使用机器学习模型进行洪水预测的文献综述
机器学习
2020-08-10 v1 机器学习
摘要
洪水是最具破坏性的自然灾害之一，其建模高度复杂。洪水预测模型进展的研究有助于降低风险、提供政策建议、最小化人员伤亡以及与洪水相关的财产损失。为了模拟洪水物理过程的复杂数学表达式，在过去二十年中，机器学习（ML）方法在预测系统的进展中作出了重大贡献，提供了更好的性能和成本效益解决方案。由于ML的巨大益处和潜力，其在水文学家中的普及度急剧上升。研究人员通过引入新颖的ML方法以及将现有方法混合，旨在发现更准确高效的预测模型。本文的主要贡献是展示ML模型在洪水预测中的最新技术水平，并深入探析最适用的模型。本文特别调查了通过鲁棒性、准确性、有效性和速度的定性分析对ML模型进行基准测试的文献，以提供该领域所用各种ML算法的广泛概览。ML模型的性能比较在综合评估与讨论框架内给出了对不同技术的深入理解。因此，本文介绍了针对长期和短期洪水最有前景的预测方法。此外，还研究了改进洪水预测模型质量的主要趋势。其中，混合化、数据分解、算法集成和模型优化被报道为改进ML方法的最有效策略。
引用
@article{arxiv.1908.02781,
title = {Flood Prediction Using Machine Learning Models: Literature Review},
author = {Amir Mosavi and Pinar Ozturk and Kwok-wing Chau},
journal= {arXiv preprint arXiv:1908.02781},
year = {2020}
}
备注
74 pages, 10 figures, 6 tables