检索结果-内蒙古大学图书馆

气象科学 2024年第6期44卷 1140-1153页

作者：谢涛余亮周浩秦文思南京信息工程大学遥感与测绘工程学院南京210044 青岛海洋科学与技术国家实验室区域海洋动力学与数值模拟功能实验室山东青岛266237 自然资源部遥感导航一体化应用工程技术创新中心南京210044 江苏省协同精密导航定位与智能应用工程研究中心南京210044 重庆舍特气象应用研究所有限责任公司重庆401147

因其独特的地理位置与气候,重庆市暴雨灾害频发,对其开展暴雨灾害风险评估与区划十分必要。本文利用暴雨过程强度影响因素、孕灾环境影响因素与承灾体暴露度等数据,结合专家打分得到的指标权重获得致灾危险性与承灾体受灾风险性指数,以... 详细信息

因其独特的地理位置与气候,重庆市暴雨灾害频发,对其开展暴雨灾害风险评估与区划十分必要。本文利用暴雨过程强度影响因素、孕灾环境影响因素与承灾体暴露度等数据,结合专家打分得到的指标权重获得致灾危险性与承灾体受灾风险性指数,以此构建样本集。基于随机森林(Random Forest, RF)、自适应提升(Adaptive Boosting, AdaBoost)、极端梯度提升(eXtreme Gradient Boosting, XGBoost)、梯度提升回归(Gradient Boosting Regression, GBR)、支持向量回归(Support Vector Regression, SVR)、线性回归(Linear Regression, LR)算法分别进行预测。结果显示,XGBoost算法以最低的平均相对误差值(Mean Relative Error, MRE)1.950%、均方根误差值(Root Mean Square Error, RMSE)0.028,以及最高的相关性值(R-squared,R2)0.896,成为最优算法(以暴雨致灾危险性预测结果为例)。在单场暴雨灾害风险评估中,在缺少暴雨过程持续天数数据的情况下,XGBoost算法仍为最优算法,其预测的MRE值与RMSE值分别为2.066%、0.030,R^(2)值为0.885,利用XGBoost算法在评估区划中划分的各等级受灾风险区域与实际受灾区域基本保持一致,表明XGBoost算法在缺少部分数据的情况下,仍能高效准确地进行评估。

关键词：暴雨灾害风险评估致灾危险性指数受灾风险性指数极端梯度提升算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：