趙士達(dá)　張楠　張斯文　孫曉東

摘要：

在綜合考慮地震致災(zāi)因子、抗震設(shè)防因子、經(jīng)濟(jì)指標(biāo)因子的基礎(chǔ)上，選取地震震級(jí)、震源深度、受災(zāi)面積、受災(zāi)人口、設(shè)計(jì)基本地震加速度、人均GDP和產(chǎn)業(yè)機(jī)構(gòu)比例等7個(gè)因素作為主要評(píng)價(jià)指標(biāo)，運(yùn)用神經(jīng)網(wǎng)絡(luò)分析方法，建立了基于LM-BP神經(jīng)網(wǎng)絡(luò)的地震直接經(jīng)濟(jì)損失評(píng)估模型。從歷史地震事件中提取相關(guān)數(shù)據(jù)作為樣本，并使用該樣本對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。最后對(duì)模型輸出結(jié)果的誤差率和模型的泛化能力進(jìn)行分析，認(rèn)為該模型可以有效評(píng)估地震直接經(jīng)濟(jì)損失，并具有較高的穩(wěn)定性。

關(guān)鍵詞：地震災(zāi)害；災(zāi)害評(píng)估；直接經(jīng)濟(jì)損失；LM-BP神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：P315-39文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000-0666（2016）03-0500-07

0引言

隨著我國(guó)經(jīng)濟(jì)的快速增長(zhǎng)、城市規(guī)模的不斷擴(kuò)大，地震災(zāi)害對(duì)社會(huì)造成的影響也在不斷加大，防震減災(zāi)工作顯得尤為重要（趙士達(dá)等，2014a）。作為防震減災(zāi)工作一部分的震后應(yīng)急救援和抗震救災(zāi)可以有效地減少地震造成的經(jīng)濟(jì)損失和人員傷亡（趙士達(dá)等，2014b；王東明等，2015），快速、準(zhǔn)確地對(duì)地震災(zāi)區(qū)人員傷亡和經(jīng)濟(jì)損失做出評(píng)估是震后應(yīng)急救援和抗震救災(zāi)工作能否收到實(shí)效的前提條件（劉如山等，2014）。

近年來(lái)，諸多學(xué)者使用不同的方法對(duì)震后經(jīng)濟(jì)損失快速評(píng)估進(jìn)行了深入的研究，這些評(píng)估方法可分為5大類：分類清單法（陳洪富等，2013）、經(jīng)濟(jì)法（陳棋福等，1997）、遙感法（陳鑫連，謝廣林，1996）、信息法（劉洋等，2009；劉佳友，徐琳瑜，2007）和神經(jīng)網(wǎng)絡(luò)法（范傳鑫，2014）。其中分類清單法的應(yīng)用最為廣泛，該方法通過(guò)地震烈度衰減關(guān)系計(jì)算出地震影響場(chǎng)烈度空間分布，再綜合分析各個(gè)烈度等級(jí)建筑物的類型、數(shù)量、空間分布以及建筑物的易損特性等，計(jì)算出各類建筑物的損失情況。但使用該方法進(jìn)行地震災(zāi)害快速評(píng)估時(shí)對(duì)災(zāi)區(qū)的基礎(chǔ)數(shù)據(jù)庫(kù)要求比較高，基礎(chǔ)數(shù)據(jù)庫(kù)數(shù)據(jù)不完整、數(shù)據(jù)更新過(guò)慢、數(shù)據(jù)細(xì)化程度不夠等都會(huì)使評(píng)估結(jié)果出現(xiàn)嚴(yán)重的偏差。隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的不斷成熟，其在模式識(shí)別、函數(shù)逼近等方面得到了廣泛的應(yīng)用，一些學(xué)者也將這一技術(shù)應(yīng)用到地震災(zāi)害損失評(píng)估中。

