基于布谷鸟优化轻量梯度提升机的泥石流预测

针对山区环境中引发泥石流的影响因素复杂多样,影响因子之间易存在相互耦合以及轻量梯度提升机(light gradient boosting machine,lightGBM)预测模型易陷入局部最优问题,提出了核线性判别分析法(kernel linear discriminant analysis,KLDA)与经布谷鸟算法(cuckoo search,CS)寻优后的LightGBM预测模型.首先,对传感器采集到的原始数据进行清洗,并将"清洗"后得到的规范数据通过KLDA进行降维处理,得到相关性低且贡献率高的影响因子作为预测因子.采用随机取样的方法对降维后数据进行规划,选取70％的数据用于训练模型,剩余30％用于验证模型.然后,将训练数据作为输入,基于CS-LightGBM算法训练出最优预测模型.最后,结合鹅项沟监测数据进行仿真.结果证明,此方法能够将复杂的泥石流影响因子降维成利于建模的预测因子,使预测模型具有较好的预测准确度,为泥石流灾害预测方面的研究提供了新的思路.