李祎琛，何亚伯，汪 洋

(武汉大学 土木建筑工程学院，湖北 武汉430072)

基于粗糙集RBF神经网络村镇山洪灾害损失预测研究
——以神农架林区为例

李祎琛，何亚伯，汪 洋

(武汉大学 土木建筑工程学院，湖北 武汉430072)

以神农架林区为研究对象，从致灾因子、孕灾环境、承灾体因素以及区域应灾能力四个角度选取山洪灾害损失预测因子，并利用粗糙集对预测因子进行约简，以实现对预测模型输入指标的优化，针对山洪灾害损失作用机理的复杂性、不确定性，选择RBF神经网络模型对灾害损失进行预测。结果显示粗糙集理论方法可以有效地判别提取与山洪灾害密切相关的预测因子，显著地提高了模型对灾害损失的预测精度；基于粗糙集RBF神经网络模型对山洪灾害损失的拟合效果较好，预测精度高，相对误差普遍保持在3%左右，改进后的模型具有较高的实用价值。

山洪灾害；损失预测；粗糙集；RBF神经网络

自然环境的日益恶化和人类生产活动对地质地貌的开发性破坏，使得我国中西部山区丘陵地带山洪灾害日益频发[1-3]。而受制于落后的经济、教育、医疗以及防灾减灾工程设施，山区村镇的承灾和救灾能力有限，山洪灾害发生的易损性更为突出，“因灾致贫、因灾返贫”现象时有发生，山区村镇山洪灾害现已成为阻碍社会经济可持续发展的重要障碍[3-4]。在过去的5年里，因突发性、局部性极端强降雨引发的山洪灾害造成的死亡人数比例呈递增趋势，直接经济损失更是无法估计[5-6]。……