基于粗糙集RBF神经网络村镇山洪灾害损失预测研究——以神农架林区为例

• 作者: 何亚伯 李祎琛 汪洋
• 来源期刊: 灾害学
• 学科: 地球科学
• 关键词: 山洪灾害 损失预测 粗糙集 RBF神经网络
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 探索·青年与灾害
• 页码范围: 227-236
• 页数: 10页
• 分类号: X43|P648
• 字数: 6311字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-811X.2017.02.040

摘要

以神农架林区为研究对象,从致灾因子、孕灾环境、承灾体因素以及区域应灾能力四个角度选取山洪灾害损失预测因子,并利用粗糙集对预测因子进行约简,以实现对预测模型输入指标的优化,针对山洪灾害损失作用机理的复杂性、不确定性,选择RBF神经网络模型对灾害损失进行预测.结果显示粗糙集理论方法可以有效地判别提取与山洪灾害密切相关的预测因子,显著地提高了模型对灾害损失的预测精度;基于粗糙集RBF神经网络模型对山洪灾害损失的拟合效果较好,预测精度高,相对误差普遍保持在3%左右,改进后的模型具有较高的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何亚伯	武汉大学土木建筑工程学院	77	676	14.0	22.0
2	汪洋	武汉大学土木建筑工程学院	86	405	11.0	16.0
3	李祎琛	武汉大学土木建筑工程学院	5	47	4.0	5.0