多种权重与信息扩散相结合的灾害风险评估模型的比较研究

用基于遗传-投影寻踪的分类权重、基于模糊理论的排序权重,和优化处理后得到的组合权重,分别和相应的按比例缩小的指标耦合,构造灾情指数序列和致灾源指数序列;通过二维正态扩散构造原始信息短阵、模糊关系矩阵,利用因素空间理论进行模糊近似推理,分别得到由致灾源因子近似估计灾情的风险估计值.结果表明,利用排序权重模型、组合权重模型计算输出的风险估计值与灾情指数序列基本一致;通过对这三种权重模型的风险估计值误差计算、灾情的风险估计值与灾情指数序列相关性计算、一致性检验以及K-S测试的比较分析发现,组合权重模型比分类权重和排序权重模型更能反映华南TCs灾害风险状况.     

基于组合权重和模糊随机方法的台风灾害风险评估

利用2000~2016年登陆华南地区的24个台风样本的灾情与致灾源数据,建立台风灾害风险评估模型。首先,运用层次分析法和熵权法构建一种新的组合权重;然后,利用组合权重构建灾情指数序列和致灾源指数序列,计算每个台风灾害风险值,并将风险值从小到大划分为五个区间;最后,采用模糊随机方法建立华南地区台风灾害模糊风险评估模型,计算得到五个风险等级区间的模糊可能性,以此来表示各等级台风灾害发生的可能性大小。结果表明,基于组合权重构造的灾情指数序列与致灾源指数序列相关性较强;华南地区发生第二风险等级台风灾害的可能性最大,发生第五风险等级台风灾害的可能性最小,与实际情况较为吻合。     

台风致洪灾害的广义模糊熵模型研究

根据台风致洪灾害系统的复杂性、不确定性以及模糊性等特点,构造灾情指数与致灾源指数,建立基于模糊聚类下的灾害风险熵模型,讨论灾害风险熵与灾害的致灾源、灾情的相关程度;对灾害风险熵进行核密度估计,根据估计曲线的峰值讨论中小尺度灾害与极端灾害各自概率分布情况。通过研究灾情与各致灾源的Kullback-Leibler距离,讨论各灾情指标与致灾源分布贴近程度;运用三种不同的回归方法对台风致洪灾害的风险熵进行回归分析,建立基于支持向量机的非线性组合回归模型。结果表明,灾害风险熵与致灾源因子、灾情有较高的负相关性;所构建的组合回归模型的回归效果较三个单项回归有显著提高。     

洪涝灾害的超概率评估与伯努利预测模型研究

科学选取灾情评价指标,构造基于组合权重的洪涝灾情指数序列,利用样本的模糊信息,通过集值化的模糊数学处理,建立灾情指数的超概率评估模型。同时,采用粒子群算法以及两阶段寻优方法求解模型中的参数r,以构造基于粒子群的灾情指数与灾变年的非线性伯努利预测模型,并将预测模型运用于广西洪涝灾情指数和灾变年预测中.结果表明,广西发生中灾以上洪涝灾害年份的超越概率是0.3175.从2013年起五年内,发生中灾以上年份是2014年和2017年,与实际灾情拟合较好;此外,将构造的伯努利模型与GM(1,1)模型和Verhulst模型进行对比分析后发现,非线性伯努利模型更适合做洪涝灾情指数预测和灾变年预测.     

基于聚类与回归方法的台风灾情统计评估

中国位于太平洋西岸,台风灾害对沿海地区的社会经济发展构成了严重威胁。本文以广东省为例,对台风所造成的灾情建立了灾情指数序列,采用有序样品聚类方法对灾情划分等级;并以灾情指数为因变量,探讨致灾因子与灾情因子之间的相关关系,建立了台风灾情预评估模型,并对模型进行了相关统计检验和实证分析,结果表明建立的统计模型具有较好的灾情预评估能力,可为台风减灾防灾决策提供参考。     

基于Copula函数的华南台风灾情重现期研究

利用1981-2014年华南台风灾情数据,选取受灾人口、农作物受灾面积和直接经济损失,应用Copula函数理论,计算灾情重现期,分析台风灾害的灾情.首先,借助Clayton Copula函数构造三变量的联合分布,计算单变量重现期、联合重现期及同现重现期,并求出该重现期下的设计值.计算结果表明联合重现期的设计值要优于单变量重现期和同现重现期的设计值．因此,选取联合重现期的设计值作为防灾标准的最优参考,并将联合重现期记为灾情重现期．然后,计算2015-2017年登陆华南台风灾害的灾情重现期,并对台风灾害的灾情进行分析．发现台风灾情重现期越长的台风造成的灾情越严重．最后,利用灾情重现期与致灾重现期对台风灾害的发生频率作综合性分析,可以为台风灾害的风险评估提供一种新思路．     

