基于三种机器学习算法的山洪灾害风险评价

Authors：周超; 方秀琴; 吴小君; 王雨晨

Source：地球信息科学学报, 2019, (11): 1-10.

• 随机森林机器学习算法
• AdaBoost机器学习算法
• ROC曲线
• Boruta算法
• 洪灾风险评价
• 江西省 Random Forest Machine Learning Algorithm
• AdaBoost Machine Learning Algorithm
• ROC curve
• Boruta algorithm
• flood risk assessment
• Jiangxi Province

依据洪灾风险概念模型，从触发因子、孕灾环境和承灾体3方面选取江西省的12个洪灾风险指标，采用k近邻、随机森林、Ada Boost 3种机器学习算法构建洪灾风险评价模型。利用精度、Kappa系数、ROC曲线（AUC值）3种定量评估指标评价洪灾风险模型，基于随机森林和Boruta特征提取算法共同分析指标重要性，最后对比3种模型绘制的江西省山洪灾害风险分区图并分析山洪灾害分布特征。结果表明：(1) Ada Boost模型的精度、Kappa系数和AUC值的平均值为别为0.902、0.870和0.826，精度和Kappa系数略优于随机森林，AUC值与随机森林相当，而k近邻模型的3种性能指标均低于前2种算...

• Institution
  河海大学