买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河海大学

摘要：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。

主权项：1.一种基于GIS与集成学习的山洪灾害易发性评价方法，其特征在于：应用集成学习算法，以多个小流域矢量单元为研究对象，进行山洪灾害易发性评价与制图；方法具体包括如下步骤：第一步，数据预处理；第二步，模型建立；第三步，特征因子影响；第四步，验证算法性能；第五步，山洪易发性制图；在第一步中，所述数据预处理是指预处理小流域数据集，根据小流域参数对山洪灾害的作用机制，遵守指标选取原则，建立评价指标体系，从几何特征A1、水文特征A2和气象特征A3三个方面考虑指标；在几何特征A1中选取了平均坡度A11、加权平均坡度A12、形状系数A13、最长汇流路径长度A14、最长汇流路径比降A15、最长汇流路径比降1085A16；在水文特征A2中选取了糙率A21、稳定下渗率A22、10分钟频率为1％的单位线洪峰模数A23；气象特征A3中选取了10分钟频率为1％的单位线数据A31、10分钟频率为1％的降雨量A32、30分钟频率为1％的单位线数据A33、30分钟频率为1％的降雨量A24；在数据清洗、标准化以及下采样的基础上，进行训练的小流域数据集，随机选取样本70％为训练集，30％为测试集，作为模型输入；在第二步中，所述模型建立是指使用选取的多个特征因子，采用两种机器学习算法和集成算法对小流域山洪灾害易发性进行评估，具体包括如下步骤：首先，使用训练集初步训练算法；随后，为使算法达到最佳性能，采用优化算法，模型初步结果以及测试集数据，对参数进行优化；最终，通过使用测试集数据计算算法评估指标，对各提升算法进行详细的比较；为克服山洪易发性建模中的非平衡问题，保证机器学习训练模型中比例相同，在其他未发生山洪的小流域随机选取相同个数小流域加入模型后，分别随机按照7：3的比例在山洪和非山洪数据集上划分训练集和测试集，得到多个数据的训练集和多个数据的测试集；在第二步中，所述模型建立包括用R语言完成MARS模型的初步建立，用R语言完成RF模型的初步建立，用R语言完成ANN模型的初步建立；第三步中，所述特征因子影响是指特征因子对山洪灾害易发性贡献度；根据MARS和RF模型结果得到特征因子的单一贡献度和双因子交互作用对山洪灾害易发性的影响，主要查看RF模型内因子重要性以及查看MARS模型内多因子交互对山洪易发性影响；在第四步中，所述验证算法性能是指模型验证以及对比，主要通过运行测试集数据验证算法精度，在测试算法性能部分，通过结果在训练集和测试集计算算法评估指标来评估其精度，包括精准度、召回率、精度、均方根误差、Kappa系数和AUROC值，得到模型性能差异，并进行不同算法的精度对比，比较不同算法的运行性能；在第五步中，所述山洪易发性制图是指将小流域山洪易发程度的模型结果，导入ArcGIS10.4软件，对山洪灾害易发性进行可视化展示；所述山洪易发性制图包括对小流域山洪易发性结果制图与分析，通过三种机器学习模型会对每个小流域自动输出预测值，此时输出的预测值即为小流域的山洪灾害易发性；得到小流域单元的易损性后，采用自然间断法对易发性的结果进行等级划分，直接分为五级，分级之后，通过统计分析，得到各级的小流域数量，所占面积和所占比例。

全文数据：

权利要求：

百度查询： 河海大学 一种基于GIS与集成学习的山洪灾害易发性评价方法