基于GWO-XGBoost泥石流灾害预测

来源：电子测量技术杂志2023年第3期北京时间：

作者：王智勇，李丽敏，温宗周，尚艳芳，王莲霞

单位：西安工程大学电子信息学院 西安 710600

摘要：针对引发泥石流灾害的致灾因子复杂多样而造成模型输入数据维度过大和极端梯度提升树容易陷入局部最优导致预测模型准确率不高的问题，提出一种基于GWOXGBoost算法模型的泥石流灾害预测方法。首先，对传感器采集到的原始数据进行预处理，得到规范数据，然后通过线性判别分析法进行数据降维得到耦合性低且贡献率较高的致灾因子作为模型输入，对泥石流灾害是否发生进行预测；其次使用灰狼优化算法对模型超参数进行寻优；最后以磨子沟监测数据进行仿真验证。结果表明：经过预处理和线性判别分析法降维后的规范数据解决了模型输入的维数灾难问题，GWO-XGBoost泥石流灾害预测模型的预测准确率为96.64%，相较于随机森林模型、支持向量机模型和极端梯度提升树模型的预测准确率分别提高了6.69%，5.13%和3.86%，丰富了泥石流灾害预测方法并为相关决策部门提供了全新的思路。

关键词：泥石流;预测模型;线性判别分析法;极端梯度提升决策树;灰狼优化算法

基金资助：陕西省自然科学基础研究计划项目（2022JM-322）、陕西省技术创新引导专项（2020CGXNX-009）资助