山洪災(zāi)害預(yù)警模型研究——以浙江省臨安市為例.pdf

1、我國(guó)地貌多樣，山丘為主，降雨頻繁，暴雨居多，且許多不合自然規(guī)律的人類活動(dòng)已對(duì)環(huán)境造成無(wú)可挽回的影響，以上因素均會(huì)誘發(fā)山洪災(zāi)害發(fā)生。山洪災(zāi)害儼然成為當(dāng)前防洪減災(zāi)中突出問題，嚴(yán)重危害著經(jīng)濟(jì)發(fā)展和社會(huì)穩(wěn)定，因此開展山洪災(zāi)害預(yù)警研究迫在眉睫。本文研究區(qū)域是浙江省臨安市，地處暴雨中心，是山洪災(zāi)害易發(fā)區(qū)和重點(diǎn)山洪防御區(qū)，對(duì)臨安山洪災(zāi)害預(yù)警勢(shì)在必行。
　　動(dòng)態(tài)雨量和分布式水文模型是常用山洪預(yù)警的主要方法模型，這些線性方法需要大量準(zhǔn)確數(shù)據(jù)，而大多

2、地區(qū)水文數(shù)據(jù)信息不全，無(wú)法為這些方法提供足量準(zhǔn)確的數(shù)據(jù)。針對(duì)這一現(xiàn)狀，本文提出需要相對(duì)少量樣本的基于BP神經(jīng)網(wǎng)絡(luò)、SVM算法及GA-SVM算法的山洪災(zāi)害預(yù)警模型，該模型以雨量、水位和土壤含水量作為預(yù)警指標(biāo)，經(jīng)過(guò)BP神經(jīng)網(wǎng)絡(luò)和GA-SVM算法的非線性處理，得到預(yù)警信息內(nèi)容包括雨量預(yù)測(cè)、水位預(yù)測(cè)和山洪預(yù)警級(jí)別。政府及有關(guān)主管部門據(jù)此發(fā)布預(yù)警信息，以幫助群眾提前安全轉(zhuǎn)移，從而使生命財(cái)產(chǎn)損失降到最低。借助MATLAB平臺(tái)編寫相應(yīng)MATLAB程序

3、，設(shè)計(jì)和實(shí)現(xiàn)各個(gè)算法，并對(duì)比分析各算法優(yōu)劣性。
　　實(shí)驗(yàn)結(jié)果表明:(1)基于BP神經(jīng)網(wǎng)絡(luò)算法、SVM算法和GA-SVM算法的雨量預(yù)測(cè)模型誤差分別為21.30％、9.53％和4.96％。(2)基于各算法的水位預(yù)測(cè)模型誤差分別為2.95％、1.68％和1.53％。(3)基于各算法的山洪災(zāi)害預(yù)警等級(jí)誤差預(yù)測(cè)模型誤差分別為9.32％、7.63％和5.34％。可得GA-SVM算法誤差值最小，預(yù)測(cè)精度較高，更符合山洪預(yù)警模型實(shí)驗(yàn)需求。