相关实验视频
Updated: Jun 12, 2025

Watershed Planning within a Quantitative Scenario Analysis Framework
Published on: July 24, 2016
通过先进的数据驱动方法加强洪水风险减轻
Ali S Chafjiri1, Mohammad Gheibi2, Benyamin Chahkandi3
1School of Civil Engineering, University of Tehran, Tehran, Iran.
机器学习模型显著提高了塞菲德鲁德河流域洪水预测的准确性. 随机森林 (RF) 模型表现出高性能,提供更好的洪水风险管理解决方案.
科学领域:
- 水文学的水文学
- 机器学习 机器学习
- 环境科学 环境科学
背景情况:
- 塞菲鲁德河流域的洪水事件造成了巨大的破坏.
- 传统的水文模型与复杂的洪水动态作斗争.
研究的目的:
- 使用机器学习开发精确的洪水估计模型.
- 为了比较各种机器学习算法用于洪水预测的性能.
主要方法:
- 应用随机森林 (RF),包装,SMOreg,多层感知器 (MLP) 和自适应神经模糊推理系统 (ANFIS) 模型.
- 利用50年历史的水文数据,分为培训 (50-70%) 和验证集.
- 使用WEKA 3.9软件处理数据.
主要成果:
- 非线性集体RF模型实现了最高的精度 (相关性=0.868,RMSE=0.104).
- 射频和MLP模型显著优于线性SMOreg方法.
- 适应性神经模糊推理系统 (ANFIS) 模型显示出异常的R平方精度 (0.99).
结论:
- 数据驱动的机器学习模型提供了准确的洪水估计能力.
- 调查结果为选择洪水风险管理算法提供了基准.
- 先进的ML技术适用于捕捉复杂的洪水动态.
更多相关视频
07:13Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy
Published on: February 25, 2021
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
相关概念视频
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Applications of GIS: Disaster Management and Emergency Response
Manipulation and Analysis
Levels of Use of a GIS
Design Example: Creating a Hydraulic Model of a Dam Spillway
Design Example: Alignment of a Road Line Using GIS