一种基于岭模型树算法的山洪灾害易发性评估方法

    公开(公告)号:CN114493243B

    公开(公告)日:2023-05-02

    申请号:CN202210078366.5

    申请日:2022-01-21

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于岭模型树算法的山洪灾害易发性评估方法,包括如下小流域山洪易发性区划方法步骤:S1、数据收集和数据预处理:收集研究区的小流域属性数据并建立相应的指标体系,数据清洗,数据预处理,并选取样本作为模型输入,S2、山洪风险易发性因子筛选:以各小流域的历史山洪次数为因变量,其余属性为自变量进行计算,并筛选洪水调节因子,本发明通过将机器学习算法与GIS相结合,进行山洪风险易发性的预测和制图研究,相较于传统的空间分析方法和单一的机器学习模型,本发明可以提供更为准确的小流域山洪易发性地图,准确高效地进行小流域山洪灾害易发性评估与制图,能够更加精准的定位灾害,对灾害的易发性进行评估。

    一种基于GIS与集成学习的山洪灾害易发性评价方法

    公开(公告)号:CN114493245A

    公开(公告)日:2022-05-13

    申请号:CN202210078561.8

    申请日:2022-01-21

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于GIS与集成学习的山洪灾害易发性评价方法,应用多元自适应回归样条(MARS)和随机森林(RF)算法作为集成学习基础模型,采用人工神经网络(ANN)算法集成,以多个小流域矢量单元为研究对象,选用多个山洪特征因子为回归自变量。本发明以矢量小流域作为基本研究单元,可以更加精确的分析小流域区域易发程度,从而精准定位山洪易发的小流域。同时将山洪灾害调查评价成果与机器学习、智能算法相结合,从而进行山洪灾害易发性评估与制图,提供的评价方法计算精确,原理可靠,操作过程易学简便,能够普遍适用于省级尺度山洪灾害易发性评价的需要,为山洪灾害防治提供辅助决策。

    一种基于GIS与集成学习的山洪灾害易发性评价方法

    公开(公告)号:CN114493245B

    公开(公告)日:2024-08-09

    申请号:CN202210078561.8

    申请日:2022-01-21

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于GIS与集成学习的山洪灾害易发性评价方法,应用多元自适应回归样条(MARS)和随机森林(RF)算法作为集成学习基础模型,采用人工神经网络(ANN)算法集成,以多个小流域矢量单元为研究对象,选用多个山洪特征因子为回归自变量。本发明以矢量小流域作为基本研究单元,可以更加精确的分析小流域区域易发程度,从而精准定位山洪易发的小流域。同时将山洪灾害调查评价成果与机器学习、智能算法相结合,从而进行山洪灾害易发性评估与制图,提供的评价方法计算精确,原理可靠,操作过程易学简便,能够普遍适用于省级尺度山洪灾害易发性评价的需要,为山洪灾害防治提供辅助决策。

    一种基于提升算法的江西省小流域山洪易发性制图方法

    公开(公告)号:CN114493244A

    公开(公告)日:2022-05-13

    申请号:CN202210078443.7

    申请日:2022-01-21

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于提升算法的江西省小流域山洪易发性制图方法,包括以下主要步骤:S1、数据预处理:对数据进行下采样后,随机将样本数据划分为训练集、验证集和测试集作为模型输入,S2、提升方法模型建立:使用上述数据,采用三种提升算法对山洪灾害易发性进行评估。本发明通过采用AdaBoost、GBDT以及XGBoost算法,构建山洪易发性模型。S3、将小流域山洪易发程度结果导入GIS软件,快速准确地进行山洪易发性评估及制图。基于提升方法的集成算法可以有效结合水利大数据,将水利大数据与机器学习算法相结合,从而辅助政府及专业人员对小流域山洪问题进行精准的空间分析工作。

    一种基于岭模型树算法的山洪灾害易发性评估方法

    公开(公告)号:CN114493243A

    公开(公告)日:2022-05-13

    申请号:CN202210078366.5

    申请日:2022-01-21

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于岭模型树算法的山洪灾害易发性评估方法,包括如下小流域山洪易发性区划方法步骤:S1、数据收集和数据预处理:收集研究区的小流域属性数据并建立相应的指标体系,数据清洗,数据预处理,并选取样本作为模型输入,S2、山洪风险易发性因子筛选:以各小流域的历史山洪次数为因变量,其余属性为自变量进行计算,并筛选洪水调节因子,本发明通过将机器学习算法与GIS相结合,进行山洪风险易发性的预测和制图研究,相较于传统的空间分析方法和单一的机器学习模型,本发明可以提供更为准确的小流域山洪易发性地图,准确高效地进行小流域山洪灾害易发性评估与制图,能够更加精准的定位灾害,对灾害的易发性进行评估。

Patent Agency Ranking