基于随机森林模型的湫水河流域洪水过程模拟

摘要

黄河中游干旱半干旱地区洪水预报精度水平普遍不高，其主要原因在于降雨时空高度变异性以及大范围水土保持措施对产汇流的强烈干扰。随着现代统计理论发展，智能机器学习算法为该地区洪水预报提供了新的途径。以黄河中游左岸湫水河流域为例，采用随机森林算法建立暴雨洪水预报模型，对汛期场次洪水过程进行模拟，结果表明：当计算时间步长为1小时，随机森林模型的确定性系数(NSE)平均值为0.47，以NSE ≥ 0.60衡量，合格率为42%；当计算时间步长为0.5小时，NSE平均值为0.76，场次洪水预报合格率为88%；由此可知，输入资料精度是决定模型精度的主要因素。此外，不同时间步长条件下，随机森林模型的应用效果均明显优于传统的多元回归统计模型，表明随机森林模型适用于湫水河流域的洪水过程预报，对黄河中游黄土高原地区防洪预警具有一定参考价值。