-
题名基于机器学习的重特大地质灾害救援资源需求预测
- 1
-
-
作者
喇蕊芳
朱以恒
李星
郭海湘
侯蕊芳
马莹莹
-
机构
兰州理工大学经济管理学院
西北永新涂料有限公司
中国地质大学(武汉)经济管理学院
中国地质大学(武汉)自然灾害风险防控与应急管理实验室
应急管理部研究中心
青岛理工大学管理工程学院
-
出处
《安全与环境工程》
北大核心
2025年第3期163-175,共13页
-
基金
甘肃省青年科技基金计划项目(22JR5RA312)
国家社会科学基金重点项目(23AZD072)。
-
文摘
地质灾害救援具有自身的特点和技术上的特殊性,灾害初期由于信息不完整,救援资源需求呈现出复杂多样、时间紧迫且不确定的多重特性,导致其需求量难以准确预估。为了预测重特大地质灾害救援资源需求,首先基于历史经验从宏观、微观、时空3个层面梳理并构建了包含22项灾情影响因素指标作为输入参数的模型框架,涵盖5类应急救援主体并整合4大类别26种核心救援装备资源作为输出参数,通过相关性分析,确定灾情数据与救援资源投入数据之间存在显著而明确的关联性;然后将基于历史经验的需求预测结果作为数据异常检测与缺失值填补的参照基准,采用随机森林(RF)、支持向量机(SVM)、LightGBM、XGBoost和人工神经网络(ANN)5种机器学习算法构建预测模型,用于估算救援主体及装备的需求量;最后为提高机器学习模型的稳健性,对ANN、XGBoost、RF 3种机器学习算法进行了不同组合权重分配的试算。结果表明:LightGBM和SVM算法的预测效果一般,RF和XGBoost算法均能取得较好的预测效果,ANN算法的预测效果最好;对ANN、XGBoost、RF算法按照7∶2∶1的权重分配构建的联合机器学习模型展现出良好的稳健性特征,为重大地质灾害情境下救援主体及装备需求量的精准测算提供了基于多算法融合的科学解决方案。
-
关键词
地质灾害
救援资源需求预测
救援主体
救援装备
机器学习算法
-
Keywords
geological disaster
rescue resource demand prediction
rescue agent
rescue equipment
machine learning algorithm
-
分类号
X43
[环境科学与工程—灾害防治]
-
