FPAS

FPAS系统：洪水预测的新边界和容易洪水的救生员

洪水事件的发生和世界上的频率对世界的居民特别是联合国（联合国）引起了极大的担忧，因为它影响了一个国家经济的稳定以及民众的安全。洪水在近几十年来对人们的生活和财产造成了严重破坏，在这方面，未来并不明亮，因为事件表明现象正在增加。迅速逃离洪水屠杀取决于预见到洪水的预警和咨询系统。能够准确预测和传播有关洪水发生和严重性的建议的能力，可以帮助减轻其影响。传统的洪水预测和警告系统有局限性，包括数据操纵，信息传播缺乏透明度以及对目标人群缺乏说服力的技术。本文使用嵌入有说服力技术的洪水预测和咨询系统（FPA）提出了洪水预测的新领域。在这项工作中应用了一种混合研究方法，即面向对象的分析和设计方法（OOADM）和数据挖掘的跨行业标准过程（CRISP-DM）的组合。ooadm用于开发移动应用程序，而Crisp-DM用于为该应用程序创建数据驱动洪水预测模型。这种混合方法允许采用全面而强大的方法。我们使用机器学习技术来解决该问题以及测试系统的Nimet数据集。ml算法，例如SVM，随机森林和XGBoost，用于在Nimet数据集上执行预测。随机森林和XGBOOST的准确性为100％，而SVM获得91.67％。在尼日利亚的Cross River State（CRS）进行了调查，以评估洪水受害者关于使用说服力技术的洪水受害者的反应，其中76.56％的受访者说有说服力的技术未使用过过去的洪水受害者。91.15％的受访者用有说服力的技术来支持FPAS系统。关键字：洪水预测和咨询系统（FPA），机器学习，区块链，OOADM，CRISP-DM，NIMET