使用人工智能的洪水预测：一种探索性数据分析方法

摘要 本文介绍了各种机器学习（ML）和深度学习（DL）算法在印度洪水发生预测中的应用。在本研究中，使用的数据驱动方法有助于在国家和区域层面预测洪水。利用包含环境参数（最低温度、最高温度、最低pH值、最高pH值、降水量）和水文数据（水库水位、有效容量、储存容量、当前水位）的真实数据集，分析趋势、检测异常，识别影响洪水发生的特征。一系列预测模型，包括ML技术如 Bootstrap Forest、支持向量机、朴素贝叶斯、KNN、ANFIS，以及高级DL模型如ANN和LSTM网络。由于Bootstrap Forest的过拟合特性，其99.43%的准确性被拒绝，因此LSTM网络被认为是最佳和合适的模型，准确率为98.72%。关键词：人工智能，RNN，ANFIS，GMDH，洪水预测