典型文献
基于机器学习的山洪灾害快速预报方法
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
周聂;侯精明;陈光照;马红丽;洪增林;李新林
作者机构：
西安理工大学省部共建西北旱区生态水利国家重点实验室,陕西西安 710048;鄂尔多斯市水利勘测设计院,内蒙古鄂尔多斯 017000;陕西省地质调查院,陕西西安 710054
文献出处：
引用格式：
[1]周聂;侯精明;陈光照;马红丽;洪增林;李新林-.基于机器学习的山洪灾害快速预报方法)[J].水资源保护,2022(02):32-40,111
A类：
B类：
基于机器学习,山洪灾害,快速预报,预报方法,水动力模型,机器学习技术,极限随机树,ERT,KNN,预报模型,平均绝对误差,指标评估,截取,验证模型,预报性能,模型模拟,淹没范围,平均相对误差,整体稳定,水深,10s,范围图,决策者
AB值：
0.279881
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
