基于数据驱动的中小河流水位涨幅预报方法 研究与应用

• 作者: 丁武 林汉雄 王汉岗 张炜 杨滨
• 来源期刊: 人民珠江
• 关键词: 数据驱动 机器学习 水位涨幅预报 山洪预警
• 年，卷（期）: 2024,（8）
• 所属期刊栏目: 综合
• 页码范围: 97-105
• 页数: 9页
• 语种: 中文

摘要

针对中小河流域山洪灾害的预报问题，采用3种数据驱动预报模型实现最高水位涨幅预报，以广州市增城区派潭镇为研究区域对3种模型进行数学建模与精度评估。分析表明，机器学习模型预报精度最高，但预报结果不具备可解释性；相似分析模型预报精度中等，预报成果具备较好的认知性与可解释性；“降雨量-水位涨幅”关系模型整体预报精度较低，但操作简单。相似分析模型与机器学习模型计算相对复杂，需要依托计算机设备进行辅助计算，而“降雨量-水位涨幅”关系模型可将模型结果绘制成图；从预报便利性及精度上综合考量，当具备计算机、手机应用端等辅助设备支撑时，可采用机器学习与相似分析等多种模型进行预报，提升预报精度；当缺乏计算机等基础设备的支撑时，“降雨量-水位涨幅”关系模型可为中小流域山洪预报预警提供便捷的预报方式。