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
基于机器学习的热带气旋灾害等级评估模型构建及其活动特征分析
1
作者
刘淑贤
张立生
+3 位作者
刘扬
王维国
杨琨
张源达
《气象》
CSCD
北大核心
2024年第3期331-343,共13页
在全球变暖的背景下,热带气旋(TC)作为影响我国最严重的自然灾害之一,其活动特征及灾害损失评估研究受到了广泛关注。采用组合赋权和k-means等方法,分析了2000年以来登陆我国的TC及灾害损失特征,并构建了基于机器学习的TC灾害等级评估...
在全球变暖的背景下,热带气旋(TC)作为影响我国最严重的自然灾害之一,其活动特征及灾害损失评估研究受到了广泛关注。采用组合赋权和k-means等方法,分析了2000年以来登陆我国的TC及灾害损失特征,并构建了基于机器学习的TC灾害等级评估模型。结果表明:从总体趋势来看,登陆我国的TC频数在逐年减少,但登陆风速的最大值却在缓慢增加;广东、浙江、福建、广西受灾较为严重,但整体上全国综合灾情指数呈下降趋势;与传统的随机森林、支持向量机、朴素贝叶斯算法相比,LightGBM(Light Gradient Boosting Machine)在TC灾害评估中效果最佳,准确率值为0.91,其中致灾因子是模型中最关键的因素,其次是防灾减灾能力、暴露度和脆弱性指标。
展开更多
关键词
热带气旋
灾害等级评估
机器学习
lightgbm
(
light
gradient
boosting
machine
)
下载PDF
职称材料
题名
基于机器学习的热带气旋灾害等级评估模型构建及其活动特征分析
1
作者
刘淑贤
张立生
刘扬
王维国
杨琨
张源达
机构
国家气象中心
中国气象科学研究院
南京信息工程大学
出处
《气象》
CSCD
北大核心
2024年第3期331-343,共13页
基金
国家气象中心青年基金项目(Q202212)
国家气象中心气象现代化建设专项(QXXDH202226)
国家重点研发计划(2019YFC1510204)共同资助。
文摘
在全球变暖的背景下,热带气旋(TC)作为影响我国最严重的自然灾害之一,其活动特征及灾害损失评估研究受到了广泛关注。采用组合赋权和k-means等方法,分析了2000年以来登陆我国的TC及灾害损失特征,并构建了基于机器学习的TC灾害等级评估模型。结果表明:从总体趋势来看,登陆我国的TC频数在逐年减少,但登陆风速的最大值却在缓慢增加;广东、浙江、福建、广西受灾较为严重,但整体上全国综合灾情指数呈下降趋势;与传统的随机森林、支持向量机、朴素贝叶斯算法相比,LightGBM(Light Gradient Boosting Machine)在TC灾害评估中效果最佳,准确率值为0.91,其中致灾因子是模型中最关键的因素,其次是防灾减灾能力、暴露度和脆弱性指标。
关键词
热带气旋
灾害等级评估
机器学习
lightgbm
(
light
gradient
boosting
machine
)
Keywords
tropical cyclone(TC)
disaster grade assessment
machine
learning
lightgbm
(
light
gradient
boosting
machine
)
分类号
P49 [天文地球—大气科学及气象学]
P447 [天文地球—大气科学及气象学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习的热带气旋灾害等级评估模型构建及其活动特征分析
刘淑贤
张立生
刘扬
王维国
杨琨
张源达
《气象》
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