网络损失（精选12篇）
网络损失 篇1
0 引言
随着我国建设事业的飞速发展,预应力结构的应用越来越广泛。预应力损失越来越成为威胁预应力结构的首要问题。特别是随着部分预应力混凝土的广泛应用,更是要求广大设计人员对预应力损失及最终有效预应力值有准确的了解,因此传统规范中提出的预应力损失的计算方法已显出精确度不高的缺点。本文尝试应用神经网络的方法对预应力损失进行预测,为广大设计人员提供一种较精确的方法。
1预应力损失种类及影响因素
根据GB 50010-2002混凝土结构设计规范,一般预应力损失包括以下5种:
1)张拉端锚具变形与钢筋内缩引起的损失。主要影响因素包括:张拉端至锚固端之间的距离,钢筋的弹性模量,张拉端锚具变形与钢筋内缩值。
2)预应力钢筋摩擦的损失。主要影响因素包括:圆弧形曲线预应力钢筋的曲率半径,预应力钢筋与孔道壁的摩擦系数,考虑孔道每米长度局部偏差的摩擦系数,张拉端至计算截面的距离。
3)混凝土加热养护时,受张拉的钢筋与承受拉力的设备之间的温差造成的损失。
4)预应力钢筋的应力松弛。张拉控制应力值,预应力钢筋强度。
5)混凝土收缩和徐变。主要影响因素包括:混凝土抗压强度,非预应力钢筋的配筋率,施加预应力值[1]。
2 神经网络
2.1 BP神经网络简介
BP神经网络是指基于误差反向传播算法(BP算法)的多层前向神经网络,它是D.E.Rumelhart和J.L.McCelland及其研究小组在1986年研究并设计出来的。当前BP算法已成为目前应用最为广泛的神经网络学习算法,据统计有近90%的神经网络应用是基于BP算法的[3]。
BP网络一般由输入层、输出层和若干隐层组成。在同一层中又含有若干神经元。BP网络是一种前馈型网络,从数学上可以证明,只含有一个中间层的3层BP网络,如果采用非线性激活函数,可以逼近任何一个连续函数。一般隐层结点取非线性(Sigmoid)函数,输入、输出层结点取线性函数。
2.2 BP网络算法
我们把BP网络应用于混凝土材料研究时,其中输入量x1,x2,…,xN代表影响混凝土性能的因素指标;输出量y1,y2,…,yM代表混凝土的性能;N为因素指标的维数,等于输入层神经元的数目;M为混凝土性能的数量,等于输出层神经元的数目。
对于单隐层BP神经网络,其网络内部前向计算如下:
1)输入层节点i的输出等于其输入,即Qi=xi。
2)隐含层节点的输入与输出:
式中:ωji———隐含层节点j与输入层节点i之间的连接权值;
θj———隐含层节点j的阈值;
f———Sigmiod函数。
3)输出层节点k的输入与输出:
其中,ωkj为输出层节点k与隐含层节点j之间的连接权值;θk为输出层节点k的阈值。
BP算法按照慢速下降原则收敛,速度很慢,在实际应用中常加入动量项提高学习效率,其误差的反向传播过程为:
a.输出层与隐含层之间的权值ωkj:
其中,δk=f(tk-Qk)。
b.隐含层与输入层之间的权值ωji:
n———迭代次数;
α———学习效率;
β———调整收敛速度的动量系数。
经过以上算法不断调整网络的各项参数后,得到一个满足精度要求的表示影响指标与性能之间的复杂函数这种函数关系无法以简单、明了的函数表达式表达,只能以网络的形式用权值和阈值为参数保存在计算机中[4]。
3 预应力损失实测数据
为了进行神经网络模型训练,我们在某预应力构件厂进行了少量的预应力损失实测试验。试验构件见图1。试验中我们结合预应力构件厂生产的构件种类和我们试验设备条件等因素,最终选取3 000 mm～7 000 mm预应力梁作为试验构件。试验中我们通过在预应力梁的跨中底部粘贴应变片来测出梁的预应力变化情况,其中选用的应变为纸基的50×5 mm的丝式应变片,每梁跨中底部横向等分粘贴3片,3片测出数据取平均后为最终数据。试验结果见表1[5]。
4 预应力神经网络预测
在进行神经网络预测前,我们选取除5,10外十组进行训练。构件长度,预应力钢筋弹性模量,锚具变形及钢筋内缩值,预应力施加值四个指标作为输入,输出为30 d预应力值、60 d预应力值。模式对数为10,中间层学习系数为0.4,输出层学习系数为0.4,允许误差0.001,网络经过85 000次学习后收敛。应用以上学习后的网络对编号5,10两组数据进行预测,其结果及误差见表2。由表2可以看出,运用神经网络对特定构件预应力进行预测误差在5%以内,说明神经网络对特定构件预应力预测较准确。另外因为影响预应力损失的因素较多,可以相信随着学习资料的增多,网络的预测能力也越强。
5 结语
因为神经网络能够较准确的预测出特定构件预应力,另外神经网络的输入层和输出层能够设置更多的神经元,并且由此可以训练出非线性能力更强,预测能力更强,精度更高的网络模型。相信,我们使用此模型能够更方便、深入地研究各种特定构件的预应力损失情况为各大型预应力结构设计提供参考依据
参考文献
[1]GB 50010-2002,混凝土结构设计规范[S].
[2]张立明.人工神经网络的模型及其应用[M].上海:复旦大学出版社,1993.
[3]许东.基于Matlab6.x的系统分析与设计——神经网络[M].西安:西安电子科技大学出版社,2002.
[4]杨璐.用神经网络方法识别结构损伤的研究[J].沈阳工业大学学报,2002,24(2):22.
[5]龚维明.预应力长期损失的灰色预测[J].南京建筑工程学院学报,1996(1):62-63.
网络损失 篇2
我考二级建造师是去年的事情了，那时候也没多想，就想着考一个试试。由于有工作平时事情很多真的抽不出太多时间来进行复习，我相信今年的很多二级建造师考生们的情况和我也都是一样的。所以，去年我就听从了一个前辈的建议去103网校报了个班，他当年就是在那上的课最后考过了。后来我发现103网校的课真的挺不错的，老师讲的很好管的也很严。今年我就想着作为一个过来人给后面跟我一样没那么多时间复习的考生们一点帮助吧，总结出了一些我在听103网校课程的时候的复习资料，本文是对约定赔偿损失与法定赔偿损失知识点的总结。
（五）约定赔偿损失与法定赔偿损失
约定赔偿损失，《合同法》规定，当事人可以约定一方违约时应当根据违约情况向对方支付一定数额的违约金，也可以约定因违约产生的损失赔偿额的计算方法。法定赔偿损失，是指根据法律规定的赔偿范围、损失计算原则和标准，确定赔偿损失的金额。
（六）赔偿损失的限制
1、赔偿损失的可预见性原则：《合同法》规定，赔偿损失不得超过违反合同一方订立合同同时预见到或者应当预见到的违反合同可能造成的损失。
2、采取措施防止损失的扩大：《合同法》规定，当事人一方违约后，对方应当采取适当措施防止损失的扩大；没有采取适当措施致使损失扩大的，不得就扩大的损失要求赔偿。当事人因防止损失扩大而支出的合理费用，有违约方承担。
（七）建设工程施工合同中的赔偿损失
1、发包人应承担的赔偿损失：（1）未及时检查隐蔽工程造成的损失；（2）未按照约定提供原材料、设备等造成的损失；（3）因发包人原因致使工程中途停建、缓建造成的损失；
（4）提供图纸或者技术要求不合理且怠于答复等造成的损失；（5）中途变更承揽工作要求造成的损失；（6）要求压缩合同约定工期造成的损失；（7）验收违法行为造成的损失。
2、承包人应当承担的赔偿损失：（1）转让、出借资质证书等造成的损失；（2）转包、违法分包造成的损失；（3）偷工减料等造成的损失；（4）与监理单位串通造成的损失；（5）不履行保修义务造成的损失；（6）保管不善造成的损失；（7）合理使用期限内造成的损失。
网络损失 篇3
摘要：
在综合考虑地震致灾因子、抗震设防因子、经济指标因子的基础上，选取地震震级、震源深度、受灾面积、受灾人口、设计基本地震加速度、人均GDP和产业机构比例等7个因素作为主要评价指标，运用神经网络分析方法，建立了基于LM-BP神经网络的地震直接经济损失评估模型。从历史地震事件中提取相关数据作为样本，并使用该样本对网络进行训练。最后对模型输出结果的误差率和模型的泛化能力进行分析，认为该模型可以有效评估地震直接经济损失，并具有较高的稳定性。
关键词：地震灾害；灾害评估；直接经济损失；LM-BP神经网络
中图分类号：P315-39文献标识码：A文章编号：1000-0666（2016）03-0500-07
0引言
随着我国经济的快速增长、城市规模的不断扩大，地震灾害对社会造成的影响也在不断加大，防震减灾工作显得尤为重要（赵士达等，2014a）。作为防震减灾工作一部分的震后应急救援和抗震救灾可以有效地减少地震造成的经济损失和人员伤亡（赵士达等，2014b；王东明等，2015），快速、准确地对地震灾区人员伤亡和经济损失做出评估是震后应急救援和抗震救灾工作能否收到实效的前提条件（刘如山等，2014）。
近年来，诸多学者使用不同的方法对震后经济损失快速评估进行了深入的研究，这些评估方法可分为5大类：分类清单法（陈洪富等，2013）、经济法（陈棋福等，1997）、遥感法（陈鑫连，谢广林，1996）、信息法（刘洋等，2009；刘佳友，徐琳瑜，2007）和神经网络法（范传鑫，2014）。其中分类清单法的应用最为广泛，该方法通过地震烈度衰减关系计算出地震影响场烈度空间分布，再综合分析各个烈度等级建筑物的类型、数量、空间分布以及建筑物的易损特性等，计算出各类建筑物的损失情况。但使用该方法进行地震灾害快速评估时对灾区的基础数据库要求比较高，基础数据库数据不完整、数据更新过慢、数据细化程度不够等都会使评估结果出现严重的偏差。随着神经网络技术的不断成熟，其在模式识别、函数逼近等方面得到了广泛的应用，一些学者也将这一技术应用到地震灾害损失评估中。
BP（Back Propagation，反向误差传播算法）神经网络算法是应用最广泛的一种神经网络算法，具有较强的非线性映射能力、自适应能力、容错能力和泛化能力（孙艳萍等，2010），但也存在收敛速度慢和容易陷入局部极小值等问题。为了克服这些问题，本文提出一种改进型LM-BP神经网络，并基于此建立了地震直接经济损失评估模型。
1影响地震直接经济损失的因素
11地震直接经济损失的界定
从灾害学的角度分析，灾害损失评估是对灾害造成的人员伤亡、直接经济损失和间接经济损失的评估，因此地震灾害损失可划分为人员伤亡、经济损失和救灾投入3部分，其中经济损失包括直接经济损失和间接经济损失。地震直接经济损失又包括地震灾害和地震次生灾害造成的建筑物、工程设施、设备、物品破坏导致的经济损失（王伟哲，2012）。
12地震灾害影响因子的分类研究
121地震致灾因子
震级是表征地震强弱的量度，是划分震源释放能量大小的等级。震级越大，地震释放的能量就越大，破坏能力就越强，相同条件下造成的直接经济损失也就越大。通常讲震级每相差10级，能量相差30倍，由此可见，震级是地震造成经济损失的重要因素之一。震源深度对地震破坏程度的影响也很大，相同震级的地震，震源深度越浅，造成的破坏就越严重。有统计表明，相同震级的地震震源深度从10 km减小到5 km，或是从20 km减小到10 km时，震中区域烈度平均会提高1度，故震源深度也是地震造成经济损失的重要因素之一。地震烈度是指地震发生时，在波及范围内一定地点地面振动的激烈程度（或解释为地震影响和破坏的程度）。一般来讲，距离震源越近，破坏就越大，烈度也就越高。在一次地震的受灾区域内会存在多个烈度区，而且这些烈度区的面积和分布并不规则。地震灾区的烈度评定在现场工作人员完成灾情调查后才能给出，在时间上不能满足地震经济损失快速评估的要求，且如果逐一计算各个烈度区的损失情况也会大幅度地增加计算的复杂程度。所以本文以总受灾面积为灾害承载体，选取地震震级和震源深度为主要致灾因素，对灾区进行经济损失评估。灾区面积的大小与地震直接经济损失成正相关关系，其他条件相同的情况下，灾区面积越大，经济损失也就越大。
