极值统计学在洪灾风险评价中的应用【全文】.docVIP

极值统计学在洪灾风险评价中的应用 傅 湘，王丽萍，纪昌明(武汉大学 水资源系) 摘 要：本文以极值统计学为理论基础，研究了该方法在洪灾损失风险计算中的适用性。在已知有限的极值事件概率信息下，确定极值风险函数以评估大洪水引起的洪灾损失期望值，揭示洪灾损失的潜在风险趋势。并通过实例研究验证该方法的可行性。 关键词：极值统计学；洪灾损失；风险评价 收稿日期：2000-09-25基金项目：国家自然科学基金重大项目，湖北省自然科学基金项目。作者简介：傅湘(1971-)，女，江西九江人，讲师，博士，主要从事水文学及水资源的教学与研究工作。 　　洪灾风险是指洪水流量超过了当地的蓄泄能力，引起洪水漫溢出河槽泛滥，造成部分地区受淹、人员伤亡和资产损失 的事件。洪灾风险评价不仅要考虑风险事件发生概率这一信息，而且还要同时考虑洪灾损失这一因素，现有的风险损失量化方法是求期望值函数，它掩盖了潜在的危 险因素，而极值统计学方法考虑了极值风险事件的严重危害，它补充、完善了现有的风险损失量化方法，在工程规划与管理领域具有一定的应用价值。 1 极值统计学方法 　　极值统计学是数学统计学的一个分支，主要是处理一定样本容量的最大值和最小值，可能的最大与最小值将组成它们各自的母体，因此这些值可用具有各自概率分布的随机变量来模拟。 　　令X为初始的随机变量，并有已知的初始分布函数FX(x)；这里我们主要探讨样本量n的随机变量(X1，X2，…，Xn)的最大值，即随机变量：Yn=max(X1,X2,…,Xn).为了数学上的简化及与随机抽样理论一致，假设X1，X2，…，Xn均为相互统计独立并与初始随机变量X有相同的分布函数。据此，Yn的分布函数为： FYn(y)=P(Yn≤y)=P(X1≤y,X2≤y,…，Xn≤y)=[FX(y)]n (1) 　　对于方程(1)，当n变得很大或n→∞时，FYn(y)是否具有极限的或渐近的形式，这一问题曾经是早期的统计学者所探讨的课题，并已成为人所共知的统计极值的渐近理论，它使得极值统计学的用途大为增强。 　　当n很大时，极值的渐近分布趋向收敛于几种极限形式，耿贝尔把它们划分为Ⅰ、Ⅱ、Ⅲ型的渐近形式[1]：来自带有指数型衰减尾部的初始分布的极值将渐近地收敛于Ⅰ型极限形式；而对于具有二项式衰减尾部的初始分布，它的极值将收敛于Ⅱ型渐近形式；对于有界的极值，其相应的极值分布将收敛于Ⅲ型渐近形式。 　　描述极值统计的两个基本要素 是耿贝尔渐近分布形式与极值参数。在实际应用中，判断初始随机变量的确切分布常常比较困难，但描述极值风险事件后果是极其重要的，而它又是初始随机变量的 函数，因此，在初始随机变量的尾部情况不够明确时，必然会带来如何确定其极值分布的极限形式问题，以便确定极值风险的均值和方差，为此，可利用万米色斯 (Von Mises)准则作为指南[1]。James et al[2]在Von Mises收敛准则的基础上推导了初始变量X为极值Ⅰ、Ⅱ、Ⅲ型时，Y=g(X)为耿贝尔极值分布形式的条件(见表1). 2 极值统计方法与洪灾高损失区域的关系 　 　在洪灾风险评价中，常用数学期望值来概化风险事件的概率和风险损失，它掩盖了极值事件的风险信息，而大多数情况下，管理者是不愿意冒风险的，当防洪系统 处于紧急时期时，管理者总是把注意力集中在避免严重危害事件上，而很少用物理或经济指标的期望值作为衡量系统性能的代表性指标。Asbeck and Haimes[3]提出的分区多目标风险方法(The Partitioned Multiobjective Risk Method)很好地解决了上述问题，它是一种基于条件期望值概念的风险量化方法，将期望值的概念推广到生成多个条件期望值函数，与传统的期望值法相比，它给出了一个更完整的风险描述。 图1 概率-损失的风险 　　条件期望值函数定义为随机变量在几个划定的概率范围内的期望值。显然条件期望值的大小取决于概率轴的划分，而分区点的选择由分析者根据决策问题的极值特点主观确定。 　　下面简要介绍PMRM，如图1，Sj为第j个决策方案，FX(x,Sj),fx(x,Sj)分别为洪灾损失变量X的累积分布函数和概率密度函数。(1-αi)为第i个概率分区点对应的洪水风险率(超越概率)，βij为第i个洪水风险率和第j个决策方案对应的损失值。它们的关系为： FX(βij,Sj)=αi (2) 　　洪灾损失的范围包括低损失区｛x:x∈[β0j,β1j]｝,中等损失区｛x:x∈[β1j,β2j]｝，高损失区(即极大值风险事件)为｛x:x∈[β2j,β3j］｝,β0j、β3j为洪灾损失X的下限及上限。则条件期望风险函数为： fi+1(sj)=E{X|fX(x,Sj),x∈[βi-1,j;βij]}= =1/αi-αi-