基于随机森林模型的山区铁路线暴雨洪灾风险评估——以朔黄铁路原平段为例

随机森林决策树分裂易受数据集不平衡性及变异性的影响，导致权重分配和预测结果出现偏差。山区洪灾风险评估影响因素众多、数据差异性大，如何降低数据不平衡性以及变异性的影响，直接关系各因素重要性的科学排序以及评价结果的准确性。该文依据流域灾害系统理论，从致灾因子和孕灾环境选取9个风险指标，构建山区铁路洪灾风险评估数据集，在此基础上，分别采用基于Gini指数和Sigmoid函数两种分裂方式的随机森林模型进行对比分析，之后采用最优模型对朔黄铁路原平段沿线洪灾风险进行预测，并利用实地调研结果对预测结果进行验证。研究发现：地形要素(高程、坡度、坡向)与洪灾风险密切相关，孕灾环境作为产生暴雨洪灾风险的内因，在山区铁路洪灾风险评估中起决定性作用；基于Sigmoid函数分裂方式的随机森林模型在分裂过程中可以降低信息不纯度和数据变异性对结果的影响，精度更优，预测结果与实际吻合度较高，方法适用性较强。研究成果可为山区铁路暴雨洪灾风险评估提供方法参考。