BP（Back Propagation，反向誤差傳播算法）神經(jīng)網(wǎng)絡(luò)算法是應(yīng)用最廣泛的一種神經(jīng)網(wǎng)絡(luò)算法，具有較強(qiáng)的非線性映射能力、自適應(yīng)能力、容錯(cuò)能力和泛化能力（孫艷萍等，2010），但也存在收斂速度慢和容易陷入局部極小值等問(wèn)題。為了克服這些問(wèn)題，本文提出一種改進(jìn)型LM-BP神經(jīng)網(wǎng)絡(luò)，并基于此建立了地震直接經(jīng)濟(jì)損失評(píng)估模型。

1影響地震直接經(jīng)濟(jì)損失的因素

11地震直接經(jīng)濟(jì)損失的界定

從災(zāi)害學(xué)的角度分析，災(zāi)害損失評(píng)估是對(duì)災(zāi)害造成的人員傷亡、直接經(jīng)濟(jì)損失和間接經(jīng)濟(jì)損失的評(píng)估，因此地震災(zāi)害損失可劃分為人員傷亡、經(jīng)濟(jì)損失和救災(zāi)投入3部分，其中經(jīng)濟(jì)損失包括直接經(jīng)濟(jì)損失和間接經(jīng)濟(jì)損失。地震直接經(jīng)濟(jì)損失又包括地震災(zāi)害和地震次生災(zāi)害造成的建筑物、工程設(shè)施、設(shè)備、物品破壞導(dǎo)致的經(jīng)濟(jì)損失（王偉哲，2012）。

12地震災(zāi)害影響因子的分類研究

121地震致災(zāi)因子

震級(jí)是表征地震強(qiáng)弱的量度，是劃分震源釋放能量大小的等級(jí)。震級(jí)越大，地震釋放的能量就越大，破壞能力就越強(qiáng)，相同條件下造成的直接經(jīng)濟(jì)損失也就越大。通常講震級(jí)每相差10級(jí)，能量相差30倍，由此可見，震級(jí)是地震造成經(jīng)濟(jì)損失的重要因素之一。震源深度對(duì)地震破壞程度的影響也很大，相同震級(jí)的地震，震源深度越淺，造成的破壞就越嚴(yán)重。有統(tǒng)計(jì)表明，相同震級(jí)的地震震源深度從10 km減小到5 km，或是從20 km減小到10 km時(shí)，震中區(qū)域烈度平均會(huì)提高1度，故震源深度也是地震造成經(jīng)濟(jì)損失的重要因素之一。地震烈度是指地震發(fā)生時(shí)，在波及范圍內(nèi)一定地點(diǎn)地面振動(dòng)的激烈程度（或解釋為地震影響和破壞的程度）。一般來(lái)講，距離震源越近，破壞就越大，烈度也就越高。在一次地震的受災(zāi)區(qū)域內(nèi)會(huì)存在多個(gè)烈度區(qū)，而且這些烈度區(qū)的面積和分布并不規(guī)則。地震災(zāi)區(qū)的烈度評(píng)定在現(xiàn)場(chǎng)工作人員完成災(zāi)情調(diào)查后才能給出，在時(shí)間上不能滿足地震經(jīng)濟(jì)損失快速評(píng)估的要求，且如果逐一計(jì)算各個(gè)烈度區(qū)的損失情況也會(huì)大幅度地增加計(jì)算的復(fù)雜程度。所以本文以總受災(zāi)面積為災(zāi)害承載體，選取地震震級(jí)和震源深度為主要致災(zāi)因素，對(duì)災(zāi)區(qū)進(jìn)行經(jīng)濟(jì)損失評(píng)估。災(zāi)區(qū)面積的大小與地震直接經(jīng)濟(jì)損失成正相關(guān)關(guān)系，其他條件相同的情況下，災(zāi)區(qū)面積越大，經(jīng)濟(jì)損失也就越大。