122抗震设防因子
一个地区在遭受地震破壞时，其自身的抗震设防能力会对其产生重要的保护作用，抗震设防能力越强其抗御地震破坏的能力也就越强。抗震设防烈度是各类建筑物建设时采用设防标准的重要依据。各地区的建筑物都要按照该地区的抗震设防烈度要求进行建设。虽然地区建筑物实际设防烈度和地区的抗震设防烈度会存在一定的差距，但整体上抗震设防烈度可以反映出一个地区的抗震设防能力。
在以烈度为基础作为抗震设防标准时，由烈度给出相应的峰值加速度，烈度与设计加速度并不是一一对应的，在同一个设防烈度下，可能会对应不同的加速度值。这主要是由于同一烈度下，不同的场地类型地震加速度也有所不同。所以本文在评估一个地区的抗震设防能力时，主要考虑该地区的设计基本地震加速度。
123社会经济指标因子
一般来讲，在遭受同等地震的情况下，地区经济越发达，经济损失就越严重。这主要是因为经济越发达，地区人口越集中、生命线工程集中和地上地下管网越密集。人均GDP是衡量一个地区经济发展水平最重要的指标之一，人均GDP越高，该地区的经济基础和经济发展状况就越好，同等地震破坏的情况下，损失也就越大。不同的产业结构受地震破坏影响程度也不同。第一产业和第二产业所占的比重越大，受到地震破坏时相比第三产业经济损失也就越大。
除了以上两个重要因素外，受灾人数也与地震直接经济损失成正相关关系，其他条件相同的情况下，受灾人数越多，所涉及的社会财富越大，经济损失也就越大。
124其它因素
地震间接引起的火灾、水灾、毒气泄漏、疫病蔓延、海啸等，称为地震的次生灾害。次生灾害造成的经济损失是地震直接经济损失的一部分，严重的次生灾害造成的经济损失甚至比各类建筑物损毁造成的损失还要大。
地震后，地区的应急处置和抢险救灾能力与诸多因素有关，如交通条件、生命线工程抢修速度、有无应急预案等，这些因素决定了该地区降低地震灾害经济损失和人员伤亡的能力以及地区的应急处置和抢险救灾能力。
13地震灾害影响因子的提取
地震灾害样本信息选取的原则是容易获取的，对于一些记录不全面或者信息准确性存在问题的样本应舍弃。本文地震灾害信息的样本主要选自《2001～2005中国大陆地震灾害损失评估报告汇编》（中国地震局震灾应急救援司，2010）中记录完整的历史地震，其中震级、震源深度、灾区面积、受灾人口和地震直接经济损失可在灾害评估报告中查到。各地区的设计基本地震加速度通过查阅《建筑抗震设计规范》（GB 50011—2001）来获取。人均GDP和产业结构比例是通过查阅各地区统计公报或地区年鉴获取的。在《中国大陆地震灾害损失评估报告汇编》（中国地震局震灾应急救援司，2010）中记录的地震次生灾害造成的经济损失不多，一般都在总直接经济损失的5%以内，所以笔者不直接考虑次生灾害的影响，而是得出总的直接经济损失评估后，按照次生灾害的严重程度，对总的直接经济损失进行修正。由于笔者无法获取足够的资料对各个地区的防灾减灾能力做出评价，所以没有将地区防灾减能力作为影响因子。
一次地震经常会对多个地区产生影响，而各个地区的经济水平和产业结构也各不相同，所以需要对受灾区域的GDP和产业结构重新评估，估算公式分别为
G=∑ni=0GiSiS， （1）
R=∑ni=0RiSiS.（2）
式中，G为灾区人均GDP；n为地震造成的受灾区域数量；Gi为第i个地区的人均GDP；S为灾区总面积；Ri为第i个地区第一、二产业占GDP的比例。
2LM-BP神经网络
21BP神经网络的优缺点
在BP神经网络中，输入层的神经元用于接收外界信息并将信息传给隐含层（郭章林等，2004）。隐含层神经元主要负责对接收的信息进行变换，并将信息传给输出层。隐含层的层数不是固定的，而是根据信息变化复杂程度的需要而定的。输出层主要负责将信息向外界输出（田鑫，朱冉冉，2012）。BP神经网络结构如图1所示。
假设某个神经元的输入信号x=（x1，x2，…，xn）T，可调节的连续权值w=（w1，w2，…，wn）T，θ为神经元的兴奋阈值，u（*）为基函数，该神经元的输出则为u（x，w，θ）。输出信号u需要经过激活函数的挤压，即y=f（u），将输出值的范围压缩到非常小的范围内。
虽然BP神经网络具有以上优点，但自身也存在着局限性。BP神经网络采用的是梯度下降算法，而梯度下降算法在其误差曲面中会出现平坦区域和多个极小值点。在平坦的误差曲面中，误差下降速度慢，网络的训练速度也会变慢。当遇到局部极小值时，网络会误认为是最优解，导致仿真失败。
22LM-BP网络
Levenberg-Marquardt算法（简称LM算法），是一种非线性最小二乘算法，是用模型函数对待估参数向量在其领域内做线性近似，忽略掉二阶以上的导数项，从而转化为线性最小二乘问题，所以该算法的收敛速度比梯度算法要快很多。LM算法虽然在收敛速度上有明显的提升，但仍然可能陷入局部极小值，导致仿真失败。因此，在进行仿真时需要对迭代次数进行限定，防止陷入局部极值。当迭代次数超过限定就自动跳出，重新给网络赋予权值和阈值，然后重新迭代，直到得出预期的结果。
23网络的构建与训练
笔者在计算时主要考虑震级、震源深度、受灾面积、受灾人口、设计基本地震加速度、地区人均GDP和产业结构比例7个因素，所以设计的网络输入层为7个节点，输出层为1个节点。隐含层的节点数量需要在仿真中进行逐一尝试才能确定下来。隐含层节点数量经验参考公式为
h=p+q+a.（3）
其中，p为输入层节点数量，q为输出层节点数量，a为0～10的自然数。神经网络的训练能力和泛化能力在一定程度是存在矛盾的。训练初期，随着网络训练能力的提高，泛化能力也在提高。当训练能力提高到一定程度后，随着网络训练能力的提高，泛化能力就会下降。出现这一问题的原因是网络训练的样本过多，訓练精度过于高，产生了过拟合现象，当遇到非训练集中的样本时，网络输出精度就会大幅度下降。为了避免过拟合现象的出现，笔者在网络训练时将样本分为训练样本、测试样本和确认样本3部分。训练样本用于调整网络连接的权值和阈值，提高训练精度。测试样本用来评价训练后的网络，如果训练后的网络满足测试样本的要求就结束训练。确认样本用于防止过拟合训练，当确认样本的精度随着网络精度提升而下降时，就强行结束训练。笔者选取的样本是按照地震发生时间顺序排列的，不能直接进行样本分组和训练，需要先将样本的顺序随机打乱后，再进行样本分组和训练。图2为整个网络训练设计流程图。
3LM-BP神经网络的实例应用
31数据归一化处理
本文选取了《2001～2005年中国大陆地震灾害损失评估报告汇编》（中国地震局震灾应急救援司，2010）中记录的30次地震作为样本，样本数据如表1所示。其中训练样本占总样本的80%，测试样本和验证样本各占10%。由于样本中的数据单位不统一且数值取值范围很大，所以需要对样本中的数据进行无量纲处理，并将数据取值范围压缩到一个很小的区域内。本文所选取的样本数据均为正数，可选取logsig函数作为激活函数，将样本数据挤压到（0，1）之间。但logsig函数曲线在数轴0和1两点附近曲线平缓，影响网络训练的速度和网络的灵敏性。因此，在进行数据归一化处理时，需要将样本集的数据按类型归一化到（01，09）区域内。
32LM-BP神经网络的构建
本文所设计的LM-BP网络输入层、隐含层和输出层均为1层，其中输入层有7个节点，隐含层节点数目范围是3～13，输出层有1个节点。使用Matlab2010对LM-BP神经网络进行训练和仿真，逐一尝试隐含层节点数目，最终确定隐含层节点数为8时，网络拟合的效果最佳。LM-BP网络结构示意图如图3所示。
33LM-BP神经网络的训练与仿真分析
图4为LM-BP神经网络训练样本、测试样本和确认样本的误差曲线图。从图中可以看出，在训练初期3种样本的误差曲线都随着训练的进程而显著下降，这表明该网络具有十分良好的泛化能力。笔者在设计中设定确认样本误差曲线连续5步上升就结束仿真，防止网络进入过拟合状态。从图中可以看出，在训练进行到第13步时，确认样本误差曲线开始上升，并且一直保持上升到第18步。这主要是由于网络产生了过拟合所导致的。在第13～18步中，训练样本误差曲线保持下降，而测试样本误差曲线却一直上升，也印证了网络开始进入过拟合状态。
图5为30个样本的训练和预测情况示意图，其中横轴第1～24个数据为训练样本，第25～27个数据为确认样本，第28～30个数据为预测样本。从图中可以看出训练样本和确认样本的拟合度非常高，测试样本的预测值与真实值也十分接近，其预测相对误差如表3所示。
34LM-BP神经网络在地震直快速评估中的应用
以2012年6月24日宁蒗—盐源57级地震为例，使用LM-BP神经网络进行地震直接经济损失评估。该次地震的震源深度为11 km，受灾人口1162万人，受灾面积2 218 km2。宁蒗彝族自治县和盐源县两地地震设防加速度同为015g，所以设防加速度取015g。2011年宁蒗彝族自治县和盐源县人均GDP分别为7 445元和18 045元，产业结构比分别为598%和795%，同时两个县的受灾面积分别为1 365 km2和853 km2。根据式（1）和（2）可得平均GDP为11 522元，产业结构比为6738%。
将上述7个因素作为输入条件，使用训练好的网络进行仿真，得出直接经济损失为653亿元，本次地震的实际直接经济损失为772亿元。仿真结果和实际结果存在1541%的相对误差，可以满足经济损失快速评估的要求。进一步分析仿真结果可以发现，该次仿真的相对误差比网络训练时的相对误差要大，且仿真结果比实际值要小。这主要是因为训练网络时采用的样本选取的是2000～2005年地震事件，当时我国各地区GDP很低。而笔者选取的是2012年的宁蒗—盐源地震，2012年我国GDP已经比2000时大幅度提高。当输入2012年GDP时，网络会认为该输入为奇异值，会对该数据进行压缩，导致仿真结果比实际结果小，且相对误差增大。这一问题可以待地震灾害损失评估报告更新后，加入近年来的地震事件样本继续训练来解决。
4结论
本文主要分析影响地震直接经济损失的主要因素，并选取地震震级、震源深度、受灾面积、受灾人口、设防加速度、人均GDP和产业结构比例作为主要影响因素。通过分析BP神经网络的优缺点，提出改进型LM-BP神经网络作为地震直接经济损失评估模型。使用历史地震样本对该网络进行训练，最终得到同时具备较强泛化能力和拟合能力的预测模型。同时该模型也存在一定的局限性，例如训练样本震级都小于7级，对于7级以上地震直接经济损失评估会产生较大的偏差。造成这一问题的主要原因是目前可以查阅到的记录全面的地震灾害评估报告较少，地震事件样本不充足。待2005年以后的地震灾害评估数据更新后，使用更加充足的样本再重新训练，可以有效地解决这一问题。
参考文献：
陈洪富，孙波涛，陈相兆等. 2013. 基于云计算的中国地震灾害损失评估系统研究[J].地震工程与工程振动， 33（1）：198-203.
