基于机器学习的山洪灾害快速预报方法

作者：周聂; 侯精明^*; 陈光照; 马红丽; 洪增林; 李新林

来源：水资源保护, 2022, 38(02): 32-40+111.

• 山洪灾害
• 快速预报
• 机器学习
• 极限随机树
• KNN算法
• 水动力模型

基于高精度水动力模型与机器学习技术，运用极限随机树(ERT)及KNN算法，构建了高分辨率山洪灾害快速预报模型。利用确定系数、平均绝对误差和均方根误差3种指标评估模型的整体可靠性，同时，截取流域出口断面流量验证模型的预报性能。结果表明：所建模型预报结果与水动力模型模拟结果淹没范围基本一致，流域淹没范围平均相对误差低于5%,模型整体稳定可靠；流域出口断面流量平均相对误差低于10%,断面平均水深、流速平均相对误差低于5%,模型预报性能良好；模型可在10s内完成最大淹没情况计算并输出淹没范围图，能为紧急决策提供足够的前置时间，协助决策者更好地采取应对措施。

• 单位
  西安理工大学; 陕西省地质调查院