011(09)
[5]基于粗糙遗传BP网络的震害损失评估模型研究[J]. 窦玉丹,袁永博,张明媛.  工程管理学报. 2010(01)
[6]用人工神经网络预测城市地震火灾损失[J]. 茹反反.  自动化应用. 2010(01)
[7]基于地区经济水平和可靠性指标的趸售电价模型研究[J]. 林建新,江岳文,温步瀛.  福州大学学报(自然科学版). 2008(06)
[8]汶川地震损失快速评估[J]. 徐国栋,方伟华,史培军,袁艺.  地震工程与工程振动. 2008(06)
[9]四川汶川8.0级地震损失评估[J]. 袁一凡.  地震工程与工程振动. 2008(05)
[10]经验震害矩阵的完善方法研究[J]. 胡少卿,孙柏涛,王东明,陈洪富.  地震工程与工程振动. 2007(06)

硕士论文
[1]基于历史震害的桥梁地震易损性研究[D]. 余其鑫.中国地震局工程力学研究所 2014
[2]两种多参数影响的建筑物群体震害预测方法研究[D]. 张桂欣.中国地震局工程力学研究所 2010
[3]城市建筑物震害预测方法研究[D]. 姜开兴.北京工业大学 2008
[4]在役结构在未来地震中的损失估计[D]. 邢燕.西安建筑科技大学 2004



本文编号：3266291