陳仕鴻 羅子生 唐丹玲 陳舒揚(yáng) 孫雪

摘要：臺(tái)風(fēng)災(zāi)害的評(píng)估信息是對(duì)防臺(tái)減災(zāi)工作關(guān)鍵的決策輔助信息。本文以臺(tái)風(fēng)氣象數(shù)據(jù)和災(zāi)害歷史數(shù)據(jù)為基礎(chǔ)，設(shè)計(jì)和開發(fā)了廣東臺(tái)風(fēng)災(zāi)害評(píng)估系統(tǒng)。系統(tǒng)包含臺(tái)風(fēng)災(zāi)害評(píng)估、臺(tái)風(fēng)路徑查詢、歷史臺(tái)風(fēng)災(zāi)害數(shù)據(jù)查詢與分析三個(gè)功能模塊。其中臺(tái)風(fēng)路徑查詢基于百度地圖產(chǎn)API接口開發(fā)，臺(tái)風(fēng)災(zāi)害評(píng)估系統(tǒng)基于由GA-Elman神經(jīng)網(wǎng)絡(luò)、支持向量回歸機(jī)（SVR）和廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN） 3種模型組合而成的組合模型，評(píng)估結(jié)果更加穩(wěn)定、精確，可以為防臺(tái)減災(zāi)工作提供決策信息。

關(guān)鍵詞：臺(tái)風(fēng)災(zāi)害評(píng)估；系統(tǒng)設(shè)計(jì)與開發(fā)；組合模型；廣東省

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）31-0186-03

Design and Development of Guangdong Typhoon Disaster Assessment System

CHEN Shi-hong 1， LUO Zi-sheng1， TANG Dan-ling 2， CHEN Shu-yang 1， SUN Xue 1

（1.Guangdong University of Foreign Studies， Guangzhou 510006， China； 2.State Key Laboratory of Tropical Oceanography， South China Sea Institute of Oceanology， Chinese Academy of Sciences， Guangzhou 510301， China）

Abstract： Information of typhoon disaster assessment is critical decision support information for disaster reduction. This paper introduces the design and development of an new Guangdong typhoon disaster assessment system， based on the typhoon disaster meteorological data and historical disaster data. The system contains three functional modules， including typhoon disaster assessment， typhoon path query， historical data query and analysis typhoon. The typhoon path query based Baidu Maps API interfaces development capacity. Typhoon disaster assessment system based on three- model- combination； the three- model- combination are combined by GA-Elman neural networks， support vector regression （SVR）， and generalized regression neural network （GRNN）. Assessment results are more stable， accurate， can provide decision-making information for the typhoon disaster reduction.

Key words： typhoon disaster assessment； system design and development； combined model； guangdong province

1 概述

我國(guó)沿海地區(qū)飽受臺(tái)風(fēng)侵?jǐn)_，臺(tái)風(fēng)是我國(guó)僅次于洪澇和干旱的第三大自然災(zāi)害。廣東省是我國(guó)受臺(tái)風(fēng)侵襲最嚴(yán)重的省份。2015年10月強(qiáng)臺(tái)風(fēng)“彩虹”在廣東湛江沿海登陸，登陸時(shí)中心附近最大風(fēng)力有15級(jí)（50米/秒）?！安屎纭痹斐蓮V東省316.7萬人受災(zāi)，10人死亡，4人失蹤，直接經(jīng)濟(jì)損失125.3億元[1]。由于全球溫室效應(yīng)，氣象異常，臺(tái)風(fēng)災(zāi)害變得更加嚴(yán)重。因此，聯(lián)合國(guó)國(guó)際減災(zāi)戰(zhàn)略計(jì)劃把提高災(zāi)害風(fēng)險(xiǎn)意識(shí)和加強(qiáng)災(zāi)害風(fēng)險(xiǎn)管理作為可持續(xù)發(fā)展的重要組成部分，進(jìn)而建立具有較強(qiáng)、較全面的防災(zāi)抗災(zāi)能力的和諧社會(huì)，來減輕災(zāi)害對(duì)人類、社會(huì)、經(jīng)濟(jì)與環(huán)境造成的損失[2]。

災(zāi)害風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警評(píng)估是防臺(tái)減災(zāi)的重要基礎(chǔ)，重視對(duì)臺(tái)風(fēng)災(zāi)害危險(xiǎn)性、承災(zāi)體脆弱性的監(jiān)測(cè)，加強(qiáng)災(zāi)害預(yù)測(cè)和評(píng)估系統(tǒng)的建設(shè)，加強(qiáng)防災(zāi)減災(zāi)設(shè)施的建設(shè)是當(dāng)前防災(zāi)工作和災(zāi)害研究的當(dāng)務(wù)之急[3]。防臺(tái)減災(zāi)過程中臺(tái)風(fēng)災(zāi)情預(yù)估是指導(dǎo)防災(zāi)救災(zāi)工作的重要信息。如何及時(shí)準(zhǔn)確獲得臺(tái)風(fēng)災(zāi)情評(píng)估信息，一直是防臺(tái)減災(zāi)工作的瓶頸。

