基于机器学习方法的上海市暴雨内涝灾情预测模型研究

来源 :自然灾害学报 | 被引量 : 0次 | 上传用户:cocksun
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文基于区域灾害系统理论,综合考虑致灾因子、暴露度和脆弱性,提出了一套暴雨内涝灾情预测指标体系;在此基础上利用上海市应急联动中心110接报暴雨内涝灾情数据,构建了暴雨内涝灾情预测BP模型(Back Propagation Model)和XGBoost模型(Extreme Gradient Boosting Model),并对比分析了预测模型效果,实现对上海市暴雨过程内涝灾情数量预测;最后对内涝灾情影响等级进行阈值划分,以期为暴雨内涝影响预报与风险预警业务、服务及灾害管理提供技术支撑.结果表明:1)综合考虑致灾因子、暴露度、脆弱性指标且不经主成分分析降维的指标组合作为暴雨内涝灾情预测指标体系时,BP模型和XGBoost模型的预测精度最优;2)全量样本XGBoost模型总体表现最优,暴雨内涝灾情的右偏分布和内涝灾情的异常高值均对XGBoost模型预测误差有不同程度的贡献;3)综合评价法在历史灾情百分位法和模拟灾情百分位法基础上,结合多年业务实践经验和用户对于110灾情的处置承受力对暴雨内涝灾情进行阈值划分,在实际应用中具有一定参考意义.
其他文献
Disruption of the MEKK1-MKK1/MKK2-MPK4 kinase cascade leads to activation of immunity mediated by the nucleotide-binding leucine-rich repeat (NLR) immune recept
本研究基于"一带一路"地区1900-2018年间≥5级地震事件空间数据,采用小波周期与热区识别方法,分析了该地区地震灾害的空间分布格局与时间周期性特征,并识别了地震灾害空间热区及其演变特征。研究表明:(1) 1900-2018年,"一带一路"地区地震发生频次表现出波动性上升的"三段式"分布,主要发生在亚欧大陆-喜马拉雅山周围的亚欧板块与印度洋板块的交界处以及俄罗斯东部沿海、印度尼西亚东南部的环太平