陈棋福，陈颙，陈凌. 1997. 利用国内生产总值和人口数据进行地震灾害损失预测评估[J].地震学报，19（6）：640-649.
陈鑫连，谢广林. 1996. 航空遥感的震害快速评估与救灾决策[J].自然灾害学报，34（5）：29-34.
范传鑫. 2014. 基于改进型的RBF神经网络的城市震害损失评估模型[D]. 黑龙江：哈尔滨工业大学，17-34.
郭章林，刘明广，解德才.2004. 震灾经济损失评估的遗传神经网络模型[J]. 自然灾害学报，13（6）： 92-96.
刘佳友，徐琳瑜. 2007. 一种区域环境风险评价方法——信息扩散法[J]. 环境科学学报，27（9）：1549-1556
刘如山，余世舟，颜冬启等. 2014. 地震破坏与经济损失快速评估精细化方法研究[J].应用基础与工程科学学报， 22（5）：928-940.
刘洋，唐川，冯毅. 2009. 基于AHP信息量法的地质灾害危险性评价[J].地球与环境，41（2）：173-178
孙艳萍，窦玉丹，张明媛等.2010. 基于神经网络的震害损失评估模型[J].防灾减灾工程学报，30（9）：168-171.
田鑫，朱冉冉. 2012. 基于主要成分分析及BP神经网络分析的地震人员伤亡预测模型研究[J]. 西北地震学报，34（4）：365-368.
王东明，朱达邈，李永佳. 2015.中国地震灾害损失调查评估培训系统在线考试子系统的设计与实现[J].地震研究，38（3）：508-516.
王伟哲.2012.地震直接经济损失评估：BP神经网路及其应用[D]. 成都：西南财经大学，12-15.
赵士达，张楠，杨爽 . 2014a. 基于云计算和Android的地震應急信息获取系统[J]. 计算机应用， 34（S1）： 298-300.
赵士达，张楠，杨爽. 2014b. 基于Android系统的避难场所查询软件开发[J]. 电子技术应用，40（3）： 133-136.
中国地震局震灾应急救援司. 2010. 2001～2005年中国大陆地震灾害损失评估报告汇编[M]. 北京：地震出版社.
网络损失 篇4
台风灾害是全球发生频率最高、最严重的灾害之一[1]。面对台风灾害对中国社会和经济的严重影响,我国学者开展了广泛的研究工作,主要集中在台风路径、灾情等级等方面,对于台风灾害的防御措施也多集中在台风预报等方面。台风的承载体很多,灾情体现在众多方面,如何更科学、更高效地进行抗台减灾工作,准确合理地预测灾情显得尤为重要。
人工神经网络是借鉴于生物神经网络而发展起来的新型智能信息处理系统。人们使用人工神经网络对宏观变量进行测算和预测,只需要少量的学习样本就可以确定网络的权重和阈值,精确度较高,能够对系统中的非线性关系进行描述,使建立的非线性模型与实际系统非常接近[2]。显然,台风损失的预测问题是一个非线性问题,它涉及到很多因素,包括台风自身的属性(破坏性)、受灾区域的区域特征等等,因此可以建立一个以台风破坏力、区域特征等因子为输入、各种损失为输出的人工神经网络,这显然是一个多输入多输出的问题,这里选用BP神经网络进行损失预测研究。
在验证人工神经网络方法能进行台风损失预测后,气象部门和政府部门可根据准确率较高的预测结果进行抗台方案的制定和实施,以达到减少灾害损失的目的。
1 网络模型的建立和训练
1.1 BP神经网络的基本结构和算法
BP算法的学习过程由信号的正向传播和误差的反向传播两个过程组成。样本从输入层输入、经隐藏层处理后由输出层输出,这称为正向传播;如果实际输出值与期望输出值不符,则进入误差反传。输出误差以一定的形式通过隐层逐层反传,在这个过程中将误差分摊,分摊的误差作为修正各单元权值的依据。权值调整的过程就是网络训练学习的过程[2,3]。BP神经网络中单隐层网络的应用最为普遍,一般习惯将单隐层神经网络称为三层模式,即输入层、隐藏层和输出层,如图1所示 。
三层BP神经网络中输入向量为X=(x1,x2,…,xi,…xn)T,图中x0=-1是为隐藏层神经元引入阈值而设置的;隐藏层输出向量为Y=(y1,y2,…,yj…ym)T,图中y0=-1为输出层神经元引入阈值而设置的;输出层向量为O=(o1,o2,…,ok,…ol)T;期望输出向量为d=(d1,d2,…,dk,…,dl)T。输入层到隐藏层之间的权重矩阵V=(v1,v2,…,vj,…,vm);隐藏层到输出层之间的权重矩阵为W=(w1,w2,…,wk,…,wi)。各层之间存在下列数学关系:
对输出层:
对隐藏层:
当网络输出与期望输出不相等时,定义误差
通过分析该式可以知道,可以通过调整隐层节点等参数来不断缩小误差。
1.2 输入输出向量的确定
从社会区域、年份差异、台风致灾能力等特征出发,选择台风损失预测的输入输出向量。由于台风造成的灾害主要是风灾、雨灾和风暴潮,因此选择台风登陆后的最大风速、最大雨量和影响时间长短等致灾因子[5],以及台风发生地的GDP、年末总人口和耕地面积等区域和年代特征为输入向量,以直接经济损失、伤亡人口、淹没耕地面积和损毁房屋等灾害损失为输出向量,构成一个6输入4输出的BP神经网络。各指标解释如下:
最大风速:训练样本为台风登陆后区域内各气象站测得的最大风速统计值,预测中使用的样本为气象预报的可能值。
最大雨量:此为最大日雨量,训练样本也是气象站统计值,预测样本为预报值。
影响时长:台风从入境到处境的时间长短,以小时为单位。
GDP、年末总人口、耕地面积为政府部门统计资料统计值。这些值反映了区域差异,在经济越发达、人口密度越大的地区,其损失肯定越大,造成的人员伤亡可能性也越大。在预测过程中,年末总人口和耕地面积变化不大,可以继续沿用上一年的统计值,GDP采用国家预测GDP增长速度乘以上年GDP统计值获得。
数据来自《浙江省统计年鉴》、《浙江省陆域自然灾害灾情登记表》等统计资料。
1.3 网络的训练
Matlab是一个强大的数学运算分析工具,本文使用Matlab来编程实现BP神经网络的学习预测。首先进行样本数据的归一化;由于输入向量有6个元素, 所以网络输入层的数据元为6个,根据Kolmogorov定理,可知网络中间层的神经元可以取14个。而输出向量有4个,所以输出层中的神经元应该有4个。网络中间层的神经元传递函数采用S型正切函数tansig,输出层神经元传递函数采用S型对数函数logsig。另外,用Matlab训练神经网络时不需输入权值、步长以及阙值。网络经过训练后才能用于损失预测的实际应用。为了提高精度需要适当增大训练次数和学习速率。经过多次试验发现,设定最大训练次数为8000 次, 训练目标为0.05, 学习率为0.02,这时误差最小[6]。图2所示为网络训练结果。
2 预测结果及误差分析
本例选择从1981年到2005年登录浙江的30个台风相关统计数据和区域数据作为样本进行网络训练,并选择0608号台风“桑美”作为预测样本,通过上述网络预测后将之与统计结果对比如表1所示。图3所示为各损失指标相对误差。
可以看出对伤亡人口、倒塌房屋数量和直接经济损失的预测结果良好,但淹没农田的预测值误差较大。通过分析可以得出如下一些出现误差的原因:(1)训练样本数量较少。影响台风损失大小的原因有很多,因此样本 数据规律性不强, 样本越少则出现误差的概率越大;(2)由于年代跨度较大,某些指标的统计值标准不一致,数据波动过大。(3)特殊样本的存在。由于样本数量较少,因此在训练过程中未将一些异常样本去除,这也是造成误差过大的原因之一。(4)网络参数的设定和偶然性因素。BP网络需要调整的参数有很多,不同的实验会出现不同的结果,因此还需要不停地实验直到找出最佳网络模型。
3 结束语
误差的存在需要更多的工作去消除。既有样本数据的问题、方法本身的问题还有输入输出向量的问题。BP神经网络存在收敛速度慢和局部极小的缺点,而广义回归神经网络(GRNN)能弥补这些不足,因此可以尝试用不同的方法预测后进行比较;对于输入向量,任然需要更多细致的选择,将预报水平、地区抗台能力水平等指标考虑进来似乎会使结果更加精确,对这些指标任然需要进行数据的收集和评价。
不同于一般的经济系统预测,台风损失与其破坏能力没有非常明显的计算关系,它的变化多端也使得台风损失预测的误差相对大很多,对于灾害损失预测而言,本文部分预测的结果是可以接受的。这说明了人工神经网络方法在该问题上是完全适用的。
参考文献
[1]陈玉林,周军,马奋华.登陆我国台风研究概述[J].气象科学,2005,25(3):319-329.
