基于PCA-GPR的泥石流最大冲出距离的预测模型

摘要

针对目前常规泥石流最大冲出距离预测模型对于预测结果中的不确定性方面尚且缺少解释，提出了一种结合主成分分析(principal component analysis, PCA)和高斯过程回归(Gaussian process regression, GPR)的PCA-GPR机器学习模型。以雅鲁藏布江米林区段泥石流最大冲出距离的预测为例，首先，采用PCA对影响泥石流最大冲出距离的影响因子进行预处理，对多维数据进行降维，提取出对泥石流冲出距离最具影响力的主成分。然后，基于GPR建立预测模型，通过网格搜索和交叉验证进行超参数优化和验证评估，选取最佳超参数组合，得到可以预测泥石流最大冲出距离的PCA-GPR预测模型。最后，结合多项模型性能评价指标，将PCA-GPR模型与多个常规的机器学习模型进行对比分析。研究结果表明，该文所建立的PCA-GPR泥石流最大冲出距离预测模型的性能整体优于常规机器学习模型，且能以概率分布形式对预测结果的不确定性进行解释。

关键词

泥石流 / 冲出距离 / 主成分分析 / 高斯过程回归 / 不确定性预测