基于信息扩散理论的风暴潮风险分析

《基于信息扩散理论的风暴潮风险分析》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、基金项目：广东省自然科学基金博士启动项目（5301109）.作者简介：张俊香（1975—），女，山东菏泽人，助理研究员，博士.中国特大台风风暴潮灾害模糊风险评估张俊香温美丽李平日（广州地理研究所，广州510070）摘要：针对中国特大台风风暴潮灾害历史灾情资料不多的特点，引入了基于信息扩散理论的模糊风险评估模型，对中国特大台风风暴潮灾害进行了风险分析。分析结果意义清楚，可为风暴潮灾害风险管理、减灾措施与城市安全发展战略提供理论依据和科学工具。关键词：台风风暴潮风险评估信息扩散中图分类号：X431引言台风风暴

2、潮灾害居海洋灾害之首位。也是对中国威胁最大的灾害之一。台风风暴潮灾害不论经济损失还是人员伤亡，近年都处于明显增加的态势。自1949年至2000年的52年间，中国共发生最大增水1m以上的台风风暴潮289次；最大增水2m以上的严重台风风暴潮52次；最大增水3m以上的特大台风风暴潮10次。共造成132次台风风暴潮灾害，其中有20次特大风暴潮灾害[1]。2005年为我国沿海台风风暴潮重灾年。2005年7月18日至10月2日，我国沿海共发生11次台风风暴潮，其中“海棠”“麦莎”“泰利”“卡努”等9次台风风暴潮给我国

3、沿海省（直辖市、自治区）造成127人死亡，直接经济损失328.22亿元。台风风暴潮灾害已在很大程度上成为中国沿海地区公共安全的一个重要的威胁。虽然台风风暴潮灾害的风险不可能完全消除，但是其所带来的损失及其不利的影响，却可藉由风险管理方式予以限制或减轻。当对发生概率小而影响严重的特大风暴潮灾害进行风险评估时，我们将碰到历史灾情资料严重不足的问题。当样本不多时，所有样本提供给我们去认识风险的知识是不完备的，具有模糊不确定性[2]。为此，本文将基于信息扩散的模糊风险评估模型[3]用于分析中国特大风暴潮的风险问题

4、，对台风风暴潮的风险水平作一探讨，力求得到较为稳定并符合实际的风险分析结果。2台风风暴潮灾害风险定义对于沿海某一特定区域而言，当台风风暴潮的增水越过警戒水位后，就有可能发生风暴潮灾害。台风风暴潮灾害风险指未来若干年内可能达到的灾害程度及其发生的可能性。本文中对台风风暴潮灾害风险的数学描述如下：设为风暴潮灾害指标，年内关于的超越概率分布定义为风暴潮灾害风险。例如，设为致灾强度指标，有一些具体的量值组成，记（1）又设强度超越的概率为，，则概率分布（2）就称为台风风暴潮灾害的风险。53基于信息扩散理论的模糊风险

5、评估模型为确定风暴潮灾害的风险，通常的办法是进行设计水位的重现期分析，以确定防潮标准，这些标准以工程设施（如工厂、码头、核电站、港口等等）的不同要求而不同[4]。实际上，传统的风暴潮水位和海浪波高的重现期分析方法，是把水位看作独立的随机变量，在对水位资料进行统计的基础上通过计算它们年极值频率的方法，以了解每年出现该种水位的可能性。因此，它只表示平均每年超过某一水位的出现概率。如20年一遇的水位所表示的是平均每年超过该水位的概率为百分之五。这种重现期分析方法需要有大量的历史灾情资料支持。考虑到中国特大台风风

6、暴潮灾害历史灾情资料不多的特点，本文引入了基于信息扩散理论的风险评估模型对中国特大台风风暴潮灾害风险进行评估。信息扩散（InformationDiffusion）是为了弥补信息不足而考虑优化利用样本模糊信息的一种对样本进行集值化的模糊数学处理方法[5]。该方法可以将单值样本，变成集值样本。最简单的模型是正态扩散模型。设灾害指数论域为（3）一个单值观测样本依式（4）可以将其所携带的信息扩散给中的所有点。（4）其中，称为扩散系数，可根据样本集合中样本的最大值和最小值及样本个数来确定其计算公式为（5）令(6)相

7、应的模糊子集的隶属函数是（7）称为样本的归一化信息分布。对进行处理，便可得到一种效果较好的风险评估结果。令（8）5其物理意义是：由，经信息扩散推断出，如果灾害观测值只能取中的一个，在将均看作是样本代表时，观测值为的样本个数为个。显然，通常不是一个正整数，但一定是一个不小于零的数。再令（9）事实上就是各点上的样本数的总和，从理论上来讲，必有，但在数值计算时因有四舍五入的误差，与之间略有差别。易知(10)就是样本落在处的频率值，可作为概率的估计值。对于灾害指标，通常将取为式（3）中的指标论域，取为论域中的某一

8、个元素。显然，超越的概率值应为（11）就是我们所要求的风险估计值。表11949～2000年中国特大台风风暴潮灾害的最大风暴潮位中国台风编号及国外名称最大风暴潮（m）中国台风编号及国外名称最大风暴潮（m）5612Wanda5.028923Vera1.826508Freda2.579018Dot3.846903Viola3.029216Polly3.056911Elsie2.389417Fred2.947413Mary2.5696