[2]韩力群.人工神经网络理论、设计及应用[M].北京:化学工业出版社,2002.
[3]杜磊,闫晖.基于BP神经网络的电力系统负荷预测[J].中国科技信息,2008(4):18-19
[4]李铁男,李凯昕.神经网络及其应用[J].佳木斯大学学报:自然科学版,2003,24(6):78-79.
[5]曹楚,彭加毅,余锦华.全球气候变暖背景下登陆我国台风特征的分析[J].南京气象学院学报,2006,29(4):455-461.
资产损失清单申报 篇5
企业所得税纳税人发生下列资产损失，应以清单申报的方式向税务机关申报扣除：
（一）企业在正常经营管理活动中，按照公允价格销售、转让、变卖非货币资产的损失；
（二）企业各项存货发生的正常损耗；
（三）企业固定资产达到或超过使用年限而正常报废清理的损失；
（四）企业生产性生物资产达到或超过使用年限而正常死亡发生的资产损失；
（五）企业按照市场公平交易原则，通过各种交易场所、市场等买卖债券、股票、期货、基金以及金融衍生产品等发生的损失。
纳税人应按照规定期限向税务机关报送企业资产损失税前扣除清单申报的申请及《企业资产损失（清单申报）所得税税前扣除汇总表》，向税务机关申报办理所得税税前扣除资产损失。
二、政策依据
（一）《国家税务总局关于发布〈企业资产损失所得税税前扣除管理办法〉的公告》（国家税务总局公告2011年第25号）
（二）《国家税务总局关于印发〈跨地区经营汇总纳税企业所得税征收管理办法〉的公告》（国家税务总局公告2012年第57号）
（三）《河南省国家税务局关于企业资产损失所得税税前扣除管理有关问题的公告》（河南省国家税务局公告2012年第1号）
三、纳税人应提供资料
（一）下列事项企业可按会计核算科目进行归类、汇总，向税务机关报送汇总清单和企业资产损失税前扣除清单申报的申请报告：
1.企业在正常经营管理活动中，按照公允价格销售、转让、变卖非货币资产的损失； 2.企业各项存货发生的正常损耗；
3.企业固定资产达到或超过使用年限而正常报废清理的损失；
4.企业生产性生物资产达到或超过使用年限而正常死亡发生的资产损失；
5.企业按照市场公平交易原则，通过各种交易场所、市场等买卖债券、股票、期货、基金以及金融衍生产品等发生的损失；
（二）《企业资产损失（清单申报）所得税税前扣除汇总表》2份；
（三）《企业资产损失所得税税前扣除延期申报申请表》（延期的报送）2份。
四、办理流程
（一）受理部门 办税服务厅
（二）承诺时限
符合条件的，当场办结。
（三）办理流程
纯粹经济损失初探 篇6
关键词：纯粹经济损失；侵权责任法；规范模式
中图分类号：D913 文献标志码：A 文章编号：1002-2589（2013）17-0139-02
一、纯粹经济损失的概念
纯粹经济损失这个概念最早起源于英美法系，在英文表述中一般为pure economic loss，是民法学领域的一个较新的概念。作为大陆法系代表的德国法中也有相应的概念——“纯粹财产损害”（Reines Vermogenschaden）。但是纵观各国法律，对其进行明确的成文法界定的只有1972年的《瑞典赔偿法》，该法典第2条规定：“根据本法，纯粹金钱上的损失是一种在任何方面与人身伤害和财产损害都没有关联的经济损失。”我国台湾学者王泽鉴先生也对其表达了自己的见解，是指受害人遭受的经济上的不利益或称财产上的损失，这样的损失并非由受害人的人身伤害或有形财产损害所引起[1]。综上所述，笔者较认同通过对其特征进行的界定，纯粹经济损失是受害人直接遭受的、非因受害人的人身或有形财产遭受损害而间接引起的经济上的不利益或金钱上的损失[2]。
二、纯粹经济损失的分类
在合同法领域内，也存在着纯粹经济损失，如期待利益（履行利益）和信赖利益。前者是指合同有效成立后，当事人希望通过合同的履行所带来的利益，与既存利益方向相反的将来利益。后者则是合同或要约赋予了信赖一方当事人所固有的，因信赖可能或已经受到的损失的利益，包括财产利益和机会利益。这两者虽不以财产和人身实际损失作为前提，但是两者都可以通过契约法领域进行救济，如违约责任和缔约过失责任，笔者就不再赘述，以下仅就侵权法领域的纯粹经济损失进行简要分析。
1.反射损失
反射损失（ricochet loss），又称为关联经济损失（relational economic loss）：是指加害人（被告）的不法行为侵害了第三人的财产或人身权利，受害人（原告）与该第三人之间存在着某种关联关系，因第三人财产或者人身损害而遭受了进一步的损害。英国著名的电缆案件便是这一类型，伯明翰的一家钢铁厂由电力公司供电维持运作，由于隧道施工单位工人的疏忽大意将电缆损坏，电力公司为修复电缆切断供电使钢铁厂无法运作导致了损失。又如丈夫因交通事故受到严重伤害住院，妻子为照顾丈夫而暂停或放弃工作，由此妻子所受到的损失即为反射损失[3]。
2.转移损失
转移损失（transferred loss），指前述的反射损失中，存在这样一种情况，即在初始受害人和次级受害人都发生了损失的情形下，基于法定或约定的原因，原本应由初始受害人承担的损失被转移至次级受害人承担，这类损失即为转移损失。此类情况中，次级受害人损失即为纯粹经济损失，因其人身或者财产未受到直接的侵害。这类转移损失多发生于财产权与使用权分离的定期租赁、买卖和保险合同或其他类似合同。例如，甲和乙订立了一份长期租赁合同，后在履行过程中因为合同标的被丙破坏，乙无法获得租赁合同项下本应获取的利益，这种利益损失就是这类转移性纯粹经济损失。
3.公用设施损害而导致的损失
这类损害通常不存在具体侵害人，而是由于各种关联行为互相作用导致了一种过失损害的发生，使得公用设施遭到关闭或进行维修，从而使得信赖这些设施的群体遭受纯粹经济损失。例如，日常道路交通因他人肇事而堵塞，堵车人的事务被迫搁置所导致的系列损失：行程耽误、路费增加、会议无法召开、合同无法签订、交易无法进行等等[3]。这一系列经济上的不利益都属于因公用设施损害而导致的纯粹经济损失，这是日常生活中最为常见的纯粹经济损失，而且影响范围十分广大，使得该类纯粹经济损失一般归属于限制获赔的领域。
4.疏忽的失实陈述或信息披露而发生的损失
这种纯粹经济损失是受害人基于信赖他人披露发布的信息内容而采取了某种行动，后因为披露的信息内容错误或不准确而导致了受害人的损失。此时如果披露发布信息内容的主体与受害人之间无合同关系，那么受害人的损失因非基于自身财产和人身损害而发生是属于纯粹经济损失。有一个英国的经典案例：原告广告代理公司，为另一家公司策划广告宣传活动。原告为避免在这次活动中承担巨大风险，谨慎起见通过自己的开户行向对方的开户行（被告）写信询问其资信状况。被告行回信称公司信用良好附带免责声明，后该公司破产，广告公司承担巨大损失[4]。
5.基于对建议和专业服务的信赖导致的损失
现实生活中有大量提供专业建议或信息的专业人士，如律师、会计师等。该类主体具有高于一般的注意义务，因为与其无合同关系的第三人常常会信赖其提供的建议或提供的专业服务而进行交易。因此这类专业人士如因故意或过失而提供了错误或虚假的信息而使第三人遭受了纯粹经济损失将承担损害赔偿责任。英国有一个遗嘱无效案件，立遗嘱人因与女儿关系不合要求律师修改遗嘱将女儿排除在继承人之外，后来他们重修旧好，遂要求律师再改回遗嘱，但是由于律师的过失导致遗嘱未被改回。此案律师作为专业人士未尽职而导致了损失的产生需承担责任。
三、纯粹经济损失的规范模式
现在各国对纯粹经济损失案件主要有以下几种规范模式。
1.放任式体系，以法国、意大利和西班牙为代表
这些国家的侵权法通常都规定了侵权责任的一般条款，因此并未绝对排斥纯粹经济损失的赔偿，但也没有明确将纯粹经济损失视为一种类型。在这些国家的侵权法范围内，一般可以实现对纯粹经济损失的救济，而无需转而寻求其他救济，但是为了限制侵权责任的适用范围，法官通常会巧妙地应用其他法律工具来达到目的[5]。例如法国，在法国法中没有区分对纯粹经济损失和非纯粹经济损失的保护。《法国民法典》第1382条：“任何人因其行为致人损害，如果对损害发生有过错的，因承担赔偿责任。”和第1383条规定：“任何人因自己过失或者不谨慎做出的行为致人损害，应就此承担责任。”是关于侵权责任的一般条款的规定，这两点被普遍认为涵盖了对几乎所有权利和法益的保护。但在实务中，对纯粹经济损失法官常常采取直接因果关系进行限制。
2.实用式体系，以英格兰和荷兰为代表
在这些法域里，法官通过引入法律政策的公开评价和对“注意义务”的考察实现对个案里各冲突利益的衡量，而并不直接限制或者认可对纯粹经济损失的赔偿。这些国家将纯粹经济损失作为一种损失的类型，但救济与否取决于具体个案的分析。例如英国法奉行纯粹经济损失一般不予赔偿的规则（exclusionary rule），但在“疏忽的失实陈述”一案中，法官通过对当事人特殊信赖关系的考量，认许了该特殊关系产生了保护他人纯粹经济损失的注意义务，确立请求损害赔偿的例外原则。此项损失须为可预见性，请求人和被告之间须有密切关系，得公平、合理地使被告负有注意义务，此案为今后类似案件提供了一个控制水闸机制（floodgate）[6]。
3.保守式体系，以德国、奥地利、葡萄牙和瑞典为代表
