机构名称：
¥ 1.0
摘要Semarang City面临着重大的环境挑战，土地沉降是一个关键问题，它加剧了洪水的淹没并加剧了洪水破坏。随着城市地区的扩大和气候变化的影响变得更加明显，理解和减轻洪水风险对于可持续的城市发展和灾难管理至关重要。因此，本研究旨在评估使用机器学习来改善洪水管理的土地沉降引起的洪水风险。使用五种不同的机器学习模型（MLMS）来评估洪水风险，其中包括决策树（DT），K-Nearest邻居（KNN），逻辑回归（LR），支持向量机（SVM）和随机森林（RF）。此外，还使用了14个不同的指数和2884个样本点来训练和测试模型，并通过高参数优化确保了比较中的公平性。为了解决样本数据集中的不确定性，使用洪水点来验证洪水风险分区图的合理性。该研究调查了不同洪水风险水平的驱动因素，重点是洪水区域，以确定最高风险地区的洪水风险机制。结果表明，KNN表现最好，并提供了模型中最合理的洪水风险价值。同时，使用KNN模型的平均得分降低，将曲线数（CN），距离河流距离（Dtriver）和建筑物密度（BD）确定为洪水风险的前三个重要因素。最后，这项研究扩大了机器学习在洪水风险评估中的应用，并加深了对洪水风险潜在机制的理解，并提供了对更好的洪水风险管理的看法。
ASEAS化学工程杂志2024，第1卷。 24，No. 2，156 - 163氧化石墨烯密封对阳极氧化铝耐腐蚀性的影响
主要关键词
相关文件推荐
