基于QRNN模型的生命年损失概率密度预测

论文摘要

为全面评估预测震害损失,提出一种概率密度预测方法。首先,通过改进的生命年损失计算法,获取生命年损失值;其次,采用基于Akaike信息量准则(AIC)的逐步回归分析法,辨识生命年损失的强关联因素,在此基础上构建神经网络分位数回归(QRNN)模型;然后,得到生命年损失预测值与强相关因素的非线性关系,输出不同分位点下生命年损失预测值,运用高斯核函数预测生命年损失概率密度;最后,选取我国1996—2014年的189条地震灾害损失数据作为训练样本,预测2015年10例地震的生命年损失,并与B样条分位数回归(QRBS)模型及3种线性模型作对比。研究表明:基于QRNN模型的震害损失评估概率密度预测,降低了数据依赖性,提高了评估效率;预测值平均绝对误差不超过7. 5%,便于震害评估。

论文目录

• 0 引言
• 1 生命年损失计算方法
• 2 基于QRNN的概率密度预测模型
•   2.1 逐步回归分析法
•   2.2 QRNN
• 3 案例仿真
•   3.1 基于QRNN的概率密度预测
•   3.2 QRBS概率密度预测
•   3.3 模型对比
• 4 结论

文章来源

类型: 期刊论文

作者: 武佳佳,王威,朱强强,马东辉

关键词: 生命年损失,逐步回归,神经网络分位数回归,关联因素辨识,概率密度函数

来源: 中国安全科学学报 2019年05期

年度: 2019

分类: 工程科技Ⅰ辑,基础科学

专业: 地质学,地球物理学

单位: 北京工业大学建筑工程学院,北京工业大学建筑与城市规划学院

基金: 国家自然科学基金资助(51678017),国家重点研发计划课题(2018YFD1100902-1)

分类号: P315.9

DOI: 10.16265/j.cnki.issn1003-3033.2019.05.007

页码: 37-43

总页数: 7

文件大小: 306K

下载量: 72