122抗震設(shè)防因子

一個(gè)地區(qū)在遭受地震破壞時(shí)，其自身的抗震設(shè)防能力會(huì)對(duì)其產(chǎn)生重要的保護(hù)作用，抗震設(shè)防能力越強(qiáng)其抗御地震破壞的能力也就越強(qiáng)。抗震設(shè)防烈度是各類建筑物建設(shè)時(shí)采用設(shè)防標(biāo)準(zhǔn)的重要依據(jù)。各地區(qū)的建筑物都要按照該地區(qū)的抗震設(shè)防烈度要求進(jìn)行建設(shè)。雖然地區(qū)建筑物實(shí)際設(shè)防烈度和地區(qū)的抗震設(shè)防烈度會(huì)存在一定的差距，但整體上抗震設(shè)防烈度可以反映出一個(gè)地區(qū)的抗震設(shè)防能力。

在以烈度為基礎(chǔ)作為抗震設(shè)防標(biāo)準(zhǔn)時(shí)，由烈度給出相應(yīng)的峰值加速度，烈度與設(shè)計(jì)加速度并不是一一對(duì)應(yīng)的，在同一個(gè)設(shè)防烈度下，可能會(huì)對(duì)應(yīng)不同的加速度值。這主要是由于同一烈度下，不同的場(chǎng)地類型地震加速度也有所不同。所以本文在評(píng)估一個(gè)地區(qū)的抗震設(shè)防能力時(shí)，主要考慮該地區(qū)的設(shè)計(jì)基本地震加速度。

123社會(huì)經(jīng)濟(jì)指標(biāo)因子

一般來(lái)講，在遭受同等地震的情況下，地區(qū)經(jīng)濟(jì)越發(fā)達(dá)，經(jīng)濟(jì)損失就越嚴(yán)重。這主要是因?yàn)榻?jīng)濟(jì)越發(fā)達(dá)，地區(qū)人口越集中、生命線工程集中和地上地下管網(wǎng)越密集。人均GDP是衡量一個(gè)地區(qū)經(jīng)濟(jì)發(fā)展水平最重要的指標(biāo)之一，人均GDP越高，該地區(qū)的經(jīng)濟(jì)基礎(chǔ)和經(jīng)濟(jì)發(fā)展?fàn)顩r就越好，同等地震破壞的情況下，損失也就越大。不同的產(chǎn)業(yè)結(jié)構(gòu)受地震破壞影響程度也不同。第一產(chǎn)業(yè)和第二產(chǎn)業(yè)所占的比重越大，受到地震破壞時(shí)相比第三產(chǎn)業(yè)經(jīng)濟(jì)損失也就越大。

除了以上兩個(gè)重要因素外，受災(zāi)人數(shù)也與地震直接經(jīng)濟(jì)損失成正相關(guān)關(guān)系，其他條件相同的情況下，受災(zāi)人數(shù)越多，所涉及的社會(huì)財(cái)富越大，經(jīng)濟(jì)損失也就越大。

124其它因素

地震間接引起的火災(zāi)、水災(zāi)、毒氣泄漏、疫病蔓延、海嘯等，稱為地震的次生災(zāi)害。次生災(zāi)害造成的經(jīng)濟(jì)損失是地震直接經(jīng)濟(jì)損失的一部分，嚴(yán)重的次生災(zāi)害造成的經(jīng)濟(jì)損失甚至比各類建筑物損毀造成的損失還要大。

地震后，地區(qū)的應(yīng)急處置和搶險(xiǎn)救災(zāi)能力與諸多因素有關(guān)，如交通條件、生命線工程搶修速度、有無(wú)應(yīng)急預(yù)案等，這些因素決定了該地區(qū)降低地震災(zāi)害經(jīng)濟(jì)損失和人員傷亡的能力以及地區(qū)的應(yīng)急處置和搶險(xiǎn)救災(zāi)能力。

