买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中水三立数据技术股份有限公司

摘要：本发明公开了一种基于混合机器学习法的山洪灾害风险预测方法，本发明涉及模型预测技术领域，解决了当前的山洪灾害风险预报模型使用过程中存在的模型数据获取困难、山洪灾害影响因素权重不确定性、模型局部过度优化、模型在非观测区不适用、机器学习模型学习效率不高等问题，本发明通过利用随机森林模型对山洪灾害暴发的影响因素进行权重划分；利用ABC算法优化RBFNN模型初始网络结构和连接权重，有助于避免局部最优问题，本发明集成了RBFNN和ABC算法，加速了模型学习，提高了山洪灾害预测模型的学习速度和准确性，通过基于RF方法使得特征因素在模型中的权重根据历史数据进行确定的，非固定不变，让整个系统更具普适性。

主权项：1.一种基于混合机器学习法的山洪灾害风险预测方法，其特征在于，包括：步骤一、模型数据输入，模型数据包括研究区内有记录的山洪历史场次信息及与山洪暴发相关的影响因素，且将研究区域内山洪灾害暴发点和非山洪灾害暴发点分别表示为1和0；步骤二、对步骤一中的山洪灾害相关的影响因素进行无量纲的归一化处理： 其中XNor为该影响因素归一化后的值，Xi为该影响因素的实际监测值，min为数据集中该影响因素的最小值，max为数据集中该影响因素的最大值，数据集里包括所有的影响因素；接着进行影响因素评估，利用随机森林模型对无量纲归一化处理后的山洪灾害相关的影响因素进行评估，根据评估结果选择出形成用于模型输入的历史山洪灾害数据集；步骤三、模型数据集划分，对历史山洪灾害数据集进行分组，分组为训练数据和测试数据；步骤四、进行RBFNN模型参数确定，RBFNN模型具有三层结构：输入层、隐藏层和输出层，输入层包括研究区内历史山洪灾害场次信息和训练数据，输出层分为两类：山洪灾害暴发点和非山洪灾害暴发点，隐藏层中每个节点都是一个径向基函数，节点数是需要优化的关键网络结构参数，RBFNN模型在第一次迭代中，使用试错法随机识别初始网络结构参数，然后使用ABC算法优化RBFNN模型的初始网络结构参数，最终得到经过参数优化的RBFNN-ABC混合模型；步骤五、进行RBFNN-ABC混合模型评估，利用RBFNN-ABC混合模型对步骤三中的测试数据进行模拟预测，使用AUC、RMSE统计指标来评估RBFNN-ABC混合模型的准确性，选择AUC、RMSE统计指标结果最优的混合模型作为该地区山洪灾害风险的预测模型。

全文数据：

权利要求：

百度查询： 中水三立数据技术股份有限公司 一种基于混合机器学习法的山洪灾害风险预测方法