臺(tái)風(fēng)災(zāi)害具有破壞性大、突發(fā)性強(qiáng)的特點(diǎn)，及時(shí)掌握災(zāi)情信息是抗災(zāi)救災(zāi)的關(guān)鍵。由于影響臺(tái)風(fēng)災(zāi)情的因素眾多，關(guān)系復(fù)雜，傳統(tǒng)的人工經(jīng)驗(yàn)預(yù)判存在很大的誤差；而精確的統(tǒng)計(jì)結(jié)果又過于遲緩。因此，如何快速準(zhǔn)確的評(píng)估臺(tái)風(fēng)災(zāi)情成為眾多學(xué)者的研究?jī)?nèi)容[4]。目前，國(guó)內(nèi)學(xué)者對(duì)臺(tái)風(fēng)災(zāi)害評(píng)估的系統(tǒng)研究還很缺乏，有利用神經(jīng)網(wǎng)絡(luò)模型構(gòu)建臺(tái)風(fēng)災(zāi)害評(píng)估系統(tǒng)[5]，和利用GIS（地理信息系統(tǒng)）軟件建立致災(zāi)因子圖層、孕災(zāi)環(huán)境圖層、承災(zāi)體圖層，再結(jié)合GIS軟件圖層疊加的功能得到災(zāi)情分布圖[6，7]。本文以廣東省臺(tái)風(fēng)為研究對(duì)象，開發(fā)廣東臺(tái)風(fēng)災(zāi)害評(píng)估系統(tǒng)，評(píng)估結(jié)果更加穩(wěn)定、精確。

2系統(tǒng)設(shè)計(jì)

本文在分析多種評(píng)估模型的基礎(chǔ)上，提出了基于組合模型的評(píng)估方法，并以廣東臺(tái)風(fēng)的數(shù)據(jù)作為模型訓(xùn)練樣本數(shù)據(jù)，設(shè)計(jì)和開發(fā)廣東臺(tái)風(fēng)災(zāi)害評(píng)估系統(tǒng)。系統(tǒng)采用模塊化設(shè)計(jì)模式，主要包含臺(tái)風(fēng)災(zāi)害評(píng)估、臺(tái)風(fēng)路徑查詢、歷史臺(tái)風(fēng)災(zāi)害數(shù)據(jù)查詢與分析三個(gè)功能模塊。系統(tǒng)底層數(shù)據(jù)庫選用ACCESS 2010。歷史臺(tái)風(fēng)災(zāi)害數(shù)據(jù)查詢是對(duì)災(zāi)害數(shù)據(jù)表的選擇查詢操作。臺(tái)風(fēng)路徑查詢是根據(jù)臺(tái)風(fēng)中心位置取樣的經(jīng)緯度，百度地圖Api顯示出來。臺(tái)風(fēng)災(zāi)害評(píng)估模塊，建立GA-Elman神經(jīng)網(wǎng)絡(luò)、支持向量回歸機(jī)（SVR）、廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）3種模型組合而成的綜合評(píng)估模型。模型用Matlab軟件實(shí)現(xiàn)，并生成DLL供系統(tǒng)調(diào)用。系統(tǒng)體系結(jié)構(gòu)圖如圖1所示。

圖1 系統(tǒng)體系結(jié)構(gòu)圖

3 數(shù)據(jù)庫設(shè)計(jì)

數(shù)據(jù)庫是臺(tái)風(fēng)災(zāi)害損失評(píng)估的基礎(chǔ)，本系統(tǒng)數(shù)據(jù)庫數(shù)據(jù)中，臺(tái)風(fēng)路徑、中心氣壓、大風(fēng)及降雨量數(shù)據(jù)取自《熱帶氣旋年鑒》、溫州臺(tái)風(fēng)網(wǎng)①和中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)②；臺(tái)風(fēng)災(zāi)害直接經(jīng)濟(jì)損失數(shù)據(jù)取自《中國(guó)氣象災(zāi)害大典：廣東卷》和《廣東防災(zāi)減災(zāi)年鑒》，GDP、人口和耕地面積源于《廣東統(tǒng)計(jì)年鑒》，GDP和損失金額按廣東省物價(jià)指數(shù)基準(zhǔn)進(jìn)行了換算。臺(tái)風(fēng)災(zāi)害的主要類型有暴雨災(zāi)害、狂風(fēng)災(zāi)害等。因此，選用熱帶氣旋影響到廣東時(shí)的最低氣壓、最大風(fēng)速、降雨量、持續(xù)時(shí)間、影響范圍作為評(píng)價(jià)指數(shù)的關(guān)鍵因子。影響范圍用不同級(jí)別的降雨量和風(fēng)速的站點(diǎn)數(shù)量來表示。考慮到早期的臺(tái)風(fēng)資料不全、失真數(shù)據(jù)較多，參考意義不大，經(jīng)分析，舍去1992年以前的臺(tái)風(fēng)數(shù)據(jù)，選取在1993～2009年影響廣東的67個(gè)臺(tái)風(fēng)數(shù)據(jù)作為樣本。

