徐源蔚， 李祚泳， 汪嘉杨

(成都信息工程大学资源环境学院，四川成都610225)

自然灾害种类众多，其中洪水灾害是全球更是中国影响范围广、损害最严重的自然灾害之一［1］。因而对洪水灾害所造成的生命、财产损失进行客观、有效的评估能为减灾、防灾决策提供依据，对有关管理部门制定科学的减灾、救灾决策具有一定的参考价值。

国内、外对灾害指标的选择及灾情评估模型和方法已有很多研究［2-6］。主要有模糊综合评价法［7］、灰色聚类评价法［8］、物元可拓评价法［9-10］、集对分析评价法［11］等不确定性评价法和人工神经网络［12］、投影寻踪［13］、支持向量机［14］等智能评价模型。不确定性分析评价法虽然考虑了灾情指标所具有的模糊性、灰色性、不相容性、既确定又不确定等特性，但当指标较多时，评价函数的设计和计算工作量大，且评价函数的设计有较大的主观性。人工智能评价模型能很好的适用于非线性、非正态、高维数据处理，但模型中有较多的参数需要优化确定。其中最常用的BP神经网络虽然具有自学习、自适应和较强的非线性映射能力及原理简单等优点，但也存在学习效率低、收敛速度慢和易于陷入局部极值的缺陷。而用优化算法直接优化网络连接权值的前向神经网络(forward neural network，FNN)(简称前向网络)虽然能较好地避免陷入局部极值，但需要优化的网络参数也较多。智能评价模型的共同局限是模型的编程和计算都较复杂，实际使用不便;当指标较多时，还影响模型的优化效率和求解精度，更不能建立对不同评价指标或不同指标数目都能普适、通用的前向网络模型，因而包括前向网络模型在内的智能评价模型应用于指标较多的灾情评估亦受到很大的限制。……