基于DBSCAN-RF洪水分类的洪水预报应用研究

作者：甘甜; 郑英; 蒋云钟; 赵红莉^*; 贺君彦; 段浩

来源：水利水电技术(中英文), 2023, 1-15.

• 历史洪水
• 洪水分类
• 洪水预报
• 密度聚类(DBSCAN)
• 随机森林(RF)

【目的】洪水分类预报能有效提高洪水预报准确性，为防灾减灾工作提供科学依据。针对分类因子和分类算法优选问题，【方法】以海河流域徒骇河宫家闸上游为例进行研究：(1)充分考虑产汇流影响因素与洪水特征，选取洪峰流量、洪水总量、时段洪量、洪水历时、起历时、落历时、峰度、偏度、涨水仰角、落水仰角、Cs、Cv、前3d面雨量、前10d面雨量、累计面雨量及最大面雨量等16维分类因子，使用主成分投影法(Principal Component Analysis，PCA)对分类因子降维提高计算效率；(2)基于密度聚类(Density-Based Spatial Clustering of Applications with Noise，DBSCAN)-随机森林(Random Forest，RF)算法进行洪水分类，减少对分类先验知识的依赖，提高了分类精度；(3)在徒骇河流域进行了方法应用，选择适用于半干旱半湿润地区的超渗-蓄满同时作用的产流模型及单位线汇流模型进行洪水分类预报研究，分别针对各类洪水进行模型率定。【结果】结果表明：轮廓系数为0.7015，表明DBSCAN算法聚类效果理想，基于RF算法的洪水分类准确率为91.67%，分类效果理想；经洪水分类预报，NSE系数均高于0.8，分类预报结果优于直接预报。【结论】结果说明：基于DBSCAN-RF洪水分类的洪水预报能较好地反映研究区域洪水演进过程，为研究区域洪水预报及防灾减灾工作提供依据。

• 单位
  中国水利水电科学研究院