中山大学学报(自然科学版) ›› 2020, Vol. 59 ›› Issue (1): 105-113.doi: 10.13471/j.cnki.acta.snus.2020.01.013
牟凤云,杨猛,林孝松,龙秋月,李梦梅,何勇
MU Fengyun,YANG Meng,LIN Xiaosong,LONG Qiuyue,LI Mengmei,HE Yong
摘要: 利用机器学习算法RF模型、K-means模型与ARMA模型,对巫山县范围内12 369条径流河段进行分类预测,研究水文参数在时间序列上的变化规律,探究降雨-径流演变规律;并结合GIS空间可视化技术,综合研究区地理环境,基于RF模型预测洪水致灾范围,分析洪水灾害预测结果的空间特征。结果表明:① RF模型能有效预测降雨-径流演变过程中参数的重要性,当降雨强度为125 mm、150~175 mm时,预测出水位、流速变化率最大;降雨强度为100~175 mm时,预测出流速变化率最为剧烈;② 利用ARMA模型预测出河流比降、流量等水文参数回归性最好,较低等级河流所预测参数中,水位、流速变化率最为明显,流量无明显变化。相较于水位变化率,流速变化更为强烈,流速、水位变化率主要集中于等级较高河流;③ 机器学习算法能有效预测研究区洪水易发程度,在表征研究区水文参数时,水位变化主要集中于西北部、中南部,东北部与中南部水位变化率显著,预测出部分地区水位可升至20 m,处极危险状态。
中图分类号: