本文選題：震災 + 震傷人員評估��； 參考：《系統(tǒng)工程》2016年08期

【摘要】：震傷人員的快速評估對統(tǒng)籌配備醫(yī)療資源和進一步預測廢墟受傷和失蹤人數十分關鍵。為提高震后受傷人員評估結果的可靠性,通過對影響震傷的關鍵性影響因子的提取,采用能夠有效處理模糊性和非線性指標的RBF神經網絡模型對震后受傷人員進行快速評估。從分析震后造成人員受傷的影響因子入手,從承載體減抗風險能力、暴露性和敏感性三個維度提出震傷人員預測指標體系;在受傷人員預測方法上,考慮指標的小樣本性、非線性和部分指標的模糊性特征,將模糊邏輯與神經網絡方法結合起來,采用動態(tài)優(yōu)化的徑向基(RBF)神經網絡方法,以提高評估模型的全局搜索和優(yōu)化能力,避免常規(guī)BP神經網絡較早陷入局部優(yōu)化的不足;案例結果顯示:與BP神經網絡訓練的絕對誤差3.24%相比,RBF神經網絡震傷人員評估模型的絕對誤差能夠降低至1.71%,精度提高47.2%,說明本文評估模型評估可靠性高、模型魯棒性強,能夠推廣于震災應急的管理決策之中。
[Abstract]:Rapid assessment of earthquake victims is critical to co-ordinating medical resources and further predicting the number of debris injured and missing. In order to improve the reliability of the evaluation results of post-earthquake injured people, the RBF neural network model, which can deal with the fuzzy and nonlinear indexes effectively, was used to evaluate the injured persons quickly by extracting the key influencing factors. Based on the analysis of the influencing factors of human injury after the earthquake, the prediction index system of earthquake injury personnel is put forward from the three dimensions of risk reduction, exposure and sensitivity of the carrier, and the small sample nature of the index is considered in the prediction method of the injured person. In order to improve the global searching and optimization ability of the evaluation model, the nonlinear and fuzzy characteristics of some indexes are combined with fuzzy logic and neural network method, and the radial basis function (RBF) neural network method of dynamic optimization is adopted to improve the global searching and optimization ability of the evaluation model. To avoid the deficiency of conventional BP neural network falling into local optimization earlier; The results show that compared with the absolute error of BP neural network training 3.24%, the absolute error of earthquake personnel evaluation model of RBF neural network can be reduced to 1.71 and the accuracy is increased by 47.2%. It shows that the evaluation model in this paper has high reliability and strong robustness. It can be extended to the management decision of earthquake emergency.
【作者單位】： 西南科技大學經濟管理學院;東北林業(yè)大學土木工程學院;
【基金】：教育部人文社科研究基金資助項目(16YJC630040) 省教育廳人文社科重點資助項目(15SA0034)
【分類號】：P315.9;TP183