數(shù)據(jù)庫由臺(tái)風(fēng)路徑數(shù)據(jù)表、臺(tái)風(fēng)雨量數(shù)據(jù)表、臺(tái)風(fēng)損失數(shù)據(jù)表、地理信息數(shù)據(jù)表、人口信息數(shù)據(jù)表、經(jīng)濟(jì)信息數(shù)據(jù)表等數(shù)據(jù)表構(gòu)成。各數(shù)據(jù)表的屬性、類型及表示含義如表1、表2所示。

表1 臺(tái)風(fēng)路徑表

[字段名＼&類型＼&說明＼&臺(tái)風(fēng)編號(hào)＼&字符（6）＼&＼&日期時(shí)間＼&日期/時(shí)間＼&記錄的時(shí)間間隔為半小時(shí)＼&風(fēng)力等級(jí)＼&整型＼&＼&中心風(fēng)速＼&整型＼&＼&臺(tái)風(fēng)強(qiáng)度＼&字符（4）＼&類別有熱帶風(fēng)暴、臺(tái)風(fēng)、強(qiáng)臺(tái)風(fēng)等＼&中心位置經(jīng)度＼&小數(shù)＼&＼&中心位置緯度＼&小數(shù)＼&＼&風(fēng)速＼&整型＼&＼&中心氣壓＼&整型＼&＼&移速移向＼&字符（10）＼&＼&七級(jí)風(fēng)圈＼&整型＼&＼&十級(jí)風(fēng)圈＼&整型＼&＼&]

表2 臺(tái)風(fēng)災(zāi)害評(píng)估表

[字段名＼&類型＼&說明＼&臺(tái)風(fēng)編號(hào)＼&字符（6）＼&＼&最大過程降雨量＼&整型＼&＼&最大日降水量＼&整型＼&＼&降雨強(qiáng)度＼&整型＼&日降雨量大于100和50mm的站點(diǎn)數(shù)＼&降雨影響范圍＼&整型＼&過程降雨量大于300、200、100和50mm的站點(diǎn)數(shù)＼&過程最大風(fēng)速＼&整型＼&＼&大風(fēng)影響范圍＼&整型＼&風(fēng)速大于7級(jí)的站點(diǎn)數(shù)＼&強(qiáng)風(fēng)影響范圍＼&整型＼&風(fēng)速大于10級(jí)的站點(diǎn)數(shù)＼&最低氣壓＼&整型＼&＼&存留時(shí)間＼&整型＼&單位為小時(shí)＼&登陸點(diǎn)＼&整型＼&登陸地點(diǎn)分為3類，即粵西、珠江口和粵東＼&人均GDP＼&小數(shù)＼&統(tǒng)計(jì)范圍是臺(tái)風(fēng)過程降雨量大于50的站點(diǎn)所在的區(qū)域＼&人均耕地面積＼&小數(shù)＼&人口密度＼&小數(shù)＼&直接經(jīng)濟(jì)損失＼&小數(shù)＼&＼&]

4 系統(tǒng)實(shí)現(xiàn)與展示

4.1 臺(tái)風(fēng)路徑查詢與顯示

百度地圖應(yīng)用程序編程接口（API）為百度公司免費(fèi)提供的基于百度地圖服務(wù)的應(yīng)用接口，提供網(wǎng)絡(luò)地理信息系統(tǒng)的基本功能。本系統(tǒng)借助百度地圖API進(jìn)行二次開發(fā)，根據(jù)臺(tái)風(fēng)間隔每半小時(shí)的中心位置為節(jié)點(diǎn)，以點(diǎn)線連接起來動(dòng)態(tài)顯示臺(tái)風(fēng)的路徑。節(jié)點(diǎn)在不同的強(qiáng)度用不同的顏色顯示，如圖2所示。

圖2 臺(tái)風(fēng)路徑查詢與顯示界面

4.2 臺(tái)風(fēng)災(zāi)害評(píng)估

組合預(yù)測(cè)是使用多種預(yù)測(cè)方法對(duì)同一預(yù)測(cè)對(duì)象進(jìn)行預(yù)測(cè)，在此基礎(chǔ)上通過加權(quán)組合形成一個(gè)預(yù)測(cè)模型，以提高預(yù)測(cè)精度的方法[6]。 組合預(yù)測(cè)方法就是利用兩種或兩種以上不同的單項(xiàng)預(yù)測(cè)法對(duì)同一預(yù)測(cè)對(duì)象進(jìn)行預(yù)測(cè)，根據(jù)各組合中各模型的可信度，設(shè)置模型權(quán)重wi，i=1，2，…，n，根據(jù)各單項(xiàng)模型的預(yù)測(cè)結(jié)果做適當(dāng)?shù)募訖?quán)平均，預(yù)測(cè)結(jié)果為：

