机器学习分类算法在降雨型滑坡预报中的应用

针对气象灾害预警业务中客观描述降雨诱发滑坡不确定性的实际需求，利用2014-2020年全国滑坡数据和多源融合降水实际分析数据，通过样本构建、模型训练、参数优化和预测输出等关键步骤，构建了基于机器学习分类算法的区域降雨诱发滑坡概率预测模型，探讨了不同类型机器学习分类算法识别降雨诱发滑坡过程的可行性。结果表明，在算法评价中，线性判别分析算法精度最高，泛化能力最强，其次是logistic回归算法，其次是最近邻算法。在预测试验中，线性判别分析、逻辑回归和最近邻算法可以提取和学习降雨诱发滑坡的条件特征，对降雨诱发滑坡的过程具有一定的识别能力。邻近算法概率预测高值区和logistic回归算法的范围较大，容易造成误报结果。线性判别分析算法能较好地提取局部降雨信息，但线性判别分析算法在非降雨中心区域的低值概率预测输出面积过大。