基于机器学习算法模型的巫山县洪水灾害研究

• 作者: 何勇 李梦梅 杨猛 林孝松 牟凤云 龙秋月
• 来源期刊: 中山大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 机器学习 RF K-means ARMA 降雨-径流 洪灾
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 105-113
• 页数: 9页
• 分类号: P954
• 字数: 7128字
• 语种: 中文
• DOI: 10.13471/j.cnki.acta.snus.2020.01.013

摘要

利用机器学习算法RF模型、K-means模型与ARMA模型,对巫山县范围内12 369条径流河段进行分类预测,研究水文参数在时间序列上的变化规律,探究降雨-径流演变规律;并结合GIS空间可视化技术,综合研究区地理环境,基于RF模型预测洪水致灾范围,分析洪水灾害预测结果的空间特征.结果 表明:①RF模型能有效预测降雨-径流演变过程中参数的重要性,当降雨强度为125 mm、150～175 mm时,预测出水位、流速变化率最大;降雨强度为100～175 mm时,预测出流速变化率最为剧烈;②利用ARMA模型预测出河流比降、流量等水文参数回归性最好,较低等级河流所预测参数中,水位、流速变化率最为明显,流量无明显变化.相较于水位变化率,流速变化更为强烈,流速、水位变化率主要集中于等级较高河流;③机器学习算法能有效预测研究区洪水易发程度,在表征研究区水文参数时,水位变化主要集中于西北部、中南部,东北部与中南部水位变化率显著,预测出部分地区水位可升至20 m,处极危险状态.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林孝松	重庆交通大学建筑与城市规划学院	106	668	13.0	21.0
2	何勇	重庆交通大学建筑与城市规划学院	17	69	4.0	8.0
3	牟凤云	重庆交通大学建筑与城市规划学院	64	435	11.0	19.0
4	杨猛	重庆交通大学建筑与城市规划学院	8	1	1.0	1.0
5	龙秋月	重庆交通大学建筑与城市规划学院	6	2	1.0	1.0
6	李梦梅	重庆交通大学建筑与城市规划学院	9	7	2.0	2.0