[][Y=wi×yi，i=1，2，???，n] （1）

式（1）中[yi]為各單項(xiàng)模型的預(yù)測(cè)結(jié)果。常用的定權(quán)方法有等權(quán)平均法、方差-協(xié)方差法等。本系統(tǒng)建立基于GA-Elman神經(jīng)網(wǎng)絡(luò)、SVR和GRNN三種模型組合評(píng)估模型。采用等權(quán)平均法，即3種模型的權(quán)重均為1/3。模型用Matlab軟件實(shí)現(xiàn)，并生成DLL供系統(tǒng)調(diào)用。經(jīng)過多次測(cè)試，系統(tǒng)的評(píng)估誤差為30%左右，誤差率在可接受的范圍內(nèi)。系統(tǒng)根據(jù)損失評(píng)估結(jié)果自動(dòng)生成抗災(zāi)響應(yīng)措施，如圖3所示。

圖3 臺(tái)風(fēng)災(zāi)害評(píng)估界面

5 結(jié)語

臺(tái)風(fēng)災(zāi)害評(píng)估的結(jié)果對(duì)防臺(tái)減災(zāi)起著關(guān)鍵的決策輔助作用。本系統(tǒng)以廣東省臺(tái)風(fēng)災(zāi)害為研究對(duì)象，基于歷史災(zāi)害數(shù)據(jù)庫，構(gòu)建臺(tái)風(fēng)災(zāi)情評(píng)估組合模型，得到不錯(cuò)的效果，具有一定的應(yīng)用價(jià)值。如果加大可供模型訓(xùn)練的有效數(shù)據(jù)量，模型的精度可望進(jìn)一步提高[3]。另外，模型評(píng)估的結(jié)果主要是全省的經(jīng)濟(jì)損失之和，尚沒有細(xì)化的具體區(qū)域， 如果結(jié)合采用GIS軟件，分析研究區(qū)域的承災(zāi)體、孕災(zāi)環(huán)境，再與風(fēng)雨值進(jìn)行GIS圖層疊加，可以模擬得到研究區(qū)域的受災(zāi)輕重分布。

注釋：

① 網(wǎng)址為：http：//www.wztf121.com

② 網(wǎng)址為：http：//cdc.cma.gov.cn

參考文獻(xiàn)：

[1] 民政部. 國(guó)家減災(zāi)委、民政部緊急啟動(dòng)國(guó)家四級(jí)救災(zāi)應(yīng)急響應(yīng) 協(xié)助廣西壯族自治區(qū)做好暴雨洪澇災(zāi)害救災(zāi)工作[EB/OL]. http：//www.jianzai.gov.cn/DRpublish/ztzl/0000000000013817.html ， 2015-10-05.

[2] IPCC. Climate Change 2013： The Physical Science Basis Summary for Policymakers. http：//www.climatechange2013.org/images/uploads/WGIAR5-SPM_Approved27Sep2013.pdf.2013

[3] 隋廣軍，唐丹玲.臺(tái)風(fēng)災(zāi)害評(píng)估與應(yīng)急管理[M].北京：科學(xué)出版社，2015：346-384.

[4] DanLing TANG，Guangjun SUI， 2014，"Typhoon Impact and Crisis Management"， Springer. （ISBN： 978-3-642-40694-2 （Print）， 978-3-642-40695-9 （Online）.pp439-459.

[5] 陳仕鴻， 隋廣軍，陽愛民.廣東省臺(tái)風(fēng)災(zāi)情預(yù)測(cè)系統(tǒng)研究[J].自然災(zāi)害學(xué)報(bào)， 2012，21（3）：50-55

[6] 王勝，田紅，謝五三.基于GIS技術(shù)的臺(tái)風(fēng)災(zāi)害風(fēng)險(xiǎn)區(qū)劃研究——以安徽省為例[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2012（1）.

[7] 劉少軍， 張京紅，何政偉，等.基于GIS的臺(tái)風(fēng)災(zāi)害損失評(píng)估模型研究[J]. 災(zāi)害學(xué)，2010，25（2）：64-67.

[8] 孫惠子，粟曉玲，昝大為.基于最優(yōu)加權(quán)組合模型的枯季徑流預(yù)測(cè)研究[J]. 西北農(nóng)林科技大學(xué)學(xué)報(bào)：自然科學(xué)版， 2011，39（11）：201-208.