一种基于机器学习的流域洪水灾害早期预测方法

本发明属于洪水灾害预测领域，具体是公开了一种基于机器学习的流域洪水灾害早期预测方法，方法包括：数据采集、数据结构化、构建降水量预测模型、构建洪水灾害分级模型和洪水灾害预警。本方案在Holt‑Winters三参模型中引入动态平滑系数自适应调整机制，根据数据的实时变化自动调整平滑系数，并结合双向长短期记忆网络构建降水量预测模型，及时捕捉到近期数据的变化特征，进一步提升降水量预测的精度；在决策树模型中引入多目标优化的果蝇优化算法，设计复合目标函数，综合考虑决策树的精度、模型复杂度和训练时间，同时引入了帕累托优化避免了优化结果陷入局部最优解，进一步提高了模型的适应性和泛化能力。