CN119417234A 一种基于机器学习的台风灾害动态风险评估及资源调度方法 （浙江安防职业技术学院）_第1页
CN119417234A 一种基于机器学习的台风灾害动态风险评估及资源调度方法 （浙江安防职业技术学院）_第2页
CN119417234A 一种基于机器学习的台风灾害动态风险评估及资源调度方法 （浙江安防职业技术学院）_第3页
CN119417234A 一种基于机器学习的台风灾害动态风险评估及资源调度方法 （浙江安防职业技术学院）_第4页
CN119417234A 一种基于机器学习的台风灾害动态风险评估及资源调度方法 （浙江安防职业技术学院）_第5页
已阅读5页，还剩26页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于机器学习的台风灾害动态风险评一种基于机器学习的台风灾害动态风险评用机器学习算法构建台风灾害动态风险评估模2S2:通过相关性分析，根据台风灾害的;;其中，z=ly-f(x)l，y为真实输出值，f(x)为模型输出值；;;;3;;;;;S52:拟合优度评估，结合决定系数R2和调整后的决定系数AR2这两个指标同时评估;;;S7:根据各区域的风险等级划分资源分配的优先级，结合不4;供需时间差异；供需量匹配度、位置匹配度和时间匹配度分别由函数、g(L)和h(T)表示：;;其中，si为供应中心供应量，Di为受灾区域需求量，e为防止分母为零的微小常数；d(si,D;)是资源供应地距需求地的距离，t(S,D:)是资源从供应点到达需求点所需的时;2.根据权利要求1所述的一种基于机器学习的台风灾害动态风险评估及资源调度方3.根据权利要求1所述的一种基于机器学习的台风灾害动态风险评估及资源调度方;5xi和i分别是台风风险要素和灾情损失的第i个观测值，和分别是台风风险要素和4.根据权利要求1所述的一种基于机器学习的台风灾害动态风险评估及资源调度方;6[0015]其中，z=ly-f(x)l，y为真实输出值，f(x)为模型输出值；7f(x)-yi≤e十，8[0038]S52:拟合优度评估，结合决定系数R2和调整后的决定系数AR2这两个指标同时MaxError=max⃞1ly-:l(10)和h(T)表示：9si为供应中心供应量，Di为受灾区域需求量，e为防止分母为零的微小常[0055]D;(L)=D,·(1+Y·L)(15)y为风险等级对需求量的增重影响系数。[0064]xi和i分别是台风风险要素和灾情损失的第i个观测值，和分别是台风风险[0096]其中，z=ly-f(x)l，y为真实输出值，f(x)为模型输出值；y-f(x)=e+，[0103]之0,范≥0,i=1,2,…,m.[0109]0=a,a;=c.[0119]S52:拟合优度评估：结合决定系数R2和调整后的决定系数AR2这两个指标同时[0124]MaxError=max⃞1ly-:l(12)理的利用。si为供应中心供应量，Di为受灾区域需求量，e为防止分母为零的微小常[0135]D;(L)=D,·(1+Y·L)(17)y为风险等级对需求量的增重影响系数。[0143]S3:使用Z_Score标准化方法计算每个特征的相应统计量，检查标准化后的数据[0145]S5:结合多种指标全面评估模型在误差分布、拟合精度匹配度分别由函数、g(L)和h(T)表示：si为供应中心供应量，Di为受灾区域需求量，e为防止分母为零的微小常[0154]D;(L)=D,·(1+Y·

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论