这些法域对纯粹经济损失不予赔偿原则坚持最为长久，因为这些国家的侵权法条款都是列举式的，而纯粹经济损失并未被纳入法律保护的范围。但随着经济的发展和社会生活的需要，法官通常会通过适用其他法律手段来实现对这类损失的救济，典型的做法如德国扩张合同责任救济的范围。1896年《德国民法典》第823条和第826条确立了侵权责任的基本原则（区分权利和利益）。第823条1款通过列举式的方式明确划定权利保护范围从而将纯粹经济损失置于了法律保护范围之外。第2款和第826条虽然没有明确限制对纯粹经济损失的赔偿，但其获得救济的理由并不是因为它属于纯粹经济损失，而是给予它违反了保护他人之法律的规定或者故意违反善良风俗的方式侵害了他人的利益。针对立法的限制，德国司法实践发挥了创造性，法官通过扩张合同责任的适用领域，引入保护第三人利益合同来间接地实现对纯粹经济损失的赔偿。
四、我国对纯粹经济损失问题该如何借鉴
我国现行立法并无明确的“纯粹经济损失”一词，学界尚处于理论探讨阶段。以张新宝教授为代表的部分学者曾指出：“该概念的引入与我国既有的法律规范体系并无冲突，司法实践中也具有其操作性。它可以将某些在法律价值观看来不适宜获得法律救济的损失置于法律保护的范围之外，也有助于对某些需要获得保护的金钱上的不利益做出公开的利益评价，进而确认其是否可以获得法律救济。”[3]
笔者认为我国可以采取以下模式对纯粹经济损失进行保护。首先，通过合同法和侵权法对其进行分别保护，使其在各自的调整对象和领域范围内，发挥各自的救济功能。其次，在采取大陆法系一般性条款的基础上，借鉴英美法系类型化的保护模式，针对不同情形采取不同的保护方法，并明确加害人造成怎样的后果承担怎样的损失。我国现行《侵权责任法》第6条和第7条规定了一般侵权责任的内容，第2条将民事权益进行界定，采用了列举加兜底的开放模式将“纯粹经济损失”纳入其中，整体上是对《民法通则》第106条的进步，在一定程度上赋予法官自由裁量权。但作为一个成文法国家，《侵权责任法》仅承认纯粹经济损失是不够的，缺乏明确的界限，易造成实践中无法救济或滥用职权的情况，因此要对纯粹经济损失提供保护，其范围需加以明确和限制。最后，配合其他部门法规所确定的责任形式与赔偿方式，辅以法官在司法审判中的具体分析和利益衡量为佳[7]。
参考文献：
[1]王泽鉴.侵权行为[M].北京：北京大学出版社，2009：296.
[2]李吴.纯经济上损失赔偿制度研究[M].北京：北京大学出版社，2004：7-8.
[3]张新宝，张小义.论纯粹经济损失的几个基本问题[J].法学杂志，2007，（4）.
[4]龚赛红.中国民法视野中的纯经济损失——兼评我国的研究现状[J].北京化工大学学报：社会科学版，2008，（4）.
[5]满洪杰.论纯粹经济利益损失保护——兼评《侵权责任法》第2条[J].法学论坛，2011，（2）.
[6]杨雪飞.纯粹经济损失之赔偿与控制[D].北京：中国政法大学，2008.
网络损失 篇7
道路交通事故给人们的正常生产、生活带来了较大负面影响,轻则造成人身和财产的损失,重则车毁人亡。所以该问题的研究一直以来就是众多专家和学者所关注的热点。其中,如何对交通事故的损失进行定量建模研究,具有较大现实意义。关于该方面的研究,学者们已建立了一些预测模型,如回归模型、BP神经网络模型等[1~4]。众所周知,道路交通事故因果关系复杂,难以用一般回归模型描述,且精度有待提高。相反,神经网络由于其自身固有的超强适应能力和学习能力,在此类问题的解决中具有独特的优势。相比BP网络,要实现同一个功能,径向基网络(RBF网络)的神经元个数可能要比前向BP网络的神经元个数要多,而且径向基网络所需要的训练时间也比前向BP网络要少。基于此,本文应用RBF神经网络对道路交通事故损失因子进行建模探讨研究,以期对同行有所启发。
2 RBF神经网络理论基础
径向基函数RBF神经网络是由J.Moody和C.Darken于20世纪80年代末提出的一种神经网络结构,它是具有单隐层的三层前馈网络。目前已经证明,RBF网络能够以任意精度逼近任意连续函数。
2.1 RBF网络结构
本文暂且撇开具体的数学推导不谈,径向基网络的神经元模型结构如图1所示,其传递函数radbas是以权值向量和阈值向量之间的距离‖dist‖作为自变量的,其中,‖dist‖是通过输入向量和加权矩阵的行向量的乘积得到的[5]。
径向基网络的传递函数的原型函数为:
当输入自变量为0时,传递函数取得最大值为1。随着权值和输入向量之间距离的减少,网络输出是递增的。所以,径向基神经元可以作为一个探测器,当输入向量和加权向量一致时,神经元输出1。图1中的b为阈值,用于调整神经元的灵敏度。
2.2 RBF网络的学习规则
径向基函数网络是由输入层、隐含层和输出层构成的三层前向网络,隐含层采用径向基函数作为激励函数,该径向基函数一般为高斯函数,如图2所示。隐层每个神经元与输入层相连的权值向量wli和输入矢量xq(表示第q个输入向量),之间的距离乘上阈值作为本身的输入,如图3所示。
隐含层的第i个神经元的输入为:
输出为:
径向基函数的阈值b1可以调节函数的灵敏度,但实际工作中更常用另一参数C(成为扩展常数)。b1和C的关系有多种确定方法,在MATLAB神经网络工具箱中,b1和C的关系为b1i=0.8326/Ci,此时隐含层神经元的输出变为:
输出层的输入为各隐含层神经元输出的加权求和。由于激励函数为纯线性函数,因此输出为:
RBF网络的训练过程分为两步:第一步为无教师式学习,确定训练输入层与隐含层间权值w1;第二步为有教师学习,确定训练隐含层与输出层间的权值w2。在训练以前,需要提供输入矢量X、对应的目标矢量T与径向基函数的扩展常数C。训练的目的是求取两层的最终权值w1、w2和阈值b1、b2。
3 神经网络模型实现
结合本文所研究的问题,对我国1975年以来的交通事故统计数据进行RBF建模研究,在建模过程中,首先要解决的就是模型的结构和模型样本数据问题。
3.1 模型样本数据
在本例研究中,取我国1987年~2006年的道路交通事故起数和道路交通死亡人数及受伤人数为网络输入向量,以道路交通事故经济损失为网络输出向量,也就是用道路交通事故起数、死伤情况来预测经济损失。以下表1为模型样本数据,其中单数年份的数据为样本训练数据,双数年份的数据为样本测试(预测)数据。
3.2 模型结构确定
由于本研究神经网络的输入向量为3个元素(事故起数、死亡人数和受伤人数),所以取输入层神经元的个数为3。同理,取输出神经元的个数为1(经济损失)。
隐含层神经元数量的确定是一个关键问题,传统的做法是使其与输入向量的元素相等。显然,在输入矢量很多时,过多的隐含层单元数是难以让人接受的。为此,本文应用改进的方法,基本原理是从0各神经元开始训练,通过检查输出误差使网络自动增加神经元。每次循环使用,使网络产生的最大误差所对应的输入向量作为权值向量wli,产生一个新的隐含层神经元,然后检查新的网络误差,重复此过程直到达到误差要求或最大隐含层神经元数为止。由此可见,径向基函数网络具有结构自适应确定、输出与输入初始权值无关等特点。
3.3 模型MATLAB计算实现
根据已建立的神经网络模型结构和样本数据,借助于MATLAB软件便可实现模型的计算。
部分程序语言为:
计算结果表明,当径向基函数的分布密度spread为0.5时误差达到最小,结果如表2和图4及图5所示,对比起见,在样本数据相同的情况下,本文还计算了3×7×2的BP网络的仿真结果,如图6和图7所示。
3.4 结果分析
从上述神经网络建模的结果来看,可以得出以下结论:
(1)本文建立了交通损失因子的RBF神经网络模型,从图4和图5来看,模型预测效果良好。
(2)在建模过程中,笔者首先尝试用1987年~2000年的数据作为训练数据,而将2001年~2006年的数据作为测试(预测)数据,结果发现建模效果很差,预测结果基本没有意义。而将训练数据设置成单数年,预测数据设置成双数年,效果良好。造成这种现象的原因是由于在不同的年代,因果集之间的关系发生很大变化,2000年以前数据的模式不能胜任2000以后的交通事故情形。
(3)径向基函数的分布密度spread对网络的预测精度影响较大,在本例中将spread取值为i·0.5(i=1,2,…,10),发现本例最佳的spread为0.5。
(4)从图4~图7的结果来看,RBF网络与BP网络相比,可以以任意精度逼近训练样本数据,而且其预测精度在本例中显然要高。
4 结论
从以上建立的交通事故神经网络模型来看,效果基本上是令人满意的,这也充分显示了神经网络在建立非线性、非确定性因果关系映射模型中的强大生命力,神经网络不像线性模型,要求因素集的完整性、严密性,其神经元可以自动寻找给定因素集的相关信息进行建模,以达到模型的正确性,具有容错性和鲁棒性。本文所建立的模型可以用来对交通事故损失进行分析或者预测,为相关部门提供决策依据。
摘要：分析了径向基神经网络(RBF神经网络)模型的特点,并结合我国历年道路交通事故统计数据,利用RBF神经网络模型,对道路交通事故损失因子进行了建模研究。在此基础上,应用Matlab软件对模型进行了计算实现,并对计算结果进行了分析,结果表明模型令人满意。
关键词：RBF,神经网络,建模,道路交通事故,损失
参考文献
[1]尹宏宾,徐建闽,刘列根.利用模糊神经网络预测道路交通事故损失[J].公路交通科技,1999,16(3):57-59.
