一种基于机器学习的小流域山洪灾害风险动态评估方法

    公开(公告)号:CN118643415A

    公开(公告)日:2024-09-13

    申请号:CN202410633401.4

    申请日:2024-05-21

    Applicant: 济南大学

    Abstract: 本发明提供一种基于机器学习的小流域山洪灾害风险动态评估方法,涉及山洪灾害研究技术领域。该基于机器学习的小流域山洪灾害风险动态评估方法,包括风险等级划分:基于土壤含水量和雨型的变化对流域造成不同的影响程度,对山洪灾害风险等级进行划分;全流域数据处理:对小流域山洪灾害风险评估指标数据收集与处理,并基于流域面积对小流域上游各个层级的流域数据分别计算加权平均值,最终组成数据集。通过利用实时的土壤含水量和预报的降雨量数据对流域山洪灾害风险进行实时或近实时评估,本公开能够提供动态的风险评估,这种动态预测方法能够反映降雨变化对洪水风险的即时影响,相比于传统的静态模型,大大提高了预测的时效性和准确性。

    一种基于机器学习的沿河村落山洪灾害评价方法

    公开(公告)号:CN119130106A

    公开(公告)日:2024-12-13

    申请号:CN202410944632.7

    申请日:2024-07-15

    Applicant: 济南大学

    Abstract: 本发明提供一种基于机器学习的沿河村落山洪灾害评价方法,涉及山洪灾害研究领域。该基于机器学习的沿河村落山洪灾害评价方法,包括构建沿河村落山洪灾害指标体系:基于灾害体系的理论框架,选择山丘区沿河的村落为基础单元,并结合这些村落的独特性质,从致灾因子、孕灾环境和承灾体三个维度出发选取指标,构建一个综合村落、河段、流域的风险评价体系;风险等级划分:基于历史山洪灾害发生的次数及所造成的破坏程度,对沿河村落的山洪灾害风险等级进行划分。通过基尼指数分析各个指标重要性:计算各风险指标的基尼指数,可以得到各风险指标的重要性;在实例分析中,河段隐患层面的指标贡献度总和达到了61.65%。

    一种基于BO-SVM算法的临界雨量确定方法

    公开(公告)号:CN117408155A

    公开(公告)日:2024-01-16

    申请号:CN202311422070.1

    申请日:2023-10-30

    Applicant: 济南大学

    Abstract: 本发明涉及山洪灾害研究技术领域,公开了一种基于BO‑SVM算法的临界雨量确定方法,包括确定警戒流量:根据实地调研,确定防灾对象成灾水位以及警戒流量。本发明根据实地调研,确定防灾对象成灾水位以及警戒流量;将实测场次降雨数据输入到HEC‑HMS水文模型中进行产汇流计算,选取模拟洪峰流量大于警戒流量的场次为超警场次,模拟洪峰流量小于警戒流量的场次为未超警场次;选取模拟径流数据中洪峰前24小时的降雨过程,确定最大时段累积降雨量;确定时段初始时刻之前的前期影响雨量以及洪峰前降雨雨峰位置系数;基于BO‑SVM算法以超警和未超警作为判别条件构建时段累积降雨量、前期影响雨量、雨峰位置系数的线性关系,识别临界雨量最优平面。

Patent Agency Ranking