共查询到18条相似文献，搜索用时 109 毫秒
1.
针对影响地震伤亡人数的评价指标数量较多且各指标之间存在着复杂的非线性关系,运用机器学习理论,提出了基于支持向量机(Support Vector Machine)的地震伤亡人数预测模型;首先利用主成分分析法(Principle Component Analysis)对7个地震死亡人数影响指标进行数据降维,然后对提取出的主成分进行归一化处理,将归一化的主成分数据作为预测模型的输入向量,将地震伤亡人数作为预测模型的输出向量;以27个地震伤亡实例作为学习样本进行训练,运用网格搜索法(Grid Search Method)寻优获得最优支持向量机参数,最终建立基于PCA-GSM-SVM的地震死亡人数预测模型,并对5组样本进行死亡人数预测。结果表明:PCA-GSM-SVM模型的最小误差、最大误差和平均误差分别为5.12%、15.7%和9.16%,其平均误差相比于GSM-SVM模型和SVM模型分别降低6.51%和7.11%,因此PCA-GSM-SVM模型预测精度较高,可在工程实际中推广。 相似文献
2.
为有效解决地震伤亡人数预测所需影响因子多、 运算量大、 模型训练烦琐等问题, 构建了主成分分析法(PCA)和遗传算法(GA)优化的支持向量机(SVM)模型, 采用PCA对地震伤亡人数影响因子进行降维以去除贡献率较低的主成分, 将贡献率较大的主成分作为支持向量机的输入变量, 以地震伤亡人数作为输出变量, 利用GA对SVM模型性能参数进行优化, 建立基于PCA-GA-SVM的地震伤亡人数预测模型, 并对测试样本进行预测, 结果表明: 与SVM模型、 GA-SVM模型和PCA-GA-BP模型相比, PCA-GA-SVM模型的预测准确率和运行效率分别提高 4.73%、 1.14%、 9.99% 和47.05%、 36.76%、 44.55%。结果显示, PCA-GA-SVM模型预测精度高, 泛化能力强, 能够科学合理地对地震伤亡人数作出预测。 相似文献
3.
《地震工程与工程振动》2015,(6)
通过对地震伤亡资料的综合考察研究,本文构建了影响地震伤亡人数的指标集,利用粗糙集理论约简此指标结构,建立最小二乘支持向量回归机预测模型预测伤亡人数,并用粒子群优化算法对模型参数进行优化。最后,将模型运用于云南地震伤亡人数预测,结果和RS-BP神经网络预测模型对比分析,验证了该模型预测的有效性。又将模型应用于芦山和玉树地震死亡人数的预测,验证了模型的适用性。实验结果表明该模型能在地震发生后,给决策者提供人员救护、安置以及应急物资供应、统筹调度的有效依据。 相似文献
4.
叙述了 2 0世纪全球 10次灾难性地震发生的时间、震级、地点、伤亡人数、建筑物遭破坏以及救灾的情况 ,记述了一些地震的前兆现象和经济损失。 相似文献
5.
以云南省为例,利用1976-2020年云南省5级以上历史震害资料,采用线性拟合和多项式拟合的方法计算得到了云南地区地震灾害伤亡人数的预测模型,分析地震伤亡人数与震级、烈度、高程、坡度、起伏度和森林覆盖率的相关性。结果表明,当地震震级大小在（5,7]之间时伤亡人数主要受烈度、震级、高程、起伏度、坡度和森林覆盖率的影响;当地震震级大小在（7,8]之间时伤亡人数主要受烈度、震级、高程、起伏度的影响,与坡度和森林覆盖率因素相关性很小。通过评估模型计算得到模拟地震伤亡人数,与实际伤亡人数进行线性回归检验,检验结果显示建立的模型基本能够适用于云南省地震灾害伤亡人数的预测。 相似文献
6.
叙述了２０世纪全球１０次灾难性地震发生的时间、震级、地点、伤亡人数、建筑物遭破坏以及救灾的情况,记述了一些地震的前兆现象和经济损失。 相似文献
7.
8.
叙述了２０世纪全球１０次灾难性地震发生的时间,震级,地点,伤亡人数,建筑物遭破坏以及救灾的情况,记述了一些地震的前兆现象和经济损失。 相似文献
9.
