基于机器学习和水文模拟的不同山洪类型行为特征指标预测

摘要

为准确预测山洪事件的变化特性，采用8个洪水行为特征指标刻画山洪事件的量级、时间、形态和变率等洪水特性，采用主成分分析和动态K均值聚类识别典型山洪类型，采用机器学习（多元线性回归和随机森林）及分布式水文模型（中国山洪水文模型）评估不同山洪类型行为特征指标的预测性能，并以我国南部3个山丘区小流域56场次洪水过程为例开展应用研究。结果表明：研究区分为2种山洪类型（46.4%和53.6%），类型1流量强度低、洪量集中、峰现早、涨洪快、落洪慢，类型2的洪水特性与之相反；水文模型的预测性能优于机器学习模型，水文模型对2种山洪类型的行为特征指标预测误差最小、相关性最高、稳健性最强，多元线性回归模型的预测误差最大、相关性最低、稳健性最弱；3种模型对类型1所有行为特征指标的总体预测误差均小于类型2，线性相关程度与类型2接近。研究成果可为山洪风险管理和早期预警提供技术参考。

关键词

机器学习 / 中国山洪水文模型 / 洪水行为特征指标 / 动态K均值聚类 / 山洪类型