MaxFloodCast：用于预测峰值淹没深度并解析影响特征的集成机器学习模型
机器学习
2023-08-14 v1 物理与社会
摘要
及时、准确且可靠的信息对于洪水事件中的决策者、应急管理者和基础设施运营者至关重要。本研究展示了一种提出的机器学习模型 MaxFloodCast，该模型在哈里斯县的基于物理的水动力模拟数据上训练，可提供高效且可解释的洪水淹没深度预测。该模型在未见数据上取得了 0.949 的平均 R 平方值和 0.61 英尺的均方根误差，证明其在预测峰值洪水淹没深度方面可靠。通过与飓风哈维和风暴伊梅尔达的对比验证，MaxFloodCast 显示出支持近实时洪泛区管理和应急行动的潜力。该模型的可解释性有助于决策者提供关键信息，以指导防洪减灾策略、对关键设施区域进行优先排序，并考察其他流域的降雨如何影响某一区域的洪水暴露。MaxFloodCast 模型能够实现准确且可解释的淹没深度预测，同时显著减少计算时间，从而更有效地支持应急响应工作和洪水风险管理。
引用
@article{arxiv.2308.06228,
title = {MaxFloodCast: Ensemble Machine Learning Model for Predicting Peak Inundation Depth And Decoding Influencing Features},
author = {Cheng-Chun Lee and Lipai Huang and Federico Antolini and Matthew Garcia and Andrew Juanb and Samuel D. Brody and Ali Mostafavi},
journal= {arXiv preprint arXiv:2308.06228},
year = {2023}
}