基于可解释机器学习的城市内涝预测框架
Explainable Machine Learning-Based Urban Waterlogging Prediction Framework
发表于 2026年3月13日 · 收录于雷达 2026年11月5日
中文摘要
研究提出一种轻量、可解释的机器学习框架，用于实时预测城市内涝热点。Lasso机制从37项多源变量中筛选出5项核心因素，并通过加权距离与基于密度的噪声清理改进过采样算法，以应对类别不平衡。基于深圳2023—2024年数据的验证显示，结合该策略的梯度提升决策树模型仅用5项特征即取得较好表现，召回率较基线提高4.6%。