以深圳市为例探讨洪灾损失预测研究的科学性与严谨性.

以深圳市为例探讨洪灾损失预测研究的科学性与严谨性

摘要

深圳市作为沿海城市，是人口聚集、国民经济和社会发展的重要区域和战略中心，但也是洪涝灾害易发区域。国外有研究报告将深圳列为洪灾损失严重的城市，但是研究结果与事实存在出入。为此，本文针对洪灾损失预测研究的科学性与严谨性建立了基于BP算法的洪灾损失评估模型，对深圳市的洪灾损失的评估预算做了如下研究。

针对问题一，本文首先对经济合作与发展组织(OCED)研究报告中的数据来源和模型做了深入的分析与研究，发现其“广州洪灾风险全球最高”的结论不成立，主要原因如下，其一，报告中的参考依据是广州的堤防标准为20年一遇。事实上，在很早广州总的堤防标准就是200年一遇。其二，报告中预测，到2050年，广州地质沉降40厘米。而事实上，每年沉降只有一到两毫米。其三，报告中防洪标准、地面沉降的数据都不够科学，因此预估2050年的损失也是不准的。

我们重新搜集了数据，首先对洪灾损失评估的相关理论进行了介绍,并以此为基础研究分析了洪灾经济损失的计算方法、洪灾损失评估的指标体系以及洪灾损失评估的影响因子;其次,运用数理统计方法、GIS技术与RS技术获取了洪灾损失评估的影响因子数据,并借助模糊集与粗糙集的理论知识,采用模糊聚类分析法和归一化处理方法对洪灾损失评估的影响因子进行了权值分配; 最后,借助MATLAB软件中的BP神经网络算法构建了基于BP算法的洪灾损失评估模型,利用BP算法并应用该模型对深圳市的洪灾经济损失进行了评估计算。应用效果表明基于BP算法的洪灾损失评估模型加快了洪灾损失计算的速度,同时也保证了评估结果的准确度。因此它具有较好的实用性,能够在抗洪救灾的指挥调度、灾情统计核对、评估防洪设施能力等方面发挥一定的作用。

针对问题二，本文简单形象的总结了研究过程与结果，通过分析普通百姓的心理、现在处于信息时代的特点以及信息的传播方式和途径，建议普通百姓对信息的来源、结论不可盲目相信而影响生活秩序。

针对问题三，本文系统介绍了研究方法与结果，建议政府提高对此类消息的重视，并及时作出回应和修正，以免影响外资投入和经济发展和普通百姓的心理变化。并建议政府支持洪涝灾害损失评估的研究以及后续工作。

关键词：洪涝灾害;评估影响因子; BP算法;洪灾损失评估

一、问题重述

国外有研究报告将深圳列为洪灾损失严重的城市。有关专家和专业人员认为该报告结论与事实存在出入，因而怀疑其所用方法及支撑数据的正确性与准确性。根据该报告和有关专家的解析，要求解决一下问题：

1、收集深圳市的相关资料，通过数学建模的方法，分析经济合作与发展组织研究报告中数据的来源和其简历的预测模型，找出该报告可能存在的问题，并搜集整理数据，建立新的数学模型，以求更加准确的预测出2020和2050深圳可能遭受的洪灾损失，同时对比评价该模型与研究报告所用模型的优缺点。

2、给普通百姓写一份建议书，说明研究报告和结果来源，使普通百姓能够正确对待信息时代所谓“科学结论”快速传播带来的问题，不要盲目相信一些结论而产生恐慌和焦虑感。

3、给深圳市政府写一份建议书，说明研究报告和结果来源、可信度，建议市政府采取相应措施，以免给市民带来恐慌以及给投资者畏惧感，以至于影响深圳的经济发展，并且建议市政府对后续研究在行动以及经济上给以支持。

二、背景介绍

深圳位于北回归线之南，东经113°46′~114°37′，北纬22°27′~22°52′。地处广东省南部，珠江口东侧。海域连接南海及太平洋，东起大亚湾，西邻伶仃洋，地形呈东西向狭长形，东南部多山脉，西北部地势相对较为平缓。夏季受锋面低槽、热带气旋、季风云团等天气系统的影响，洪涝灾害性天气常有发生①。深圳是自然灾害易发和频发区域,也是人口集聚、国民经济和社会发展的重要区域和战略中心。自改革开放以来,城市的发展伴随着经济和人口增长急速加快,加之在全球气候变化的大背景下,各种自然灾害发生频率和强度有逐渐增强的趋势,自然和人为因素相互作用的致灾、成灾频率呈非线性提高,对灾害的“放大效应”更为显著。因此，快速、高效、准确的进行自然灾害损失评估,对于灾害管理以及制订应急预案具有重要意义。通过对灾害损失的分析,可以找到造成灾害的主要环节,以便针对这些环节采取预防措施,从而大大提高减灾工作的科学性和减灾投入的合理性。

由于洪灾致灾因素多,时空分布又极其复杂,从而使洪灾损失评估具有非线性、时变性和空间分布差异性等特点,用简单的模型对洪灾损失评估进行有效的描述是无法做到的②。BP神经网络是当前人工神经网络中应用最为广泛的网络之一,它具备自组织、自适应性和自我学习等优点,而且它对复杂的非线性问题能够准确、快速的进行处理,因此，利用基于BP算法的洪灾损失评估模型进行洪灾损失预测十分具有现实意义。

三、问题分析

附件2中给出的研究报告所采用的支撑数据不符合实际情况，因此，我们先要收集洪灾区的水文数据、天气数据、地形数据和社会经济统计数据等洪灾评估数据,并取得地形条件因子等一系列新的数据作为此次研究的数据。

然后将地形因子、洪水致灾因子、社会经济条件因子和抢险程度因子进行提取和数据处理，作为BP神经网络算法的输入参数,并在充分认识了各因子对洪灾经济损失评估的影响基础上,借助模糊集和粗糙集的理论知识,利用模糊聚类分析法和归一化数据处理方法对洪灾损失评估各影响因子进行权重的分配;最后，应用历史洪灾统计数据对BP神经网络算法进行训练,然后以要评估的洪灾数据作为BP算法的输入数据进行测试计算,并输出洪灾经济损失的计算结果。(图1.1)

根据基于BP算法的洪灾损失评估模型及其结论，对比经济合作与发展组织研究报告和该模型的优缺点，并可以指出经济合作与发展组织研究报告中的支撑数据不合理。

可根据问题一的结论分析问题二和问题三，并在考虑中加入普通百姓的心理因素、对当下信息时代的分析、深圳市的经济发展以及洪涝灾害损失评估的后续研究。

图1.1模型路线框架图

四、模型假设

五、符号说明与名称解释

六、模型的建立与求解（问题分析、公式推导、基本模型、最终简化模型等）

七、模型检验（结果表示、分析与检验、误差分析）

八、模型评价

九、参考文献

十、附录（图片、表格、程序代码）

①深圳气候特点

https://www.360docs.net/doc/1a9070741.html,/article/ZhuanTi/dy/cpxl/2009/04/03/4dcb9fcadc0 c7.html

②刘小生余豪峰.基于GIS和BP神经网络的洪灾损失评估模型的研究.工程勘察,2009,(4) : 72-74