[发明专利]一种基于岭模型树算法的山洪灾害易发性评估方法

说明书

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。

技术领域

本发明涉及山洪灾害评估技术领域，具体为一种基于岭模型树算法的山洪灾害易发性评估方法。

背景技术

我国作为一个多山国家，有着典型的东亚季风气候，对山洪易发区进行风险评估和制图是一种防止山洪灾害的有效手段，目前已有多种专利应用于山洪风险易发性评估和制图的研究,在申请号为201910543954.X的中国专利“一种基于DPSIR模型的沿河村落山洪灾害风险评价方法及系统”中，选用AHP等空间分析方法，构建山洪灾害风险评价体系；

但是传统灾害易发性评估对数据源的要求较高，且泛用性较差，不适用的评估方法使防汛减灾工作的精准度偏低，无法对灾害进行精准定位，使人民的人身和财产安全受到威胁。

发明内容

本发明提供一种基于岭模型树算法的山洪灾害易发性评估方法，可以有效解决上述背景技术中提出传统灾害易发性评估对数据源的要求较高，且泛用性较差，不适用的评估方法使防汛减灾工作的精准度偏低，无法对灾害进行精准定位，使人民的人身和财产安全受到威胁的问题。

为实现上述目的，本发明提供如下技术方案：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；

S3、建立岭模型树算法模型：首先训练算法，随后使用随机网格搜索算法在验证集上进行超参数优化，最终计算算法评估指标；

S4、进行模型性能评价：将测试集输入训练好的模型，比较预测值和实际值，进行精度评价；

S5、结果输出与山洪易发性制图：将数据集输入精度评价合适的模型中，获得研究区中各小流域的山洪易发性概率预测结果，并绘制山洪易发性图。

根据上述技术方案，所述S1中，数据清洗出属性数据明显异常的对象和山洪历史暴发次数过高的对象，不参与模型训练；

对清洗后的数据中的属性数据进行标准化处理，使其无量纲化，对历史山洪次数数据进行归一化处理；

随机选取样本作为训练集、验证集和测试集，作为模型输入，且训练集、验证集和测试集的比例为6：2：2。

根据上述技术方案，所述S2中，以各小流域的历史山洪次数为因变量，其余属性为自变量计算相关系数、信息熵和信息增益比，以此为依据筛选出对山洪易发性贡献度最高的十个洪水调节因子。

建立山洪灾害风险因子库，将山洪灾害风险因子分为流域几何特征、流域降水特征和流域汇流时间三大类，并存储在山洪灾害风险因子库中。

根据上述技术方案，所述S3中，首先使用训练集初步训练算法，随后采用随机网格搜索算法以及验证集数据，对超参数进行优化，最终使用测试集数据计算算法评估指标，判断模型是否符合要求。

根据上述技术方案，所述S4中，采用均方误差、平均绝对误差、受试者工作特征曲线等作为评价指标。