期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器学习的黑龙江省强降水致灾预估方法研究
1
作者
李昊宸
邵源铭
+4 位作者
杨洪伟
蒋慧亮
徐永清
李亚滨
魏磊
《灾害学》
CSCD
北大核心
2024年第3期60-65,共6页
采用黑龙江省1984—2019年各县强降水灾情资料和逐日降水资料,以逻辑回归和长短时记忆网络模型为基础,建立了黑龙江全省、大兴安岭、小兴安岭、松嫩平原、三江平原和东南半山区的强降水致灾与否二分类预估模型。通过机器学习,得到黑龙...
采用黑龙江省1984—2019年各县强降水灾情资料和逐日降水资料,以逻辑回归和长短时记忆网络模型为基础,建立了黑龙江全省、大兴安岭、小兴安岭、松嫩平原、三江平原和东南半山区的强降水致灾与否二分类预估模型。通过机器学习,得到黑龙江省以及5个地区判断强降水致灾与否的最佳观测天数在4~6 d、最佳的日降水量阈值为16~20 mm。比较全连接逻辑回归模型、优先考虑日期的部分连接逻辑回归模型D、优先考虑站点的部分连接逻辑回归模型S和长短时记忆网络LSTM模型等四个模型的表现,前三种逻辑回归模型表现差距不大,相对表现最好的全连接模型,其在大部地区所表现的准确率、精确率、召回率和F1分数均在0.7以上,而LSTM模型只在大兴安岭表现更好一些。
展开更多
关键词
机器学习
逻辑回归
模型
长短时记忆网络
模型
强降水致灾预估模型
黑龙江
下载PDF
职称材料
题名
基于机器学习的黑龙江省强降水致灾预估方法研究
1
作者
李昊宸
邵源铭
杨洪伟
蒋慧亮
徐永清
李亚滨
魏磊
机构
哈尔滨工业大学
黑龙江省气候中心
出处
《灾害学》
CSCD
北大核心
2024年第3期60-65,共6页
基金
中国气象局决策服务专题研究重点项目“中国气象局决策服务专题研究重点项目”(JCZX2022002)。
文摘
采用黑龙江省1984—2019年各县强降水灾情资料和逐日降水资料,以逻辑回归和长短时记忆网络模型为基础,建立了黑龙江全省、大兴安岭、小兴安岭、松嫩平原、三江平原和东南半山区的强降水致灾与否二分类预估模型。通过机器学习,得到黑龙江省以及5个地区判断强降水致灾与否的最佳观测天数在4~6 d、最佳的日降水量阈值为16~20 mm。比较全连接逻辑回归模型、优先考虑日期的部分连接逻辑回归模型D、优先考虑站点的部分连接逻辑回归模型S和长短时记忆网络LSTM模型等四个模型的表现,前三种逻辑回归模型表现差距不大,相对表现最好的全连接模型,其在大部地区所表现的准确率、精确率、召回率和F1分数均在0.7以上,而LSTM模型只在大兴安岭表现更好一些。
关键词
机器学习
逻辑回归
模型
长短时记忆网络
模型
强降水致灾预估模型
黑龙江
Keywords
machine learning
logistic regression model
long short term memory network model
disaster prediction model caused by heavy rainfall
Heilongjiang
分类号
P461 [天文地球—大气科学及气象学]
X43 [环境科学与工程—灾害防治]
P15.5 [天文地球—天文学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习的黑龙江省强降水致灾预估方法研究
李昊宸
邵源铭
杨洪伟
蒋慧亮
徐永清
李亚滨
魏磊
《灾害学》
CSCD
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
