大型地震应急物资需求动态预测模型研究

《大型地震应急物资需求动态预测模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文大型地震应急物资动态需求预测模型研究ARESEARCHOFDYNAMICDEMANDFORECASTINGMODELFORLARGEEARTHQUAKEEMERGENCYSUPPLIES吴斯亮哈尔滨工业大学2012年6月国内图书分类号：F252学校代码：10213国际图书分类号：364密级：公开管理学硕士学位论文大型地震应急物资需求动态预测模型研究硕士研究生：吴斯亮导师：马维忠教授申请学位：管理学硕士学科：管理科学与工程所在单位：管理学院答辩日期：2012年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:F252U.D.

2、C:364DissertationfortheMasterDegreeinManagementARESEARCHOFDYNAMICDEMANDFORECASTINGMODELFORLARGEEARTHQUAKEEMERGENCYSUPPLIESCandidate：WuSiliangSupervisor：Prof.MaWeizhongAcademicDegreeAppliedfor：MasterofManagementSpeciality：ManagementScienceandEnginerringAffiliation：SchoolofManag

3、ementDateofDefence：June,2012Degree-Conferring-Institution：HarbinInstituteofTechnology摘要摘要中国是一个地震灾害较为严重的国家，近年来发生的几次大型地震带来了巨大的人员伤亡和财产损失，使得人们越来越重视地震救援的研究，其中获取灾情信息的能力是衡量救援水平的重要指标。本文针对大型地震灾害，选择了与人口数量关系密切的救援物资，进行应急物资需求动态预测。采用间接的预测方法，设计了一套预测方案，建立地震相似案例集，使用基于递归神经网络的时间序列预测震后每日死亡人数，最后根据

4、人口与应急物资需求公式计算灾区每日的物资需求。文中首先选择地震属性集，通过欧式距离法判定出部分与目标案例相似的案例为案例集，作为样本数据。然后对比了多种时间序列预测的方法，选用了能够进行动态预测的递归神经网络，将时间序列预测与递归神经网络预测相结合，形成了基于递归神经网络的时间序列预测方法，并讨论了神经网络的泛化能力，使其适用于新鲜样本的预测。最后，为了最大程度的确保灾区应急物资的供应，将安全库存也纳入考虑，在物资需求公式引入了需求提前期。最后，以2008年汶川地震为例，对本文提出的模型进行了验证，并给出了预测结果，与实际数据进行了比较，实现了应急

5、物资的动态需求预测，对物资调配和救援工作起到了一定的指导作用。关键词：应急物资需求；动态预测；递归神经网络；时间序列预测-I-AbstractAbstractChinaalwayshaslotsofseriousearthquakedisasters.Inrecentyearsthelargeearthquakehappenedafewtimeswithgreatcasualtiesandpropertylossesmakespeoplepaymoreandmoreattentiontotheresearchofearthquakerelief.A

6、mongthemtheabilityofachievingdisasterinformationisanimportantmeasure.Thisarticleaimsatthoselargeearthquakedisastersandchoosesthosereliefsupplieswhichhaveacloserelationshipwiththepopulationinvolved,expectingtopredictthedynamicdemandofemergencysupplies.Usinganindirectpredictionm

7、ethoddesignasetofpredictionschemes.First,thearticleestablishesasimilarearthquakecaseset.Thenitusesarecursiveneuralnetworkbasedontimeseriestopredictthenumberoftheearthquakedailydeath.Finally,itcalculatesthedailymaterialrequestofthedisasterareasaccordingtothepopulationandemergen

8、cysuppliesdemandformula.Thispaperfirstchoosestheseismicattrib