| 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 |
| |
| 引用本文： | 刘淑贤,张立生,刘扬,王维国,杨琨,张源达.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[J].气象,2024,50(3):331-343. |
| |
| 作者姓名： | 刘淑贤 张立生 刘扬 王维国 杨琨 张源达 |
| |
| 作者单位： | 国家气象中心,北京 100081;中国气象科学研究院,北京 100081； 南京信息工程大学,南京 210044 |
| |
| 基金项目： | 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)和国家重点研发计划(2019YFC1510204)共同资助 |
| |
| 摘 要： | 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） |
| 收稿时间： | 2022/11/28 0:00:00 |
| 修稿时间： | 2023/11/30 0:00:00 |
Construction of Tropical Cyclone Disaster Grade Assessment Model Based on Machine Learning and Analysis of Its Activity Characteristics |
| |
| LIU Shuxian,ZHANG Lisheng,LIU Yang,WANG Weiguo,YANG Kun,ZHANG Yuanda.Construction of Tropical Cyclone Disaster Grade Assessment Model Based on Machine Learning and Analysis of Its Activity Characteristics[J].Meteorological Monthly,2024,50(3):331-343. |
| |
| Authors: | LIU Shuxian ZHANG Lisheng LIU Yang WANG Weiguo YANG Kun ZHANG Yuanda |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《气象》浏览原始摘要信息 |
| 点击此处可从《气象》下载免费的PDF全文 |
