基于SPSS统计分析地震伤亡预测模型研究.docVIP

基于SPSS统计分析地震伤亡预测模型研究 　　摘要：震前人员伤亡情况的预测对应急物资的储备布局具有重要意义。统计了汶川地震不同烈度区下的37个城镇伤亡数据，建立了地震死亡、受灾人数评估模型。其中，烈度、人口密度和房屋损坏间数可参考地震烈度区划图基本烈度、地区统计年鉴以及建筑物房屋震害预测。对云南2次地震的验证表明模型具有良好的适用性。 　　关键词：地震灾害；伤亡评估；烈度；拟合 　　破坏性地震发生前，对潜在地区的地震伤亡情况进行评估有利于识别高风险区域，针对性的规划应急服务设施的布局、需求物资的储备，预防性部署抗震防灾工作，以便震后高效的应急救援响应。因此，有必要寻找灾前伤亡预测的有效方法。国内地震人员伤亡预测方法主要有神经网络、支持向量机、经验公式法等。尹之潜等以房屋结构类型为依据，研究房屋倒塌率和地震人员死亡率的关系。肖光先提出以震级、烈度、灾区人口密度为主要参数的地震人员伤亡评估模型。程家喻等则是选取地震烈度、时间段的人口比率、人口数、建筑物破坏率为因变量，研究其与死亡人数的关系 。马玉宏、谢礼立研究了地震伤亡主要影响因素。本文旨在研究震前人员伤亡评估模型，为应急储备库选址、物资库存预测等抗震防灾工程决策提供依据。 　　1.地震人员伤亡影响因素分析 　　地震人员伤亡影响因素众多，大致可归结为四类：（1）体现地震破坏力的信号指标，比如震级、震中烈度、震源深浅、地震的发生时间、受灾地区的地质结构；（2）建筑物抗震性能指标，如抗震设防烈度、建筑结构类型、建造年代等；（3）人口相关，如人口密度、发震时在室内的比率、临震时的心理状态和自救措施；（4）社会因素，包括地震预报的水平、受灾地区防灾意识的高低等。 　　本文旨在模拟预测震前人员伤亡情况，对于地震发生后才能确定的破坏力信号指标以及通过遥感卫星、航拍获取的数据 、救灾人员深入灾区获得的即时信息均不考虑。综合考虑影响地震的主要因素以及历史数据的可收集性，最终选取烈度、房屋毁坏间数、人口密度三个重要参数作为影响地震伤亡人数的指标。 　　鉴于区域性差异给地震人员伤亡带来的不确定影响以及数据可得性，收集整理了2008年汶川大地震各个城镇死亡、受灾人数、破坏烈度、房屋毁坏间数、人口密度5个指标数据，与前人相比进一步细化了统计单元的尺度。数据主要来源《中国大陆地震灾害损失评估汇编（2006-2010）》、四川省统计年鉴、抗震设防烈度区划图以及郑通彦总结的历年中国大陆地震灾害损失评述等各种资料。 　　2.地震伤亡评估模型搭建、拟合效果检验分析 　　2.1 汶川地震烈度――死亡率、受灾率拟合结果 　　通过收集不同烈度下四川部分县市的地震伤亡数据，对灾区进行了地震死亡率――烈度的拟合，拟合结果如图1所示。随着烈度的增加，死亡率呈现指数式的急剧增长。指数模型的拟合优度R方=0.9695，拟合效果较好，紧密程度高。 　　由表1可以看出，灾区破坏烈度达到8度及以上时，受灾率大幅增长并维持较高水平。中国地震烈度表对于超8度震害下人的感觉（8度下多数人摇晃颠簸，行走困难）、房屋震害现象的描述以及房屋震害指数也间接肯定了该烈度下的受灾程度，两者相一致。 　　地震存活人数=总人口受灾率（受灾人数）-死亡人数。总人口可参见统计年鉴的年末人口数，受灾率的确定需提前做建筑物震害预测，评估总体房屋损坏间数，再代入图2的拟合公式求得。下一小节的研究工作是搭建多因素影响的地震死亡人数评估模型用于确定死亡人数，最终求得灾区的存活人数。 　　2.2 构建多因素地震死亡人数评估模型 　　在SPSS中采用非线性回归方法，建立因变量为死亡人数，自变量为烈度、房屋损毁间数以及人口密度的预测模型。非线性拟合公式为：死亡人数=6E-8（人口密度Sqrt（房屋损坏[间]）0.435Exp（2.01烈度）。拟合R2为0.919，说明此模型能够解释百分之90多的因变量，拟合度已经很高。 　　地震伤亡人数的精确预测是很困难的，影响因素错综复杂且存在着非线性、随机性、离散性和高度不确定性。实际中多采用计算死亡人数落在与模型估计值同数量级的概率，?砥拦滥Ｐ驮げ饨峁?的优度。本文提出的多因素地震死亡人数评估模型得到的人员死亡估计值与真实人员死亡数同量级概率为83.8%。 　　2.3 地震人员伤亡模型精度及适用性检验 　　鉴于研究所用统计数据来自四川省2008年汶川大地震，考虑到地区差异性会给地震造成影响，本文对受灾人数评估模型和多因素地震死亡人数评估模型的适用范围进行了检验，最终结果见表2。受灾、死亡人数评估模型均对云南省地震具有良好的适用性和参考性。 　　结论 　　通过定性识别地震伤亡影响因素，模型拟合和回归分析，建立以烈度、房屋损坏间数、人口密度为主要参数的地震死亡人员评估模型。受灾人数则与房屋损坏间数呈现