13地震災(zāi)害影響因子的提取

地震災(zāi)害樣本信息選取的原則是容易獲取的，對(duì)于一些記錄不全面或者信息準(zhǔn)確性存在問(wèn)題的樣本應(yīng)舍棄。本文地震災(zāi)害信息的樣本主要選自《2001～2005中國(guó)大陸地震災(zāi)害損失評(píng)估報(bào)告匯編》（中國(guó)地震局震災(zāi)應(yīng)急救援司，2010）中記錄完整的歷史地震，其中震級(jí)、震源深度、災(zāi)區(qū)面積、受災(zāi)人口和地震直接經(jīng)濟(jì)損失可在災(zāi)害評(píng)估報(bào)告中查到。各地區(qū)的設(shè)計(jì)基本地震加速度通過(guò)查閱《建筑抗震設(shè)計(jì)規(guī)范》（GB 50011—2001）來(lái)獲取。人均GDP和產(chǎn)業(yè)結(jié)構(gòu)比例是通過(guò)查閱各地區(qū)統(tǒng)計(jì)公報(bào)或地區(qū)年鑒獲取的。在《中國(guó)大陸地震災(zāi)害損失評(píng)估報(bào)告匯編》（中國(guó)地震局震災(zāi)應(yīng)急救援司，2010）中記錄的地震次生災(zāi)害造成的經(jīng)濟(jì)損失不多，一般都在總直接經(jīng)濟(jì)損失的5%以內(nèi)，所以筆者不直接考慮次生災(zāi)害的影響，而是得出總的直接經(jīng)濟(jì)損失評(píng)估后，按照次生災(zāi)害的嚴(yán)重程度，對(duì)總的直接經(jīng)濟(jì)損失進(jìn)行修正。由于筆者無(wú)法獲取足夠的資料對(duì)各個(gè)地區(qū)的防災(zāi)減災(zāi)能力做出評(píng)價(jià)，所以沒(méi)有將地區(qū)防災(zāi)減能力作為影響因子。

一次地震經(jīng)常會(huì)對(duì)多個(gè)地區(qū)產(chǎn)生影響，而各個(gè)地區(qū)的經(jīng)濟(jì)水平和產(chǎn)業(yè)結(jié)構(gòu)也各不相同，所以需要對(duì)受災(zāi)區(qū)域的GDP和產(chǎn)業(yè)結(jié)構(gòu)重新評(píng)估，估算公式分別為

G=∑ni=0GiSiS， （1）

R=∑ni=0RiSiS.（2）

式中，G為災(zāi)區(qū)人均GDP；n為地震造成的受災(zāi)區(qū)域數(shù)量；Gi為第i個(gè)地區(qū)的人均GDP；S為災(zāi)區(qū)總面積；Ri為第i個(gè)地區(qū)第一、二產(chǎn)業(yè)占GDP的比例。

2LM-BP神經(jīng)網(wǎng)絡(luò)

21BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)

在BP神經(jīng)網(wǎng)絡(luò)中，輸入層的神經(jīng)元用于接收外界信息并將信息傳給隱含層（郭章林等，2004）。隱含層神經(jīng)元主要負(fù)責(zé)對(duì)接收的信息進(jìn)行變換，并將信息傳給輸出層。隱含層的層數(shù)不是固定的，而是根據(jù)信息變化復(fù)雜程度的需要而定的。輸出層主要負(fù)責(zé)將信息向外界輸出（田鑫，朱冉冉，2012）。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

假設(shè)某個(gè)神經(jīng)元的輸入信號(hào)x=（x1，x2，…，xn）T，可調(diào)節(jié)的連續(xù)權(quán)值w=（w1，w2，…，wn）T，θ為神經(jīng)元的興奮閾值，u（*）為基函數(shù)，該神經(jīng)元的輸出則為u（x，w，θ）。輸出信號(hào)u需要經(jīng)過(guò)激活函數(shù)的擠壓，即y=f（u），將輸出值的范圍壓縮到非常小的范圍內(nèi)。

雖然BP神經(jīng)網(wǎng)絡(luò)具有以上優(yōu)點(diǎn)，但自身也存在著局限性。BP神經(jīng)網(wǎng)絡(luò)采用的是梯度下降算法，而梯度下降算法在其誤差曲面中會(huì)出現(xiàn)平坦區(qū)域和多個(gè)極小值點(diǎn)。在平坦的誤差曲面中，誤差下降速度慢，網(wǎng)絡(luò)的訓(xùn)練速度也會(huì)變慢。當(dāng)遇到局部極小值時(shí)，網(wǎng)絡(luò)會(huì)誤認(rèn)為是最優(yōu)解，導(dǎo)致仿真失敗。