[2]成卫,李国超,张瑾,等.基于自适应神经网络模糊系统的交通事故损失预测[J].昆明理工大学学报(理工版),2004,29(2):126-128.
[3]谢小鱼,唐志强,张生.基于混沌神经网络的交通事故损失预测[J].山西科技,2006(2):97-99.
[4]李晓娟,丁艺,岳小泉,等.基于BP神经网络的道路交通事故损失预测[J].森林工程,2006,22(5):57-59.
[5]飞思科技产品研发中心.神经网络理论与MATLAB7实现[M].北京:电子工业出版社,2005.
网络损失 篇8
我国是洪灾多发的国家之一,洪灾的发生对自然生态系统和社会经济系统造成巨大的破坏,如何减轻洪灾损失及如何快速准确地评估洪灾损失是洪灾研究工作中的重点。在国外,特别是美国、日本等国家,在洪灾损失评估研究方面做了大量工作,取得了一系列研究成果。我国在这方面研究一向比较薄弱。近几年来,我国洪水灾害频发,人们的水患意识加强,减灾工作受到重视,洪灾损失评估研究工作也相应活跃起来,不断有新方法和新技术被应用到评估分析中,损失评估结果的准确度也因此在不断提高。
由于洪灾损失评估模型一般被认为具有高度非线性、时变性、空间分布差异等特性,并且不容易使用简单的模式有效地加以描述。目前比较有代表性的洪灾损失评估方法大体上分为两类,一类是利用GIS空间分析技术进行洪灾损失评估,以各类空间数据为主要数据源,输出结果中包含大量的空间数据信息,不仅可以估计总体影响和损失情况,而且还可以给出其空间分布状况。该方法需要建立各类承灾体洪灾损失率关系曲线,模拟出洪水淹没的具体状况,往往与实测数据差距较大;另一类是利用人工智能技术进行洪灾损失评估,其主要思路是针对历史灾情数据,发现隐藏在历史数据中的灾情发生规律。目前运用最多的是神经网络的反向传播学习算法(Back Propagation,BP),研究结果显示,神经网络对于洪灾损失评估的正确性和有效性有着十分良好的表现,但是没有充分地利用GIS的空间分析功能,未能充分考虑地形参数的抽象表达,而仅仅以特定地点的降雨量等非地形相关条件作为模型参数输入进行训练,从而影响了洪灾损失评估结果的可理解性和利用价值。
1 技术路线
作为当前洪灾损失评估中使用最为广泛的两种方法—GIS和BP神经网络,两者都具有对方无法比拟的优点,如何将两者的优点相结合运用于洪灾损失评估模型中是本文要研究的问题。本文研究的技术路线如图1所示。
首先,按照气象部门提供的信息得到降雨量和降雨时间分布,确定各区洪水致灾因子。运用GIS和DEM 模型计算地形条件因子,并根据各水文站上报或预测的工情等防洪工程信息导入对应各区的防洪能力因子;其次,搜集社会经济调查资料、社会经济统计资料以及空间地理信息资料,生成具有空间属性的社会经济因子,反映社会经济指标的分布差异。最后,将洪灾的洪水致灾因子、地形条件因子、防洪能力因子、社会经济因子作为已训练好的BP神经网络的输入,通过洪灾损失评估模型能够快速地得到洪灾损失量以及空间分布情况。
2 洪灾损失评估模型构建
2.1 数据管理
数据库建设是洪灾损失评估的基础,其建设的完备和精确与否直接关系到系统评估结果的好坏。此洪灾损失评估模型的数据源包括五个数据库:雨情数据库、基础数据库、防洪工程分布数据库、社会经济数据库、历史洪灾数据库。雨情数据库反映降雨量和降雨持续时间及相关地理信息;基础数据库反映的是事物的基本地理属性,如地形 、地貌、高程等信息;防洪工程分布数据库反映防洪工程的地理位置分布以及防洪能力等相关信息;社会经济数据库是社会经济发展状况与地理信息,它反映社会经济在不同地区的地理分布情况;历史洪灾数据库存储历年来反映洪灾的特征、防洪工程和社会经济发展情况等信息。
2.2 洪水致灾因子
降雨是导致洪灾的最根本原因,降雨量和持续时间能够很好地描述降雨的强度。降雨量越大、持续时间越短,对灾区的破坏力也将会更强。在同一时刻不同地区降雨量和持续时间不会相同,同样,在同一地区不同时刻这两个洪灾特征量也可能相差甚远;而且降雨量和持续时间是气象部门通过测量或预测得到的,原始数据存在误差。如果对误差不处理或处理不当,很可能最后的洪灾损失评估结果与实际相差很大。本模型对降雨量和持续时间原始数据运用二维散乱数据插值法来减小因测量带来的误差,提取洪灾损失评估单位区(例如,市、县、镇、乡)在一个时间段内平均降雨量和持续时间。
2.3 地形条件因子
在经济水平相当的条件下,相同频率的洪灾对低洼地区造成的损失大于高程较高地区,排水条件较好的山坡地区损失小于自排条件较差的平原地区。为了能从洪灾损失评估模型中提取普遍适用的规则,地形条件因子的提取至关重要。因为地形不但决定着地表和近地表径流的路径,而且对累计水量的空间分布起着控制作用。本文将地形条件因子作为参数输入到洪灾损失预测模型中。
2.4 防洪能力因子
防洪能力因子与防洪工程密切相关,它是反映防洪工程质量最直接的指标,是工程的防洪标准,但防洪工程体系中各个工程的防洪标准可能各不相同,用防洪标准反映防洪工程存在实际困难。而控制站最高水位和超警戒水位则是反映防洪工程组合的综合结果。
2.5 社会经济因子
在洪灾损失评估模型中,社会经济因子是对灾区社会经济发展状况的一个度量。在相同受灾条件下,经济发展水平高的地区,洪灾损失当然会大。本次构建网络结构时,选择单位面积上的工农业总产值作为反映经济发展水平和财产密度的综合指标。
2.6 模型建立
本次模型建立的过程分成两个步骤,即样本提取和模型学习过程。
(1)根据气象部门信息获取灾区某一时间段内降雨量和持续时间,结合数值分析方法从中提取洪水致灾因子;从统计部门中获取某一时间段内的灾区社会经济发展状况数据,从中提取社会经济因子;结合DEM和防洪工程分布图,得到相应的地形条件因子、防洪能力因子;共同组成样本输入。再查询历史洪灾数据,便得到了模型的一组样本。
(2)根据模型的样本输入和样本输出进行模型学习,并确定模型的各个参数。根据洪灾的特点及输入、输出层之间神经元的逻辑关系分析,本文应用于洪灾损失评估的人工神经网络宜选择结构为两层的BP神经网络,具体步骤为:
1)输入层神经元主要反映洪灾的主要影响因素,用U=(u1,u2,Λ,u6)表示模型的输入,其中u1,u2为洪水致灾因子,u3为地形条件因子,u4,u5为防洪能力因子,u6为社会经济因子;
2)中间层主要试图表达洪灾的类型;
3)输出层神经元直接选择洪灾损失值,用y表示;
4)输入层至中间层、中间层至输出层的连接权分别用w11,w12,Λ,wnm表示;该网络结构的一般形式如图2所示。
3 实例分析
作者在ArcEngine二次开发方式下,利用Visual Basic 6.0和MATLAB程序设计语言开发了鄱阳湖区洪灾损失评估系统。系统运行界面如图3所示。
作者以1998年鄱阳湖区特大洪灾为例,进行了洪灾损失评估实验。通过系统运行得到鄱阳湖区 洪灾损失值为330.75亿元。另外,根据统计部门年末的经济统计,1998年特大洪灾给鄱阳湖地区造成的直接经济损失约为376.81亿元。由此可见模型计算出来的结果与实际经济损失相比较,偏差
4 结束语
本文运用GIS技术、计算机技术、人工智能技术、数值计算方法、数学建模方法等多学科知识,建立了洪灾损失评估模型。该模型针对洪灾的特点,考虑了洪灾的各种成灾因子,采用二维散乱数据插值法提取洪水致灾因子和社会经济因子,根据GIS和DEM 提取地形条件因子及防洪能力因子作为BP神经网络的模型输入,可动态处理多种不同的情况。在鄱阳湖区的示范应用表明,该模型能简化洪灾损失评估的计算工作,从而为实现洪灾损失评估的科学化、系统化、定量化奠定基础,因此具有推广应用价值。
当然本文的模型还有不少缺陷,因此作者将在洪水致灾因子、GIS和BP神经网络的结合等方面进一步完善模型。
参考文献
[1]李会琴.RS、GIS支持下洪灾灾情评估系统的构建[J].计算机与现代化,2006,(6):1～3.
[2]王艳艳,陆吉康,陈浩.洪灾损失评估技术的应用[J].水利水电技术,2002,33(10):1.
[3]杨立,左春,王裕国.保险洪灾损失预测模型[J].计算机辅助设计与图形学学报,2005,17(11):1～2.
[4]赵静,但琦.数学建模与数学实验[M].北京:高等教育出版社,2000:238～259.
[5]Quinn P F,Beven KJ,Lamb R.The In(α/tanβ)index:How to calculate it and howto use it within the TOPMODELframework[M].Distributed Hydrological Modeling:Application of TOPMODEL Concept England:John Wiley&Sons Ltd,1997:31～52.
