| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.3 研究创新点 | 第10页 |
| 1.4 数据来源及预处理 | 第10-11页 |
| 第2章 台风灾情与影响因子相关性研究 | 第11-30页 |
| 2.1 Copula熵基本知识 | 第11-15页 |
| 2.1.1 Copula函数定义 | 第11-13页 |
| 2.1.2 Copula熵定义与计算方法 | 第13-14页 |
| 2.1.3 Copula函数边际分布和参数估计 | 第14页 |
| 2.1.4 Copula熵和T检验筛选显著相关影响因子 | 第14-15页 |
| 2.2 基于Copula熵的台风灾情与影响因子的相关性分析 | 第15-26页 |
| 2.2.1 台风灾害影响因子的统计特征 | 第15-22页 |
| 2.2.2 台风灾情与影响因子相关性分析 | 第22-25页 |
| 2.2.3 台风灾情与影响因子相关性的进一步讨论 | 第25-26页 |
| 2.3 基于Copula熵的台风灾情与综合指数的相关性分析 | 第26-29页 |
| 2.3.1 ISOMAP-Copula综合指数 | 第27-28页 |
| 2.3.2 台风灾情与ISOMAP-Copula综合指数的相关性分析 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 台风灾害的影响因子选取及预评估模型研究 | 第30-41页 |
| 3.1 影响因子选取与预评估方法 | 第30-34页 |
| 3.1.1 主成分线性降维 | 第30-31页 |
| 3.1.2 等距特征映射非线性降维 | 第31页 |
| 3.1.3 熵权 | 第31-32页 |
| 3.1.4 Copula-Logistic回归 | 第32-33页 |
| 3.1.5 概率神经网络 | 第33-34页 |
| 3.2 基于Copula熵-ISOMAP的台风灾情PNN预评估模型 | 第34-40页 |
| 3.2.1 划分灾情等级 | 第34-35页 |
| 3.2.2 基于Copula熵、Copula熵-ISOMAP、Copula熵-PCA、Copula熵-熵权、Copula-Logistic的PNN预评估模型 | 第35-39页 |
| 3.2.3 模型对比与分析 | 第39-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第4章 结论与展望 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 附录 | 第46-51页 |
| 攻读硕士期间的主要研究成果 | 第51-52页 |
| 致谢 | 第52-53页 |
