基于DBSCAN-RF洪水分类的洪水预报应用研究OA北大核心CSTPCD

【目的】洪水分类预报能有效提高洪水预报准确性,为防灾减灾工作提供科学依据。【方法】针对分类因子和分类算法优选问题,以海河流域徒骇河宫家闸上游为例进行研究,(1)充分考虑产汇流影响因素与洪水特征,选取洪峰流量、洪水总量、时段洪量、洪水历时、起历时、落历时、峰度、偏度、涨水仰角、落水仰角、C_(s)、C_(v)、前3 d面雨量、前10 d面雨量、累计面雨量及最大面雨量等16维分类因子,使用主成分投影法(Principal Component Analysis,PCA)对分类因子降维提高计算效率;(2)基于密度聚类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)-随机森林(Random Forest,RF)算法进行洪水分类,减少对分类先验知识的依赖,提高了分类精度;(3)在徒骇河流域进行了方法应用,选择适用于半干旱半湿润地区的超渗-蓄满同时作用的产流模型及单位线汇流模型进行洪水分类预报研究,分别针对各类洪水进行模型率定。【结果】结果表明:轮廓系数为0.7015,表明DBSCAN算法聚类效果理想,基于RF算法的洪水分类准确率为91.67%,分类效果理想;经洪水分类预报,NSE系数均高于0.8,分类预报结果优于直接预报。【结论】结果说明:基于DBSCAN-RF洪水分类的洪水预报能较好地反映研究区域洪水演进过程,为研究区域洪水预报及防灾减灾工作提供依据。