网络损失 篇9
原告 (被上诉人) 高某诉称:2004年7月11日, 原、被告签订商品房买卖合同, 约定由原告购买被告出售的北京市石景山区某处的1602号房屋。原告入住房屋后, 发现室内承重墙陆续出现多处裂缝, 以致原告不能正常使用房屋。在原、被告协商上述问题过程中, 双方共同委托国家建筑工程质量监督检验中心就1602号房屋进行了检测, 结论为承重墙裂缝贯穿墙厚, 长度与房间净高基本相同, 对房屋的正常使用和耐久性有一定的影响。该结论足以说明原告购买房屋存在质量问题缺陷。因被告的行为违反了合同约定和法定义务, 现诉至法院, 诉讼请求:1.判令被告赔偿原告房屋的质量缺陷修复损失8000元和房屋贬值损失46493元, 以上共计54493元;2.判令被告承担本案鉴定费和评估费;3.被告承担本案诉讼费用。
被告 (上诉人) 北京某房地产公司辩称:首先, 原告所述的房屋质量瑕疵并不属于结构问题, 不影响原告的正常居住使用;其次, 原告同时要求被告赔偿损失和承担质量维修责任, 缺乏法律依据;最后, 原告主张的房屋贬值损失过高。因此, 只同意赔偿合理经济损失。
二、审理结果
法院经审理认为:房屋裂缝修复费用属于买受人的既得利益损失即现有合法利益的减少, 因此北京某房地产公司应支付相应的维修价款, 以填平和补救给高某造成的上述损害后果。关于具体价款数额的计算, 因房屋质量和价格评估鉴定机构已根据实际情况做出了鉴定结论加以确认, 尽管高某对评估报告中载明的房屋修复费用提出异议, 但未有证据推翻鉴定程序的合法性和鉴定结论的合理性, 法院对上述鉴定结论予以认定, 并对高某的上述抗辩意见不予采信。
房屋贬值损失属于买受人的可得利益损失即在房屋交易过程中, 必将产生的买受人可得合法利益的部分丧失, 由于上述损失系房地产开发单位在签订合同时, 应当预见到可能产生的损害后果, 故北京某房地产公司亦应当对因其违约行为给高某造成的上述可得利益损失承担赔偿责任。关于具体价款数额的计算, 法院已根据双方一致申请, 委托具有鉴定资质的鉴定部门进行价格评估, 法院将以该评估结果为依据, 酌情确定北京某房地产公司应当赔偿的可得利益价款。
北京市石景山区人民法院依据《中华人民共和国合同法》第一百零七条、第一百一十三条、第一百三十条之规定, 作出如下判决:
1. 北京某房地产公司于本判决生效后七日内赔偿高某房屋质量缺陷修复费用六千一百九十二元、房屋贬值损失四万一千八百四十四元, 以上共计四万八千零三十六元;
2. 驳回高某的其他诉讼请求。
庭后, 被告北京某房地产公司对判决不服, 向北京市第一中级人民法院提出了上诉。
二审法院经审理认为原审判决认定事实清楚, 适用法律正确, 法院予以维持。
三、判决分析
因北京某房地产公司交付的房屋, 由于混凝土收缩等原因导致房屋出现裂缝, 在一定程度上影响了房屋的适用性和耐久性, 明显属于房屋质量缺陷, 依据科学的鉴定结论, 法院可以认定房屋存在质量问题。
网络损失 篇10
海洋生态损害,参照 《海洋生态损害评估技术指南(试行)》,系指海上溢油、危险品化学品泄漏、围填海、排污、海洋倾废以及海洋矿产资源开发等涉海非法行为造成海洋生态系统及其生物因子、非生物因子有害影响的事实后果。
损害是对权利主体行使权利的妨害,故探讨损害的构成离不开权利。生态损害虽然具备传统损害概念的某些特征,它也是人的行为所造成的不利后果,却并不是指某个民事主体的权益所遭受的不利后果,而是指人类的行为对生态环境本身的消极影响。海洋生态系统并非法律中的权利主体,无所谓“行使权利”“利益丧失”。那么, 海洋生态损害只是海域所属国家的损害吗?不能肯定。海洋无疆,海域有界,国家管辖海域由法律界定,难及于海洋生态系统的范围,故严重的海洋生态损害事件会引起相邻国家关注,甚至成为跨国环境外交问题。由此看来,法律上界定的“海洋生态损害”,是因事发海域所属生态系统遭受侵害而致该生态系统中所有人以健康、稳定的海洋生态系统为指向的公共利益受损的法律事实。这一公共利益系指生态系统基于其客观属性向该生态系统中所有人提供的生存、发展需要之满足,在法学研究中多被称为“生态利益”。 海洋生态损害进入法律调整领域的原因,在于其侵害了人类赖以生存与发展的海洋生态利益。
生态利益意识 的觉醒,生态利益 观念的形 成,是近半个世纪以来人们遭遇生态危机时 “反而求诸己”的表现。生态危机愈演愈烈,客观上催促生态利益被法律确认为一种新的法益,得到明文保护。不过,包括我国在内的不少当代国家尚未在实定法中规定生态利益。从利益分析角度考量,海洋生态损害不时发生的根源,是生态利益这一随着经济社会发展而出现的具有普遍 需求和广泛冲突的新型利益未得到充分、有效的法律保护,相应地,当事人的重视程度不高,该利益遭受侵犯的可能性随之增加。
生态利益是典型的公共利益,其因不法侵害行为而丧失,由此造成的损失,是全体人的损失, 与公民、法人、其他组织或部门的私益损失无关。 海洋生态损害事件影响广泛,因受侵害的权益并非私人权益而难以按照民事法律的通常办法提起普通 侵权之诉。 在一国范 围内,代表全民 意志、维护公共利益的机构是国家政府。当然,维护生态利益,公众监督、参与必不可少。如果海洋生态损害的影响超出一国管辖范围,则损害所及的国家均有权就其国家损失要求赔偿。
从海域管理的角度说,重大海洋生态损害事件发生后,该海域的所有权主体———国家遭受权益侵害,造成国家损失。面对影响面广、调查难度大、证据收集困难的“海洋生态损害事件”,国家政府及其部门具有及时调集多方力量、通过官方途径向事故责任方施压等优势。近30年来,国内外重大海上溢油事故引发的生态损害索赔诉讼,都是由掌握海洋管理权力 的政府及 其部门依 法提起。例如:在 “Cadiz”号巨型油轮油污案中,法国政府基于预计实施恢复生态系统的计划进行索赔;“Patmos”号漏油事故案中,意大利政府作为国家遗产的受托人就“公众忍受了丧失享受的乐趣的痛苦”主张赔偿;“塔斯曼海”轮油污损害索赔案中,我国政府依据《中华人民共和国海洋环境保护法》第九十条第2款规定的 “生态损害索赔权”行使诉权;墨西哥湾溢油事故发生后,美国政府也是以其在谈判中背倚政治与法律的强势及其司法部启动刑事调查程序,对英国石油公司造成的压力,迫使英国石油公司设立初始资金数额为200亿美元的溢油响应基金,并建立“海湾海岸索赔工具”运作该基金。虽然美国的法律制度中早已确立“公民诉讼制度”,但是,面对海上溢油生态损害索赔这类繁难案件,公民、环保组织通常难以组织长时间的海洋环境监测、调查、取样、分析,不具备与事故责任方谈判、施压的条件[1]。
国家是全体社会成员的代表,国家对海域加以管理或予以支配的公权利(权力)本源于该国公民的权利。“权利—权力”的关联与制约关系, 决定了国家被依法赋予海洋生态损害国家索赔权时,应当受到公民、团体的制度化监督。完善 “权利—权力”的关联与制约关系,是应对海上溢油生态损害的索赔实践向我国立法提出的要求。 《中华人民共和国民事诉讼法》(修正案)第五十五条规定:“对污染环境、侵害众多消费者合法权益等损害社会公共利益的行为,法律规定的机关和有关组织可以向人民法院提起诉讼。”海洋生态系统因涉海非法行为所致不利后果,表现为事发海域油污厚 重、生物遭灾、生态破坏 等现象, “反映”为海洋环境容量损失、海洋生态系统服务功能耗减等海洋监测结论。这些都构成对该生态系统中所有人共享的生态利益 的妨害。海洋生态损害国家索赔之诉,是由国家代表事发海域所属国家的全体人员向不法行为人提起的环境 公益诉讼。这一诉讼,和其他公益诉讼一样,并非只有“法律规定的机关”可以提起,“有关组织” 亦可成为原告主体。一方面,由于立法不足,我国海洋执法机关在准备海上溢油生态损害国家 索赔时遇到诸多司法难题,因此应尽快构建我国的海上溢油生态损害国家索赔制度;另一方面, 学者对政府的“环境公益代表资格的唯一性”存疑,指出“政府也并非环境公益的唯一代表,我们必须走出‘公益等于国家公益’的误区,体现环境公益维护者的多元取向”[2]。
修订后的《中华人民共和国环境保护 法》结合我国的实践,在第五十八条中规定了可以向人民法院提起环境公益诉讼的“社会组织”的认定条件。2014年12月8日通过的《最高人民法院关于审理环境民事公益诉讼案件适用法律若干 问题的解释》第二条又对“可以认定为《中华人民共和国环境 保护法》第五十八 条规定的 社会组织”做出规定,至此,环境公益 诉讼案的 原告主体,在我国法律上得到明确、具体的规定。这些规定当然适用于属于环境公益诉讼的海洋生态损害索赔之诉。
2015年6月5日,大连环保志愿者协会向大连海事法院提起环境公益诉讼,状告中石油“7· 16”事故造成大连市海洋环境重大污染,并向其索赔6.45亿元,用于修复生态环境。大连市环保志愿者协会会长杨白新向媒体介绍,在收回的1万份有效调查问卷中,赞成起诉中石油“7·16” 污染案的占96%。“环境是一种公共财富,环境污染和环境破坏必然损害到每一个社会成员的利益,因此,维护良好的环境是每个社会成员的共同愿望…… 我们想使环境公益诉讼与行政监管、社会参与、经济调节相配合,从而实现大连环境状况的根本好转。”另外,中华环保联合会环境法律服务中心督查诉讼部部长马勇也向媒体表示,“我们也在考虑将来启动环境公益诉讼的方式来要求生态的修复”[3]。由此看来,“环境公益维护者的多元取向”已由学者的呼吁落实为当下的司法实践。
2海洋生态损害国家索赔权的分配及其行使程序
构建海上溢油 生态损害 国家索赔 制度,是 “加强生态文明制度建设”的具体表现,有助于海洋行政主管部门切实履行《海洋环境保护法》和承担海洋生态损害国家索赔工作的职责。
为指导各级海洋行政主管部门代表国家开展海洋生态 损害索赔 工作,国家海洋 局制定了 《海洋生态损害 国家损失 索赔办法》(下称 “《办法》”),于2014年10月公布。
