多源强降雨灾情可信度智能判别方法

SI Li-li, ZHAO Liang,WEI Tie-xin,HUO Zhi-guo, LI Jiao

wf(2023)

Cited 0|Views25
No score
Abstract
真实的灾情信息是有效防范和减轻强降雨灾害损失的重要参考.本研究以过程降雨强度(R)为指标,构建1984?2020年河北省县级多源气象灾情与致灾过程相匹配的强降雨灾害事件库.经过人工质控,获得真实灾情信息2305组,伪灾情信息263组.采用相关分析法确定与灾害发生程度(灾度)显著相关的降雨关键特征因子,基于单类支持向量机和十折交叉检验法,随机抽取10次样本,建立强降雨灾情气象因子致灾判别模型,并进行检验优化,以探索智能化、易用性的多源强降雨灾情可信度智能判别方法.结果表明:(1)与灾度显著相关的降雨关键特征因子共计11个,分别为最大降雨量、最小降雨量、过程平均降雨量、日均降雨量、平均小时雨强、1h最大雨量、3h最大雨量、6h最大雨量、12h最大雨量、24h最大雨量及前10日降雨总量,均通过了0.01水平显著性检验.(2)采用11个因子建立10个致灾判别模型(M1?M10),依据真实灾情判别准确率确定最优模型为M9,其证真率为96.4%,证伪率为67.6%,表明该模型对灾情真伪判定较为片面,应进一步优化.(3)通过自相关检验,以最大降雨量、平均小时雨强、1h最大雨量及前10日降雨总量4个因子作为输入因子,重新构建强降雨灾情气象因子致灾判别模型(M11?M20),最优模型为M20,其证真率和证伪率分别达到96.2%和82.9%.综合分析认为,由4个因子构建的气象因子致灾判别模型评估强降雨灾情可信度比11个因子建立的模型更可靠.
More
Translated text
Key words
Heavy rainfall disaster,OCSVM,Correlation analysis,Disaster-causing factor,Reliability discriminant
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined