【摘要】中提到的研究主要关注如何利用改进的神经网络和地理信息系统(GIS)空间分析来评估风暴潮造成的经济损失。风暴潮是一种严重的海洋灾害,而其经济损失的预评估对于灾害防范和减轻至关重要。针对传统单一机器学习模型效果不佳的问题,研究者提出了一种新的评估模型,该模型基于天牛须搜索(BAS)算法优化的反向传播(BP)神经网络,并结合GIS的空间分析功能。
研究采用了BAS算法来优化神经网络的初始权重阈值,目的是提升网络的优化精度,确保预测的准确性。BAS算法是一种仿生优化方法,能够帮助寻找神经网络的最佳参数设置,从而提高其预测性能。
通过GIS的空间分析功能,研究者可以找到与待评估风暴潮事件相似的历史案例,这些相似样本有助于对当前风暴潮损失进行结果调整。GIS提供了强大的空间数据处理和分析能力,能有效地处理地理分布的数据,如风暴潮影响范围、人口分布和财产密度等,这些因素都直接影响经济损失的评估。
研究应用了悲观和乐观估计的思想,给出了风暴潮经济损失的预评估区间,这为决策者提供了灾害应对的参考范围。计算结果显示,结合GIS空间分析进行模型评估能提供更准确的结果。
关键词涵盖了天牛须搜索、反向传播神经网络、地理信息系统、台风风暴潮、经济损失以及预评估,表明该研究综合运用了多种技术手段来解决实际问题。文章的作者们来自中国海洋大学工程学院土木工程系,他们的研究方向集中在机器学习与海洋灾害风险管理。
该研究的核心是建立一个集成BAS优化的BP神经网络模型,并利用GIS的空间分析功能来提高风暴潮经济损失评估的精确性。这一方法不仅提高了模型的预测能力,还通过历史数据的对比和空间分析,提供了更全面的灾害损失预估,对于防灾减灾工作具有重要意义。