《办法》围绕海洋生态损害国家损失索赔的目的依据、适用范围、索赔内容、索赔主体、索赔途径、保全措施、信息公开、赔偿金用途等方面提出了明确的规定和要求,有针对性地解决了我国海洋生态损害国家索赔工作存在的重要事项缺乏专门规定、各级海洋部门职责划分不清、索赔程序不统一等突出问题。
《办法》第四条规定,国家海洋局负责全国海洋生态损害国家损失索赔工作的监督管理,地方海洋行政主管部门和国家海洋局派出机构分别承担不同管辖海域内海洋生态损害国家损失索赔工作。其中,地方管理海域内海洋生态损害国家损失索赔工作的分工,由省级海洋行政主管部门自行规定;跨省、地方管理海域以外国家管辖海域的海洋生态损害国家损失索赔工作,由所在海区国家海洋局派出机构承办。这一规定明确了“国家海洋局主抓监督管理,国家海洋局派出机构和地方海洋行政管理部门依据管辖海域分 片管理”的职责划分格局,使《海洋环境保护法》 第九十条第二款规定的“代表国家对责任者提出损害赔偿要求”的“行使海洋环境监督管理权的部门”得以细化。
《办法》第六条至第十二条明确了行使海洋生态损害国 家索赔权 的基本程 序,即预判—评估—发送索赔函—协商、仲裁或诉讼。索赔程序法定化,为海洋行政主管部门行使索赔权提供程序指南,使案前技术准备工作,与海洋生态损害事故责任人的协议、异议,因非诉解决无果再转诉讼索赔的过程合法、合理,同时,有助于社会各界依法了解海洋行政主管部门进行海洋生态损害索赔的工作步骤,避免急迫、无序的国内外舆论扰乱依法推进的索赔工作。
《办法》虽以规范海洋行政主管部门的海洋生态损害国家损失索赔工作为中心,未专门涉及公众参与机制,却也在第五条和第十四条规定了 “海洋环境监督管理部门加强沟通、配合,建立海洋生态损害信息共享机制”、索赔工作相关信息应当依法“予以公开,接受社会监督”等内容。这说明,《办法》的制定者准确地认识到,担负海洋生态损害国家索赔职责的海洋行政主管部门需要与环保、海事、渔业等部门联系与合作,需要海洋信息公开及共享的工作机制支持,在全社会监督的法制环境中及时、有效地提出海洋生态损害的公共利益诉求。就连海洋生态损害行为的发现,也需要“接到相关报告、通报”等方式作为重要补充。海洋生态损害索赔是海洋行政主管部门代表国家进行的公益损害求偿,所得到的“海洋生态损害国家损失赔偿金”亦“应按照国家财政有关法规进行管理”,用于受害海域的海洋生态恢复与建设。一言之,海洋生态损害索赔,是为维护社会公共利益,而非政府部门利益;是为救济国家管辖海域的生态利益损失,而非国库财产损失。海洋行政主管部门代表国家履职,应当得到各部门、各单位和社会公众的支持与公开监督。海洋行政主管部门被依法赋予“海洋生态损害索赔权”,亦应担负及时、有效地作为并向社会公开信息的法定义务。
《办法》第十三条规定,海洋行政主管部门提出的海洋生态损害索赔要求,不影响公民、法人、其他组织或部门依 法提出的 其他索赔 要求。按照 《〈海洋生态损害国家损失索赔办法〉解读》,“《办法》适用于各级海洋行政主管部门代表国家对责任者提出海洋生态损害赔偿,不同于公民、法人和其他组织依法提起的私益索赔,也不影响其他部门依法提出的其他索赔要求。”问题是,《办法》出台时, 《中华人民共和国环境保护法》2014年修订案已公布,该法第五十八条规定,对污染环境、破坏生态, 损害社会公共利益的行为,符合条件的社会组织可以向人民法院提起诉讼。而今,新《中华人民共和国环境保护法》已施行,故笔者认为,《办法》第十三条中的“其他索赔要求”不仅包括“私益索赔”,也包括符合条件的社会组织向人民法院依法提起的海洋生态损害索赔。
3适格的社会组织
“海洋生态损 害国家损 失”一词出现 在 《办法》的名称中,着实耐人琢磨。
损害与损失是两个不同的概念,损害是一种事实状态,系因侵害行为而致,其强调的是不法行为的后果;而损失强调的是权利主体的利益丧失。损害的事实状态必 然带来损 失的后果。损失不限于损害的财产价值表现形式,还包括无形损失等“损害的非财产价值表现”。有损害必定有损失,有损失不一定有损害。换言之,并非所有损失皆缘自损害。民事主体行使权利不当也会带来损失。
如果损害和损失不分,不仅造成人们概念上的混乱,而且容易导致在确定损害赔偿的民事责任时随心所欲 和遗漏,影响了法 律的公正 和完整。从这个意义上说,《办法》在名称中出现“损害”“损失”两个词,不仅有助于救济那些无法用财产价值表现形式来体现的国家利益丧失,也有助于明确属于国家的各类损失是海洋行政主管部门向责任者索赔的法律依据。因此《办法》规定的索赔主体只有各级海洋行政主管部门,而未提及“环境保护法第五十八条规定的社会组织”。
损害是由违反法律义务的行为造成的。《办法》第二条规定了十二类“导致海洋环境污染或生态破坏,造成国家 重大损失 的”行为,包括新建、改建、扩建海洋、海岸工程建设项目及其他用海活动等。这些不法行为的后果既包括海洋生态损害,也包括“次生污染损害”。后者虽不属于海洋生态损害,却是在应对海洋生态损害过程中发生的损 害,是对特定 环境造成 的 “排放型”损害。而海洋生态损害是对海洋生态系统造成的 “功能型”损害,其影响的 权利主体 具有不确 定性,其妨害的权益是生态利益,故这种新型损害所致后果包括该生态系统中所有人普遍遭受的公共利益损失。《办法》作为国家海洋局依据《海洋环境保护法》第九十条第二款制定的规章,只涉及海洋行政主管部门代表国家提起的对国家造成损失费用总计超过30万元的重大损失索赔。这意味着,并非海洋生态损害带来的所有损失均可由 “法律规定的机关”提出索赔。海洋行政主管部门代表国家对责任者提出的海洋生态损害赔偿,不影响其他部门依法提出的其他索赔要求,例如,蓬莱19-3油田溢油事故发生后,农业部积极开展养殖渔业、天然渔业资源损害索赔。
仅就海洋生态损害国家损失索赔而言,海洋行政主管部门是担负海洋生态损害国家索赔职 责的“法律规定的机关”,其便于获得技术支持与法律支持,依据《办法》中明确规定的索赔程序开展索赔工作。不过,除了“法律规定的机关”具有海洋生态损害国家损失索赔权,符合“环境保护法第五十八条规定的社会组织”亦可成为索赔主体。《民事诉讼法(修正案)》第五十五条、新修订的《环境保护法》第五十八条的规定,完善了我国环境公益诉讼制度的规定,不仅有利于督促海洋行政主管部门履职,且明确了海洋生态损害国家损失索赔的“替补”原告。适格的社会组织亦可提起海洋生态损害索赔,不仅体现了环境民主原则,也说明生态利益是社会公共利益,可以由适格的社会组织依法维护。再者,如学者言,“人们所见的每一次生态损害中都包含没有被人们认 识到的损失”[4]。基于特有的视野、智识和观念, 适格的社会组织可以发现海洋生态损害造成的各种损失。这种来自广大民间的社会组织不仅人员广泛,且有持续、深入工作的可能,其对海洋生态损害索赔之诉的密切关注,使之得以配合、 监督“法律规定的机关”工作,甚至在必要时作为替补原告向责任者提出海洋生态损害索赔。我国立法的上述新规定,将有利于建立海洋生态损害多元化救济机制,更好地维护海洋生态利益。
摘要：海洋生态损害索赔是海洋行政主管部门代表国家进行公益损害求偿,应得到各部门、各单位和社会公众的支持与监督。《海洋生态损害国家损失索赔办法》解决了我国各级海洋部门职责划分不清、索赔程序不统一等突出问题。新《中华人民共和国民事诉讼法》和《中华人民共和国环境保护法》规定表明,不仅“法律规定的机关”具有海洋生态损害国家损失索赔权,适格的社会组织亦可作为替补原告提出海洋生态损害索赔。建立海洋生态损害多元化救济机制,可更好地维护海洋生态利益。
这些损失也可以索赔 篇11
服务延时可以索赔
如果先期付了费，消费者却没有按时得到应得的服务，也可以得到损失赔偿。如购买机票后，航班误点；随团旅游交纳团费后，旅行社无故拖延行程。我国消费者对延时服务的索赔可分为两种：一是事后索赔；二是事中索赔。
耽误使用可以索赔
买了不合格的产品，给消费者造成延误使用的损失，也常常被消费者所忽视。如今老高为儿子筹办婚事，从某家具商场选购了一套价值六千余元的家具。买回不到一个月，这套家具便出现了明显的质量问题，致使其子婚礼无法按期举行。高某为此多次与商场协商解决未果。无奈之下，高某投诉到消协，消协认为，根据我国消费者权益保护法的有关规定，商场有义务为消费者修理商品，一次修理的时间不得超过30天。如经两次修理仍不能正常使用，应免费为消费者调换商品或退货，并按商品价格5％赔偿消费者的延误使用费。据此，消协责令家具商场给高某退回家具款6000元，并按5％补偿延误使用费。
免费赠品也可索赔
某商场推出了“买一赠一”促销活动。承诺凡购买家庭影院的消费者，赠送名牌VCD一台。老王在购买了商场规定的商品后，发现获赠的VOD有严重的质量问题，遂要求商家赔偿。售货员却表示，VCD属于赠品，不在赔偿范围之内。老王只好自认倒霉。
事实上，“买一赠一”之类的行为不是民法上纯粹的无偿赠与，而是一种有偿要约行为。消费者按要求购物，实际上就与商家达成了“买一赠一”的合同，这一合同成立后，商家便有义务提供赠品。这些赠品必须是符合国家有关质量标准的合格产品，而不能欺骗消费者，以不合格的产品赠给消费者，否则消费者有权索赔。
不给发票也可索赔
老刘在一家饭店就餐，结账后向服务员索要发票时，被告知刚刚用完，让他下次来时再开发票。老刘住在郊区，为了一张发票再专门来一次，费时费力还要搭上路费。其实根据国家工商行政管理总局发布的《关于处理侵害消费者权益行为的若干规定》第四条规定，遇到经营者有正当理由不能即时出具发票的，经营者应约定消费者到指定地点索取的，同时应当向消费者支付合理的交通费用。
减少火灾损失 篇12
先进的消防技术规划——通过新技术, 新的测量标准, 训练工具提供一个丰富的信息环境, 使消防灭火操作更安全有效。
降低火灾蔓延风险的计划——制定节省成本的有效策略, 通过控制住所内外火势扩大和蔓延降低国家的火灾损失 (包括人力和财力) 。