利用Elman神经网络模型评估广东热带气旋灾情

热带气旋灾情评估是防台减灾工作的重要环节.介绍的Elman神经网络的基本原理,并将Elman神经网络应用于广东省热带气旋灾害经济损失评估中.选取14个评估因子,选用1998²008年影响广东的36个台风作为数据样本,再运用主成分分析法降维处理,构建了基于Elman神经网络和基于BP神经网络的评估模型,分析结果显示,基于Elman神经网络模型的评估结果均方误差为0.953,平均误差率为17.76%,优于BP神经网络.研究的模型可实际应用于广东省实际热带气旋灾害经济损失评估,为防台减灾工作提供决策信息.     

基于深度置信网络的影响广西热带气旋年频数预测方法研究

以气候系统监测指数集、NCEP/NCAR高度场和海温场逐月再分析资料为基础,将影响广西的热带气旋年频数作为预报量,先利用随机森林方法通过计算袋外数据误差判断特征变量重要性的能力,进行随机森林算法(Random Forest,RF)的热带气旋年频数预报因子重要度的分析,再进一步采用由多层无监督学习的受限玻尔兹曼机和一层有监督学习的BP网络构成的深度置信网络(Deep Belief Networks,DBN),建立了基于非线性深度学习的热带气旋年频数预测模型.在预报因子、预报建模样本及独立预报样本相同的情况下,分别采用这种深度学习预测建模方法和逐步回归方法对影响广西的热带气旋年频数进行了预报试验.结果表明,采用这种基于随机森林算法的深度置信网络预测建模分析方法,对10年(2009年-2018年)独立预报样本的预报结果比逐步回归预测模型具有更高的预测精度,其预测平均绝对误差为1.30个,而逐步回归方法的预报平均绝对误差为2.05个;在预测评分上,新模型的预测评分为83.33分,高于逐步回归方法的预测评分73.68分.进一步地,应用新模型对2019-2020年热带气旋年频数进行实际业务预测也获...     

基于Copula函数的华南台风极端灾害的重现期研究

利用1981-2014年华南地区的台风灾害数据,通过计算致灾因子的重现期来预测台风极端灾害频率,评估台风极端灾害的受灾程度.选取最大风速极值(X)和中心气压极值(Y)为研究变量,经过K-S检验选取最优的对数正态分布、正态分布分别作为X、Y的边缘分布,再通过Frank Copula函数构造联合分布,计算单变量重现期、联合重现期及同现重现期,并求出变量X与Y的设计值.计算结果发现,重现期不超过两年时,联合重现期的设计值要优于单变量重现期和同现重现期的设计值"重现期超过两年时,同现重现期的设计值要优于单变量重现期和联合重现期的设计值.最后以2015年至2017年台风中的X与Y作为输入,其重现期作为输出进行检验,结果与设计的组合重现期对比最优.研究结果表明,重现期小于等于两年时,选取联合重现期的设计值作为防灾标准"重现期大于两年时,选取同现重现期的设计值作为防灾标准,且致灾因子的重现期越长,台风极端灾害就越严重.     

直觉模糊矩阵幂序列的收敛准则

首先,给出直觉模糊矩阵幂的隶属度和非隶属度的表达形式.其次,定义直觉模糊矩阵的最小正周期数和收敛指数,得到单增的直觉模糊矩阵幂序列是收敛的结论.最后,给出直觉模糊矩阵幂序列收敛的两个充分条件.     

The numerically stable reconstruction of a Jacobi matrix from spectral data

We show how to construct, from certain spectral data, a discrete inner product for which the associated sequence of monic orthogonal polynomials coincides with the sequence of appropriately normalized characteristic polynomials of the left principal submatrices of the Jacobi matrix. The generation of these orthogonal polynomials via their three-term recurrence relation, as popularized by Forsythe, then provides a stable means of computing the entries of the Jacobi matrix. Our construction provides, incidentally, very simple proofs of known results concerning the existence and uniqueness of a Jacobi matrix satisfying given spectral data and its continuous dependence on those data.     

Constructing a sequence of discrete Hessian matrices of an SC 1 function uniformly convergent to the generalized Hessian matrix

We construct a uniform approximation for generalized Hessian matrix of an SC ¹ function. Using the discrete gradient and the extended second order derivative, we define the discrete Hessian matrix. We construct a sequence of sets, where each set is composed of discrete Hessian matrices. We first show some new properties of SC ¹ functions. Then, we prove that for SC ¹ functions the sequence of the set of discrete Hessian matrices is uniformly convergent to the generalized Hessian matrix.      

