Ứng dụng phương pháp Random Forest dự báo vị trí có nguy cơ xảy ra lũ quét cho khu vực tỉnh Lào Cai

Chỉ số đề mục

Lĩnh vực nghiên cứu

Dạng tài liệu

Tác giả

Ngô Thị Phương Thảo, Ngô Hùng Long, Nguyễn Quang Khánh, Bùi Thanh Tịnh, Trần Văn Phong, Nhữ Việt Hà⁽¹⁾, Nguyễn Thị Hải Yến

Nhan đề

Ứng dụng phương pháp Random Forest dự báo vị trí có nguy cơ xảy ra lũ quét cho khu vực tỉnh Lào Cai

Nhan đề tiếng anh

Applying Random Forest approach in forecasting flash flood susceptibility area in Lao Cai region

Nguồn trích

Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất

Năm xuất bản

2020

Số

05 (Chuyên đề 2)

Trang

30-42

ISSN

1859-1469

Từ khóa

Lũ quét, Hệ thông tin địa lý, Máy học, Random Forest, Sentinel-1

Từ khóa tiếng anh

Flash floods, GIS, Machine learning, Random forest, Sentinel-1A, Lao Cai

Tóm tắt

Mục tiêu chính của nghiên cứu này là cung cấp một phương pháp xây dựng mô hình dự báo vị trí có nguy cơ xảy ra lũ quét ở khu vực Lào Cai, nơi bão nhiệt đới thường xuyên xảy ra, dựa trên thuật toán phân loại Random Forest. Nghiên cứu áp dụng cơ sở dữ liệu hệ thông tin địa lý (GIS) kết hợp với mô hình máy học xây dựng và kiểm chứng mô hình dự báo, trích xuất dữ liệu dựa trên khảo sát thực địa các vùng lũ quét tại tỉnh Lào Cai và dữ liệu không gian địa lý. Kết quả cho thấy mô hình có hiệu suất cao với độ chính xác phân loại là 94,76% trên tập dữ liệu huấn luyện và khả năng dự báo là 89,29% trên tập dữ liệu kiểm tra. Kết quả đã chứng minh mô hình có thể là một công cụ hiệu quả cho mô hình dự báo vị trí có nguy cơ xảy ra lũ quét, cung cấp thêm dữ liệu cho việc quy hoạch quản lý đất sinh hoạt, phòng chống, dự báo lũ quét cho khu vực tỉnh Lào Cai.

Tóm tắt tiếng anh

The main objectives of this research are to provide a new approach for flash flood prediction in Lao Cai, where frequent typhoons happen. This method is based on the Random Forest classification algorithm. The researcher applied GIS database in combination with construction machine learning model and verified the forecasting model, extracted the data based on field survey of the flash flood area of Lao Cai and GIS (Geographic Information System). The results have proved that the model can be a useful tool for flash flood forecasting model, providing more data for land planning and management for preventing and predicting flash flood for Lao Cai area.

Kí hiệu kho

TTKHCNQG, CVv 294

File toàn văn

Xem toàn văn

Tài liệu tham khảo

[1] Bubeck, P. & Thieken, A. H. (2018), What helps people recover f-rom floods? Insights f-rom a survey among flood-affected residents in Germany.,Regional Environmental Change 18, 287-296.
[2] Brody, S. D., Zahran ,S., Maghelal , P., Grover,H. & Highfield, W. E. (2007), The rising costs of floods: Examining the impact of planning and development decisions on property damage in Florida.,Journal of the American Planning Association 73, 330-345.
[3] Breiman, L, (2015), Random forests leo breiman and adele cutler. Random Forests-Classification Description.,Retrieved. http://www.stat. berkeley.edu/~breiman/RandomForests/cc_ home.htm (accessed on 22 March 2016).
[4] Breiman, L. (2002), Manual On Setting Up, Using, And Understanding Random Forests V3.1. Statistics Department University of California Berkeley, CA, USA,1, 58.,
[5] Borga, M., Anagnostou, E. N. G., Blöschl & Creutin, J. D. (2011), Flash flood forecasting, warning and risk management: the HYDRATE project.,Environmental Science & Policy 14, 834-844.
[6] Beven, K., Kirkby, M., Schofield, N., Tagg , A. (1984), Testing a physically-based flood forecasting model (TOPMODEL) for three UK catchments.,Journal of Hydrology 69, 119-143.