22LM-BP網(wǎng)絡(luò)

Levenberg-Marquardt算法（簡(jiǎn)稱LM算法），是一種非線性最小二乘算法，是用模型函數(shù)對(duì)待估參數(shù)向量在其領(lǐng)域內(nèi)做線性近似，忽略掉二階以上的導(dǎo)數(shù)項(xiàng)，從而轉(zhuǎn)化為線性最小二乘問(wèn)題，所以該算法的收斂速度比梯度算法要快很多。LM算法雖然在收斂速度上有明顯的提升，但仍然可能陷入局部極小值，導(dǎo)致仿真失敗。因此，在進(jìn)行仿真時(shí)需要對(duì)迭代次數(shù)進(jìn)行限定，防止陷入局部極值。當(dāng)?shù)螖?shù)超過(guò)限定就自動(dòng)跳出，重新給網(wǎng)絡(luò)賦予權(quán)值和閾值，然后重新迭代，直到得出預(yù)期的結(jié)果。

23網(wǎng)絡(luò)的構(gòu)建與訓(xùn)練

筆者在計(jì)算時(shí)主要考慮震級(jí)、震源深度、受災(zāi)面積、受災(zāi)人口、設(shè)計(jì)基本地震加速度、地區(qū)人均GDP和產(chǎn)業(yè)結(jié)構(gòu)比例7個(gè)因素，所以設(shè)計(jì)的網(wǎng)絡(luò)輸入層為7個(gè)節(jié)點(diǎn)，輸出層為1個(gè)節(jié)點(diǎn)。隱含層的節(jié)點(diǎn)數(shù)量需要在仿真中進(jìn)行逐一嘗試才能確定下來(lái)。隱含層節(jié)點(diǎn)數(shù)量經(jīng)驗(yàn)參考公式為

h=p+q+a.（3）

其中，p為輸入層節(jié)點(diǎn)數(shù)量，q為輸出層節(jié)點(diǎn)數(shù)量，a為0～10的自然數(shù)。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練能力和泛化能力在一定程度是存在矛盾的。訓(xùn)練初期，隨著網(wǎng)絡(luò)訓(xùn)練能力的提高，泛化能力也在提高。當(dāng)訓(xùn)練能力提高到一定程度后，隨著網(wǎng)絡(luò)訓(xùn)練能力的提高，泛化能力就會(huì)下降。出現(xiàn)這一問(wèn)題的原因是網(wǎng)絡(luò)訓(xùn)練的樣本過(guò)多，訓(xùn)練精度過(guò)于高，產(chǎn)生了過(guò)擬合現(xiàn)象，當(dāng)遇到非訓(xùn)練集中的樣本時(shí)，網(wǎng)絡(luò)輸出精度就會(huì)大幅度下降。為了避免過(guò)擬合現(xiàn)象的出現(xiàn)，筆者在網(wǎng)絡(luò)訓(xùn)練時(shí)將樣本分為訓(xùn)練樣本、測(cè)試樣本和確認(rèn)樣本3部分。訓(xùn)練樣本用于調(diào)整網(wǎng)絡(luò)連接的權(quán)值和閾值，提高訓(xùn)練精度。測(cè)試樣本用來(lái)評(píng)價(jià)訓(xùn)練后的網(wǎng)絡(luò)，如果訓(xùn)練后的網(wǎng)絡(luò)滿足測(cè)試樣本的要求就結(jié)束訓(xùn)練。確認(rèn)樣本用于防止過(guò)擬合訓(xùn)練，當(dāng)確認(rèn)樣本的精度隨著網(wǎng)絡(luò)精度提升而下降時(shí)，就強(qiáng)行結(jié)束訓(xùn)練。筆者選取的樣本是按照地震發(fā)生時(shí)間順序排列的，不能直接進(jìn)行樣本分組和訓(xùn)練，需要先將樣本的順序隨機(jī)打亂后，再進(jìn)行樣本分組和訓(xùn)練。圖2為整個(gè)網(wǎng)絡(luò)訓(xùn)練設(shè)計(jì)流程圖。

