.png){kind=icon}
返回
An interpretable adaptive mountain flood forecasting agent model framework based on multi-source terrain data
.png){kind=icon}
OA
AI
DOI：10.1080/19942060.2026.2664290.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
气候变化和人类活动正增加洪水的频率和严重性，使得对山区洪水淹没进行实时、准确的模拟成为迫切需求。本研究开发了一种代理模型框架，整合多源地形数据进行山区洪水淹没模拟。该方法在湖北省百福司镇进行了验证。在数据预处理阶段，融合并优化了多种地形数据源以重建高精度水下地形。本研究采用四种机器学习模型（决策树、随机森林、XGBoost和CatBoost）作为自定义模型超参数，并采用贝叶斯优化进行模型超参数选择，以建立地质、水文和山区洪水事件之间的关系。结果表明，模型能够根据设定的现金流问题自适应选择最优模型和超参数，从而减少手动选择和调整算法的复杂性。对于山区洪水事件，模型在洪水范围预测和扩展概率检测（POV）方面均超过96.9%，洪水深度预测和扩展RMSE及MAE均低于0.55。利用选定的最优模型，进一步采用SHAP解释法定量探究各因素对山区洪水的影响，为实际预警系统提供洞见。研究发现，高程是影响最大洪水深度的最重要因素。此外，本模型还展示了考虑水库调节和下游水库回水影响的能力。
Keyword:
LISFLOOD-FP
Bayesian optimisation
model selection
hyperparameter optimisation
surrogate model
期刊
IF:
5.4
论文数:
1.4K
被引数:
3.9K
机构
引用论文
分享收藏XGBoost.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏Auto-WEKAProceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining
Proceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data miningIF0
PREAI
分享收藏Rapid flood inundation mapping by integrating deep learning-based image super-resolution with coarse-grid hydrodynamic modeling基于深度学习图像超分辨率与粗网格水动力模型集成的快速洪水淹没制图OAAI
OAAI分享收藏Flood prediction in urban areas based on machine learning considering the statistical characteristics of rainfall基于机器学习的城市地区洪水预测，并考虑降雨的统计特征OAAI
OAAI分享收藏Rapid forecasting of urban flood inundation using multiple machine learning modelsNATURAL HAZARDS
NATURAL HAZARDSIF3.7
PREAI
分享收藏
查看更多内容