利用Twitter计算洪水概率：以哈维飓风期间休斯顿城市区域为例
机器学习
2020-12-08 v1
摘要
在本文中，我们研究如何将Twitter语料库转换为带有相关地理区域被淹没概率的地理参考栅格单元。我们描述了一种基线方法，该方法结合了密度比函数、使用时空高斯核函数的聚合以及TFIDF文本特征。这些特征通过逻辑回归模型转换为概率。所描述的方法在2017年8月至9月飓风哈维过后休斯顿城市区域洪水之后收集的语料库上进行评估。该基线达到了68%的F1分数。我们指出了可能改善这些初步结果的研究方向。
引用
@article{arxiv.2012.03731,
title = {Computing flood probabilities using Twitter: application to the Houston urban area during Harvey},
author = {Etienne Brangbour and Pierrick Bruneau and Stéphane Marchand-Maillet and Renaud Hostache and Marco Chini and Patrick Matgen and Thomas Tamisier},
journal= {arXiv preprint arXiv:2012.03731},
year = {2020}
}
备注
5 pages, 1 figure. Published in Proceedings of the 9th International Workshop on Climate Informatics: CI 2019