基于机器学习的不可移动文物暴雨灾害风险评估——以山西省为例

• Published in: 自然灾害学报 Vol. 32; no. 4; pp. 25 - 35
• Main Authors: 徐澯, 宫阿都, 包文轩
• Format: Journal Article
• Language: Chinese
• Published: 北京师范大学环境遥感与数字城市北京市重点实验室,北京 100875 01.08.2023; 北京师范大学遥感科学国家重点实验室,北京 100875; 北京师范大学地理科学学部,北京 100875; 北京师范大学环境演变与自然灾害教育部重点实验室,北京 100875
• Subjects: Logistic regression; risk assessment; 随机森林; 暴雨风险; rainstorm risk; Logistic回归; 支持向量机模型; random forest; SVM; 风险评估; immovable historical relics; 不可移动文物
• ISSN: 1004-4574
• DOI: 10.13577/j.jnd.2023.0403

X43; 以山西省为例,将不可移动文物作为灾害的影响对象,通过分析暴雨灾害对其的影响因素构建指标体系,通过文物损毁情况划分风险并作为输出数据,将山西省 6325 处受灾不可移动文物按照6∶2∶2划分训练集、验证集和测试集,分别使用随机森林模型、支持向量机模型(support vector machine,SVM)、逻辑回归模型进行训练和验证,选取出最优模型,并对山西不可移动文物进行不同重现期暴雨下的风险预测.研究结果表明:基于机器学习的不可移动文物暴雨风险评估方法是可行且结果较为优异的;在3种模型中,随机森林的验证集准确率最高,为95.75%,测试集精度为94.70%;在山西省5、20、50a重现期暴雨下的不可移动文物风险均呈现出北方低、南方高的态势,且在5a重现期下高风险文物占比最多,高风险文物以古建筑和古遗址为主.