一种基于机器学习的堰塞坝风险评估方法和系统

本发明公开了一种基于机器学习的堰塞坝风险评估方法和系统，包括：建立堰塞坝数据库，采集关键数据。针对数据库中数据缺失问题，采用多种机器学习算法分别构建数据插补模型，并通过网格参数优化和5折交叉验证选取最优插补方法。基于数据补全后的完整数据库，结合原始数据、过采样、欠采样及组合采样策略，分别构建堰塞坝稳定性评估、寿命预测和溃决洪峰流量预测模型，同时利用SHAP值理论识别影响堰塞坝演化的关键因素。通过综合分析构建风险分级体系，并实现在线部署。本发明有效解决了堰塞坝数据库的不完整性和数据分布不均问题，提升了模型泛化能力和预测精度，为堰塞坝防灾减灾提供了科学、便捷和高效的技术支持。