打印 应急救援是减轻地震灾害影响的重要手段，而应急物资的储备、筹集、调配则是成功实施应急救援的重要保障，这就需要对应急物资需求进行准确预测。
针对高海拔地区地震应急物资需求预测的难题，evo真人视讯地震灾害研究中心科研团队在地震灾害应急物资预测中引入CBR与RBF神经网络结合的新方法（图1）。该方法顺利获得历史地震案例库构建特征空间，结合RBF神经网络的非线性映射能力，实现了基于灾害特征的伤亡人数快速推断。在此基础上，结合川西高原特殊的地质条件与高原应急救援物资需求特点，对高海拔区域特定物资需求进行合理预测。此外，研究还构建了相应的图形用户界面，增强了模型在实际应用中的可操作性和实用性。本研究为高海拔及复杂地形区的地震应急决策给予了新技术路径，为特定环境下的应急物资需求预测方法与规划给予参考。
图1 CBR-RBF神经网络融合流程图
第一时间，基于数据较完整原则，综合选取了地震震级、地震烈度、抗震设防烈度、受灾人口、人口密度、房屋损毁程度等6个具有代表性的参数作为地震伤亡人数的影响因素指标，并对变量进行相关性分析（图2）。
图2 相关系数热力图
在模型训练阶段，我们分别构建了 BP 神经网络、RBF 神经网络、支持向量回归和随机森林模型，采用5折交叉验证的方式，顺利获得决定系数（R²）、平均绝对误差（MAE）、均方根误差（RMSE）以及 R²的95% 置信区间综合评价模型性能（图3），研究发现，RBF神经网络对于受伤人数和死亡人数预测的预测效果最优。
图3 不同模型的预测指标值
图4 川西地区主要断层和地震分布
图4显示了川西地区复杂的地质构造与频繁地震分布特征，该区域受多条活动断裂控制，地形起伏大、交通不便、气候高寒，使得地震灾后应急物资需求呈现出明显的区域特殊性和多样性。
图5 应急资源需求预测软件的用户界面
图5为构建的图形用户界面（GUI），界面分为参数输入区和伤亡人数以及应急资源需求显示区。只需要输入事故特征参数并点击预测按钮，软件即可调用应急资源需求预测模型，将预测的潜在人员伤亡和应急资源需求结果显示在右边的文本框中，同时可查看相关的预测性能。
现在该研究研究团队将在预测精度方面进行深度优化，提取区分“死亡人数”与“受伤人数”预测所需的特征因子，构建多路径预测模型，并持续扩充案例库增强模型在真实灾害中的适应性。
该研究由中央公益性科研院所基本科研业务专项（ZDJ2025-36）和国家重点研发项目子课题“重大铁路地震灾害应急救援与综合防控”共同资助。研究成果以evo真人视讯为第一完成单位，于2025年11月发表在国际学术期刊《Seismological Research Letters》上，第一作者为硕士研究生周懿国，通讯作者为地震灾害研究中心谢卓娟副研究员。
链接：http://doi.org/10.1785/0220250188