3LM-BP神經(jīng)網(wǎng)絡(luò)的實(shí)例應(yīng)用

31數(shù)據(jù)歸一化處理

本文選取了《2001～2005年中國(guó)大陸地震災(zāi)害損失評(píng)估報(bào)告匯編》（中國(guó)地震局震災(zāi)應(yīng)急救援司，2010）中記錄的30次地震作為樣本，樣本數(shù)據(jù)如表1所示。其中訓(xùn)練樣本占總樣本的80%，測(cè)試樣本和驗(yàn)證樣本各占10%。由于樣本中的數(shù)據(jù)單位不統(tǒng)一且數(shù)值取值范圍很大，所以需要對(duì)樣本中的數(shù)據(jù)進(jìn)行無(wú)量綱處理，并將數(shù)據(jù)取值范圍壓縮到一個(gè)很小的區(qū)域內(nèi)。本文所選取的樣本數(shù)據(jù)均為正數(shù)，可選取logsig函數(shù)作為激活函數(shù)，將樣本數(shù)據(jù)擠壓到（0，1）之間。但logsig函數(shù)曲線在數(shù)軸0和1兩點(diǎn)附近曲線平緩，影響網(wǎng)絡(luò)訓(xùn)練的速度和網(wǎng)絡(luò)的靈敏性。因此，在進(jìn)行數(shù)據(jù)歸一化處理時(shí)，需要將樣本集的數(shù)據(jù)按類型歸一化到（01，09）區(qū)域內(nèi)。

32LM-BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建

本文所設(shè)計(jì)的LM-BP網(wǎng)絡(luò)輸入層、隱含層和輸出層均為1層，其中輸入層有7個(gè)節(jié)點(diǎn)，隱含層節(jié)點(diǎn)數(shù)目范圍是3～13，輸出層有1個(gè)節(jié)點(diǎn)。使用Matlab2010對(duì)LM-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和仿真，逐一嘗試隱含層節(jié)點(diǎn)數(shù)目，最終確定隱含層節(jié)點(diǎn)數(shù)為8時(shí)，網(wǎng)絡(luò)擬合的效果最佳。LM-BP網(wǎng)絡(luò)結(jié)構(gòu)示意圖如圖3所示。

33LM-BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與仿真分析

圖4為L(zhǎng)M-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本、測(cè)試樣本和確認(rèn)樣本的誤差曲線圖。從圖中可以看出，在訓(xùn)練初期3種樣本的誤差曲線都隨著訓(xùn)練的進(jìn)程而顯著下降，這表明該網(wǎng)絡(luò)具有十分良好的泛化能力。筆者在設(shè)計(jì)中設(shè)定確認(rèn)樣本誤差曲線連續(xù)5步上升就結(jié)束仿真，防止網(wǎng)絡(luò)進(jìn)入過(guò)擬合狀態(tài)。從圖中可以看出，在訓(xùn)練進(jìn)行到第13步時(shí)，確認(rèn)樣本誤差曲線開始上升，并且一直保持上升到第18步。這主要是由于網(wǎng)絡(luò)產(chǎn)生了過(guò)擬合所導(dǎo)致的。在第13～18步中，訓(xùn)練樣本誤差曲線保持下降，而測(cè)試樣本誤差曲線卻一直上升，也印證了網(wǎng)絡(luò)開始進(jìn)入過(guò)擬合狀態(tài)。

