文档介绍：基于 GIS 台风洪涝灾害预测模型研究[摘要] 台风是最强的暴雨天气系统, 往往给受影响的地区造成巨大的经济损失甚至人员伤亡。准确及时地了解台风洪水灾害的形成过程,对于防洪减灾、洪水风险分析具有重要意义。本文综合采用 BP 神经网络, 空间插值, 水文分析, 地表下渗率分析等多项技术方法, 建立了福州地区汇水流域总降水量预测模型,并在 ArcGIS Engine 上实现了洪水灾害的动态模拟,研究成果可为有关人员参考。[ 关键词] 降雨量预测洪涝灾害动态模拟中图分类号: X43 文献标识码: A 文章编号: 1009-914X ( 2016 ) 05-0351-02 台风是最强的暴雨天气系统,往往会造成狂风暴雨引发局地洪涝灾害, 是影响最为严重的自然灾害之一。据统计, 福州地区平均每年受台风影响 3-5 次,属于台风灾害的多发区。 2005 年,“龙王”台风肆虐福州, 强降水造成山洪暴发, 福州市区受淹最深达米, 福建全省三百多万人受灾,直接经济损失达亿元人民币。要减轻台风洪水灾害, 一方面要加强抗台风防御工程设施建设; 另一方而, 要加强台风洪涝灾害形成机理的研究。近年来, 已有不少学者对热带气旋暴雨进行了大量研究, 例如: 林毅等对龙王台风中尺度暴雨成因进行了定性分析[1] ,发现中尺度大暴雨的发生与台风环流北侧出现的中尺度涡旋有密切的关系; 林小红等对 1960 ~ 2005 年 46 年间影响福建的台风降水进行时空分析[2] , 发现台风降水由闽南沿海向闽西北内陆逐渐减小, 受福建山地地形作用, 山脉以东的台风暴雨发生的概率要大大高于山脉西侧地区。在定量分析方面, 王春娟等采用BP 神经网络对香港地区 1997-201 2 年6 月期间 48 个台站的 22 场台风降雨资料进行预测分析[3] ,对单一台风降雨量预测准确度达到 % ,但由于该方法是以台风到达观测站点的强度和风向作为输入参数,不能做到提前预警的作用;艾福利等基于 ArcGIS 对台风过程降水进行插值分析[4] 。在洪涝灾害模拟方面,孙海, 邹时林等采用 ArcEngine 实现了洪水淹没可视化[5][6] , 但对于台风引发洪涝灾害进行全过程研究的示例很少。以上分析表明:台风洪水灾害预报涉及几个环节: 1 )使用登录前台风参数预测将来降雨量;2) 汇水流域下渗能力的计算;3) 淹没范围的动态模拟。本文以福州市为例,利用 BP 神经网络,空间插值,水文分析, 地表下渗率分析等方法,建立了福州地区汇水流域总降水量预测模型,并运用 ArcEngine 实现了洪涝灾害的三维动态模拟。 1 基于 BP 台风降雨量预测模型影响热带气旋降水量的因子间具有明显的非线性特征。 BP 神经网络具有非线性、准动力等特点,且其判别精确度不会随样本噪声而受到影响, 较优于传统的统计法; 另外该网络的拓扑结构灵活多样, 有比较强的自学习功能、容错功能、联想存储功能等。因此, 选择具有非线性性质的人工神经网络方法建立台风降雨量预测模型,是十分恰当。影响台风降雨量的主要因素影响热带气旋降水量的因素较多且复杂, 特别大的台风降水往往由多个因素造成[7] : 1 )台风强度是影响台风降雨量的主要因素之一。 2 )地形作用可加大迎风坡的降水,同时使背风坡降水减少。在福建沿海与内