基于三种机器学习算法的山洪灾害风险评价

• 作者: 吴小君 周超 方秀琴 王雨晨
• 来源期刊: 地球信息科学学报
• 关键词: 随机森林机器学习算法 AdaBoost机器学习算法 ROC曲线 Boruta算法 洪灾风险评价 江西省
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 地球信息科学理论与方法
• 页码范围: 1679-1688
• 页数: 10页
• 字数: 7992字
• 语种: 中文

摘要

依据洪灾风险概念模型,从触发因子、孕灾环境和承灾体3方面选取江西省的12个洪灾风险指标,采用k近邻、随机森林、AdaBoost 3种机器学习算法构建洪灾风险评价模型.利用精度、Kappa系数、ROC曲线(AUC值)3种定量评估指标评价洪灾风险模型,基于随机森林和Boruta特征提取算法共同分析指标重要性,最后对比3种模型绘制的江西省山洪灾害风险分区图并分析山洪灾害分布特征.结果表明:①AdaBoost模型的精度、Kappa系数和AUC值的平均值为别为0.902、0.870和0.826,精度和Kappa系数略优于随机森林,AUC值与随机森林相当,而k近邻模型的3种性能指标均低于前2种算法;②农田生产潜力、年最大6h暴雨均值、年最大1h暴雨均值、归一化差值植被指数、年降雨量均值这5个指标对最终的洪灾风险形成具有非常重要作用;③江西省较高风险区与最高风险区的面积和约占江西省总面积的34.4％,且主要分布于高降雨量、高暴雨量、农田生产潜力大的山区.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周超	河海大学地球科学与工程学院	16	59	5.0	6.0
2	方秀琴	河海大学地球科学与工程学院	18	128	5.0	10.0
3	吴小君	河海大学地球科学与工程学院	7	19	3.0	4.0
4	王雨晨	河海大学地球科学与工程学院	1	2	1.0	1.0