基于改进的SVR-GRNN风暴潮灾害损失组合评估模型

作者：贾丙宏; 杨帅; 冉姝

来源：北京测绘, 2022, 36(01): 1-6.

DOI：10.19580/j.cnki.1007-3000.2022.01.001

• 风暴潮灾害损失评估
• 支持向量回归(SVR)
• 广义回归神经网络(GRNN)
• 组合模型

风暴潮灾害是制约我国海洋开发和海洋经济发展的重要因素,也是海洋预防的重点难点问题。在风暴潮灾害损失评估这一领域,对组合评估模型的研究较少。以浙江省为例,整理收集了1990—2020年间记录完整的29个风暴潮历史灾情数据,利用麻雀搜索算法(Sparrow Search Algorithm,SSA)分别对支持向量回归(Support Vector Regression,SVR)和广义回归神经网络(Generalized Regression Neural Network,GRNN)进行模型优化改进,得到的直接经济损失拟合结果 R2值分别为0.847 3和0.882 8,将改进后的SVR和GRNN建立组合模型,用于风暴潮灾害损失评估,R2提高为0.919 0。结果表明:组合模型的评估精度优于单一模型,是一种适用于风暴潮灾害损失评估的高精度、稳定性方法。

• 单位
  山东科技大学