圖5為30個(gè)樣本的訓(xùn)練和預(yù)測(cè)情況示意圖，其中橫軸第1～24個(gè)數(shù)據(jù)為訓(xùn)練樣本，第25～27個(gè)數(shù)據(jù)為確認(rèn)樣本，第28～30個(gè)數(shù)據(jù)為預(yù)測(cè)樣本。從圖中可以看出訓(xùn)練樣本和確認(rèn)樣本的擬合度非常高，測(cè)試樣本的預(yù)測(cè)值與真實(shí)值也十分接近，其預(yù)測(cè)相對(duì)誤差如表3所示。

34LM-BP神經(jīng)網(wǎng)絡(luò)在地震直快速評(píng)估中的應(yīng)用

以2012年6月24日寧蒗—鹽源57級(jí)地震為例，使用LM-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行地震直接經(jīng)濟(jì)損失評(píng)估。該次地震的震源深度為11 km，受災(zāi)人口1162萬(wàn)人，受災(zāi)面積2 218 km2。寧蒗彝族自治縣和鹽源縣兩地地震設(shè)防加速度同為015g，所以設(shè)防加速度取015g。2011年寧蒗彝族自治縣和鹽源縣人均GDP分別為7 445元和18 045元，產(chǎn)業(yè)結(jié)構(gòu)比分別為598%和795%，同時(shí)兩個(gè)縣的受災(zāi)面積分別為1 365 km2和853 km2。根據(jù)式（1）和（2）可得平均GDP為11 522元，產(chǎn)業(yè)結(jié)構(gòu)比為6738%。

將上述7個(gè)因素作為輸入條件，使用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行仿真，得出直接經(jīng)濟(jì)損失為653億元，本次地震的實(shí)際直接經(jīng)濟(jì)損失為772億元。仿真結(jié)果和實(shí)際結(jié)果存在1541%的相對(duì)誤差，可以滿足經(jīng)濟(jì)損失快速評(píng)估的要求。進(jìn)一步分析仿真結(jié)果可以發(fā)現(xiàn)，該次仿真的相對(duì)誤差比網(wǎng)絡(luò)訓(xùn)練時(shí)的相對(duì)誤差要大，且仿真結(jié)果比實(shí)際值要小。這主要是因?yàn)橛?xùn)練網(wǎng)絡(luò)時(shí)采用的樣本選取的是2000～2005年地震事件，當(dāng)時(shí)我國(guó)各地區(qū)GDP很低。而筆者選取的是2012年的寧蒗—鹽源地震，2012年我國(guó)GDP已經(jīng)比2000時(shí)大幅度提高。當(dāng)輸入2012年GDP時(shí)，網(wǎng)絡(luò)會(huì)認(rèn)為該輸入為奇異值，會(huì)對(duì)該數(shù)據(jù)進(jìn)行壓縮，導(dǎo)致仿真結(jié)果比實(shí)際結(jié)果小，且相對(duì)誤差增大。這一問(wèn)題可以待地震災(zāi)害損失評(píng)估報(bào)告更新后，加入近年來(lái)的地震事件樣本繼續(xù)訓(xùn)練來(lái)解決。

4結(jié)論

本文主要分析影響地震直接經(jīng)濟(jì)損失的主要因素，并選取地震震級(jí)、震源深度、受災(zāi)面積、受災(zāi)人口、設(shè)防加速度、人均GDP和產(chǎn)業(yè)結(jié)構(gòu)比例作為主要影響因素。通過(guò)分析BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)，提出改進(jìn)型LM-BP神經(jīng)網(wǎng)絡(luò)作為地震直接經(jīng)濟(jì)損失評(píng)估模型。使用歷史地震樣本對(duì)該網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最終得到同時(shí)具備較強(qiáng)泛化能力和擬合能力的預(yù)測(cè)模型。同時(shí)該模型也存在一定的局限性，例如訓(xùn)練樣本震級(jí)都小于7級(jí)，對(duì)于7級(jí)以上地震直接經(jīng)濟(jì)損失評(píng)估會(huì)產(chǎn)生較大的偏差。造成這一問(wèn)題的主要原因是目前可以查閱到的記錄全面的地震災(zāi)害評(píng)估報(bào)告較少，地震事件樣本不充足。待2005年以后的地震災(zāi)害評(píng)估數(shù)據(jù)更新后，使用更加充足的樣本再重新訓(xùn)練，可以有效地解決這一問(wèn)題。

參考文獻(xiàn)：

陳洪富，孫波濤，陳相兆等. 2013. 基于云計(jì)算的中國(guó)地震災(zāi)害損失評(píng)估系統(tǒng)研究[J].地震工程與工程振動(dòng)， 33（1）：198-203.