1993年世界地震灾害综述 总被引：2，自引：0，他引：2
１９９３年世界范围发生６级以上地震１１８次，造成灾害的地震有１０次，其中较严重灾害地震４次。地震伤亡人数超过１９９２年，也高于历史地震灾害的平均死亡人数。本文综述了１９９３年世界地震灾害，指出了１９９３年灾害性地震揭示出的几个问题。 相似文献
10.
11.
12.
京津冀地区1679年曾发生三河－平谷8.0级大地震,造成了严重的人员伤亡,严重影响当时的社会经济。本文对三河－平谷8.0级地震进行原地再现,分析所造成的人员伤亡。首先,基于最新的建筑物竣工面积统计资料更新建筑物公里网格数据,基于普查数据对人口公里网格进行了更新,并采用热力图对人口的时空流动进行了预测,得到了符合当地特征的承灾体的数量和分布。在此基础上,采用分区分类地震易损性模型和人员伤亡评估模型,对京津冀地区遭受三河－平谷8.0级设定地震的人员伤亡进行了分析。分析结果表明:京津冀地区现今的人口数量相对于1679年成百倍增加,但人员伤亡率大幅降低 相似文献
13.
14.
利用多渠道收集到的地震灾害资料,对2021年全球地震活动及地震灾害进行了整理,绘制了21世纪前20年全球灾害地震频度与伤亡情况变化曲线及2021年灾害地震分布图,汇总了造成人员伤亡的地震信息及灾害情况,对重大地震灾害做了详细分析,并总结了2021年全球地震灾害的主要特征。与往年地震情况相比,2021年全球地震活动性较强,尤其8级以上强震发生频次大幅增加;2021年地震灾害造成的伤亡有所增加,且灾害地震呈现频度高、伤亡集中、次生灾害频发等特征。针对地震频度高、伤亡原因突出的情况,本文提出了相应的地震灾害预防措施及建议, 强调未来地震防御工作至关重要。 相似文献
15.
为准确预测地震死亡人数,提出了基于主成分分析法(PCA)和粒子群算法(PSO)优化的支持向量机(SVM)模型。首先利用主成分分析法对地震死亡人数7个影响因子中的6个进行数据降维,同时对第7个发震时刻因子单独进行区间分类,然后对提取出的主成分进行归一化处理,将归一化的主成分数据作为支持向量机的输入向量,通过粒子群算法寻优获得最优支持向量机模型参数,最终建立基于PCA-PSO-SVM的地震死亡人数预测模型,并对5组样本进行死亡人数预测,同时对比分析包含和不包含发震时刻因子的2种情况下的模型预测效果。结果表明:在不考虑发震时刻因子的情况下,使用PCA-PSO-SVM模型的最小误差、最大误差和平均误差分别为0.85%、20%、10%,其平均误差相比PSO-SVM、SVM模型分别降低2.08%、2.28%;输入向量加入发震时刻因子分类数据后,PCA-PSO-SVM模型的最小误差、最大误差和平均误差分别为0.25%、20%、7.18%,其平均误差相比PSO-SVM、SVM模型分别降低3.34%、3.50%。因此,加入发震时刻因子后3种模型的平均误差明显降低,同时由于PCA-PSO-SVM模型进行主成分降维处理,能够明显提高运行效率和预测精度,故降低了模型复杂度。 相似文献
16.
地震是造成我国巨大人员伤亡的主要灾害之一,震后人员伤亡的快速评估对于应急抗震救援工作具有重要指导意义。通过分析影响地震灾害人员伤亡的主要因素,调查统计不同使用功能建筑物中人员密度、不同时间段人员在室率及不同结构破坏状态下的伤亡率,建立地震人员伤亡计算模型。基于实验数据所得的地震易损性曲线数据库对建筑物进行结构易损性分析,用研发的中国地震灾害损失评估系统软件（CEDLAS）,对西安市灞桥区进行震后人员伤亡评估,并与汶川地震实际震害数据和其他经验模型对比,验证了该理论方法的可行性及合理性,为震后政府启动地震应急预案和组织开展抗震救灾工作提供参考。 相似文献
17.