基于机器学习和大数据的山洪预测模型研究

针对山洪预警问题,在基于机器学习中的算法以及历史雨量数据和实时采集雨量数据组成的大数据的支撑之下,搭建了山洪预测模型,并应用到阿坝州小金川河流域和阿坝州龙溪沟流域进行模拟和验证。结果表明:山洪预测模型具有较好的精度和可靠性,根据历史数据对实时山洪模拟的衡量观测值与真实值之间的RMSE偏差误差值为33(小金川河流域),根据实时雨量数据采集数据龙溪沟测得RMSE为0.12,MSE值0.02。该预测模型具有采集数据强相关性,通过实时采集数据、实时计算、实时机器学习对比、实时改进,具有随着采集频次提高和采集点位增多,积累大数据越多,机器学习频次就越高,从而预测就越精准的特点。该模型对洪水预测和减灾防灾工作具有重要的意义。