【相似文獻】

相關期刊論文 前10條

1 馮德益;;神經網絡在地震研究中的應用[J];國際地震動態(tài);1993年06期

2 劉力輝,楊夢巖,康劍;模糊競爭神經網絡在地震微相劃分中的應用[J];石油學報;1998年01期

3 王永剛,曹丹平,朱兆林;神經網絡方法烴類預測中的問題探討[J];石油物探;2004年01期

4 王小完;楊樺;;神經網絡技術在礦體邊界圈定中的應用研究[J];金屬礦山;2009年02期

5 賀康;龐海榮;代粉蕾;;SOM神經網絡在全液壓鉆機液壓系統(tǒng)故障診斷中的應用[J];煤礦機械;2011年04期

6 孫玉學;謝建波;趙景原;歷艷明;王嬌;;應用量子神經網絡快速預測儲層敏感性[J];鉆采工藝;2012年05期

7 李文娟;姚竹亭;;基于自組織競爭神經網絡的地震預測[J];電子世界;2013年11期

8 霍潤科,劉漢東;神經網絡法在地下洞室圍巖分類中的應用[J];華北水利水電學院學報;1998年02期

9 吳洪詞,包太,張小彬,胡興;土本構模型的有限元—神經網絡耦合模擬[J];貴州工業(yè)大學學報;1999年02期

10 施云惠,阮秋琦;基于再生核神經網絡的斷層面模型重構[J];中國圖象圖形學報;2005年06期

相關會議論文 前10條

1 朱廣生;劉瑞林;;用神經網絡建立孔隙度預測模型[A];1992年中國地球物理學會第八屆學術年會論文集[C];1992年

2 張仲林;許金余;朱篤美;趙靖;范建設;;神經網絡在圍巖穩(wěn)定分析中的應用與研究[A];第十三屆全國結構工程學術會議論文集（第Ⅱ冊）[C];2004年

3 王靖濤;;建立巖土本構模型的反問題理論及神經網絡方法[A];新世紀巖石力學與工程的開拓和發(fā)展——中國巖石力學與工程學會第六次學術大會論文集[C];2000年

4 韓道范;謝靖;張讓;馬瑞杰;;自動識別巖性的基于距離的神經網絡系統(tǒng)[A];1994年中國地球物理學會第十屆學術年會論文集[C];1994年

5 曹張軍;王棟;;粒子群算法優(yōu)化的RBF神經網絡在巖溶地區(qū)的應用[A];風險分析和危機反應的創(chuàng)新理論和方法——中國災害防御協(xié)會風險分析專業(yè)委員會第五屆年會論文集[C];2012年

6 邊亞東;吉曉朋;曹洪洋;張玉國;;基于BP神經網絡的邊坡穩(wěn)定性分析[A];第九屆全國巖石力學與工程學術大會論文集[C];2006年

7 潘濱;陳劍平;李曉茹;;改進BP神經網絡在巖質邊坡穩(wěn)定性分析中的應用[A];第八屆全國工程地質大會論文集[C];2008年

8 蔡敏;王政;;基于Bp神經網絡的地質災害細網格預報模型[A];中國氣象學會2008年年會極端天氣氣候事件與應急氣象服務分會場論文集[C];2008年

9 李彤;陳小宏;;利用神經網絡進行道編輯[A];1997年中國地球物理學會第十三屆學術年會論文集[C];1997年

10 孫效功;王碩儒;;函數型連接神經網絡的一種改進算法及其應用[A];1993年中國地球物理學會第九屆學術年會論文集[C];1993年

相關博士學位論文 前3條

1 江沸菠;基于神經網絡的混合非線性電阻率反演成像[D];中南大學;2014年

2 陳煌瓊;基于神經網絡的滑坡預測及其控制研究[D];華中科技大學;2013年

3 廉城;基于極限學習的重大工程災變滑坡預測研究[D];華中科技大學;2014年

相關碩士學位論文 前10條

1 劉雪梅;基于熱異常信息的神經網絡地震預測初探[D];中國石油大學(華東);2014年

2 付博;基于小波優(yōu)化的灰色BP神經網絡在深基坑變形預測中的應用[D];東華理工大學;2016年

3 李欽;泛化回歸神經網絡在深基坑變形監(jiān)測中的應用研究[D];中南大學;2013年

4 袁姝;神經網絡在地震反演中的研究與應用[D];西安石油大學;2011年

5 殷保臣;樣條權函神經網絡在基坑變形預測中的應用研究[D];江西理工大學;2015年

6 劉銳;非線性神經網絡及其在地學中的應用[D];中國地質科學院;2006年

7 項月文;基于SOM自組織神經網絡的地震預報技術研究[D];南昌大學;2012年

8 陳海軍;神經網絡有限元在巖土工程中的應用[D];天津大學;2007年

9 周洪祥;基于神經網絡的重力異常反演[D];成都理工大學;2014年

10 張U，

本文編號：1833005