基于模糊Borda法的毕节地区干旱灾害风险组合评价研究

以贵州省毕节地区的8个市、县作为研究对象,从形成干旱灾害风险的危险性、暴露性、脆弱性和防灾减灾能力等4个因素考虑,选取气温、降水、日照百分率等方面的23个指标,构建了毕节地区干旱灾害风险评价指标体系.首先,针对区域干旱灾害风险评价指标定量描述的不确定性和评价结果等级判定的不确定性,构建了基于正态云模型和熵权法的区域干旱灾害风险评价模型;然后,用此模型和干旱灾害风险指数模型分别进行了实证测评;最后,利用模糊Borda法对两种单一方法的评价结果进行组合,得出组合评价结果.与单一方法相比,组合评价结果具有较高的可信度,从而为各级政府更为有效的指导防灾和备灾,减少旱灾损失提供了决策依据;有助于更为有效的对干旱灾害进行早期预警;有助于抗旱应急预案的编制.     

基于模糊分类的多维定性数据的统计分析

在多维定性数据处理的问题中,不仅要研究变量之间的关系、样本之间的关系,还需研究样本与变量之间的关系,从而对潜在样本群子结构水平及其类型特征进行分析。本文采用对偶标度统计方法利用设计矩阵变换将原始多维定性数据进行类型特征分析,并在此基础上建立了基于模糊分类的直方图,表现出了潜在样本群的特征及其子结构之间的差异与联系。文章以分析儿童主体品质发展规律为例,说明此方法的有效性。     

Subsampling Unit Root Tests for Heavy-Tailed Observations

It is shown that the subsampling methodology can be used to develop unit root tests when the noise sequence is heavy-tailed with infinite variance. Using least-squares residuals, we construct processes which approximately satisfy the null hypothesis and then, using subsampling, we approximate the null distribution of test statistics. We establish the asymptotic validity of this method and demonstrate its applicability in finite samples by means of a simulation study and a data example.     

On the spectral radius of unicyclic graphs with prescribed degree sequence

We consider the set of unicyclic graphs with prescribed degree sequence. In this set we determine the (unique) graph with the largest spectral radius (or index) with respect to the adjacency matrix. In addition, we give a conjecture about the (unique) graph with the largest index in the set of connected graphs with prescribed degree sequence.     

基于社会网络分析的评价模型研究

本文的主要工作是通过社会网络分析法构建评价模型解决多属性决策问题。首先,根据评价对象的指标数据信息构造单个评价指标的关系矩阵;然后,将所有单个指标的关系矩阵进行合成,构造综合所有评价指标数据信息的总关系矩阵;最后,利用总关系矩阵计算评价对象的中心性,并根据中心性大小确定评价对象的评价结果和排序。本文还以辽宁省人的全面发展评价为例进行了实证,实证过程验证了评价模型的有效性。本文的主要创新与特色是利用社会网络分析可以确定元素之间关系的特点,通过评价指标的数据构造评价指标的关系矩阵,反映了指标数据的大小关系,在不需要计算指标权重和指标打分的情况下,通过对总关系矩阵的中心性分析确定出评价对象的排序关系,解决了多属性决策问题。     

On some constructive methods for the matrix Riemann–Hilbert boundary-value problem

In this paper we consider the relations between the Riemann–Hilbert monodromy problem and the matrix Riemann–Hilbert boundary-value problem with piecewise continuous coefficient and construct the so-called canonical matrix for the boundary-value problem for a piecewise continuous matrix-function. The formula for the calculation of the index is also obtained.     

On Burr XII Distribution Analysis Under Progressive Type-II Hybrid Censored Data

In the current paper, based on progressive type-II hybrid censored samples, the maximum likelihood and Bayes estimates for the two parameter Burr XII distribution are obtained. We propose the use of expectation-maximization (EM) algorithm to compute the maximum likelihood estimates (MLEs) of model parameters. Further, we derive the asymptotic variance-covariance matrix of the MLEs by applying the missing information principle and it can be utilized to construct asymptotic confidence intervals (CIs) for the parameters. The Bayes estimates of the unknown parameters are obtained under the assumption of gamma priors by using Lindley’s approximation and Markov chain Monte Carlo (MCMC) technique. Also, MCMC samples are used to construct the highest posterior density (HPD) credible intervals. Simulation study is conducted to investigate the accuracy of the estimates and compare the performance of CIs obtained. Finally, one real data set is analyzed for illustrative purposes.