陳棋福，陳颙，陳凌. 1997. 利用國(guó)內(nèi)生產(chǎn)總值和人口數(shù)據(jù)進(jìn)行地震災(zāi)害損失預(yù)測(cè)評(píng)估[J].地震學(xué)報(bào)，19（6）：640-649.

陳鑫連，謝廣林. 1996. 航空遙感的震害快速評(píng)估與救災(zāi)決策[J].自然災(zāi)害學(xué)報(bào)，34（5）：29-34.

范傳鑫. 2014. 基于改進(jìn)型的RBF神經(jīng)網(wǎng)絡(luò)的城市震害損失評(píng)估模型[D]. 黑龍江：哈爾濱工業(yè)大學(xué)，17-34.

郭章林，劉明廣，解德才.2004. 震災(zāi)經(jīng)濟(jì)損失評(píng)估的遺傳神經(jīng)網(wǎng)絡(luò)模型[J]. 自然災(zāi)害學(xué)報(bào)，13（6）： 92-96.

劉佳友，徐琳瑜. 2007. 一種區(qū)域環(huán)境風(fēng)險(xiǎn)評(píng)價(jià)方法——信息擴(kuò)散法[J]. 環(huán)境科學(xué)學(xué)報(bào)，27（9）：1549-1556

劉如山，余世舟，顏冬啟等. 2014. 地震破壞與經(jīng)濟(jì)損失快速評(píng)估精細(xì)化方法研究[J].應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào)， 22（5）：928-940.

劉洋，唐川，馮毅. 2009. 基于AHP信息量法的地質(zhì)災(zāi)害危險(xiǎn)性評(píng)價(jià)[J].地球與環(huán)境，41（2）：173-178

孫艷萍，竇玉丹，張明媛等.2010. 基于神經(jīng)網(wǎng)絡(luò)的震害損失評(píng)估模型[J].防災(zāi)減災(zāi)工程學(xué)報(bào)，30（9）：168-171.

田鑫，朱冉冉. 2012. 基于主要成分分析及BP神經(jīng)網(wǎng)絡(luò)分析的地震人員傷亡預(yù)測(cè)模型研究[J]. 西北地震學(xué)報(bào)，34（4）：365-368.

王東明，朱達(dá)邈，李永佳. 2015.中國(guó)地震災(zāi)害損失調(diào)查評(píng)估培訓(xùn)系統(tǒng)在線考試子系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].地震研究，38（3）：508-516.

王偉哲.2012.地震直接經(jīng)濟(jì)損失評(píng)估：BP神經(jīng)網(wǎng)路及其應(yīng)用[D]. 成都：西南財(cái)經(jīng)大學(xué)，12-15.

趙士達(dá)，張楠，楊爽 . 2014a. 基于云計(jì)算和Android的地震應(yīng)急信息獲取系統(tǒng)[J]. 計(jì)算機(jī)應(yīng)用， 34（S1）： 298-300.

趙士達(dá)，張楠，楊爽. 2014b. 基于Android系統(tǒng)的避難場(chǎng)所查詢軟件開發(fā)[J]. 電子技術(shù)應(yīng)用，40（3）： 133-136.

中國(guó)地震局震災(zāi)應(yīng)急救援司. 2010. 2001～2005年中國(guó)大陸地震災(zāi)害損失評(píng)估報(bào)告匯編[M]. 北京：地震出版社.

GB 50011—2001，建筑抗震設(shè)計(jì)規(guī)范[S].