一种基于数据增强及集成学习的堰塞坝溃决峰值流量预测和危险性评估方法

本申请公开了一种基于数据增强及集成学习的堰塞坝溃决峰值流量预测和危险性评估方法，具体包括以下步骤：S1、采集堰塞湖的多源数据；S2、对预处理数据进行增强；S3、计算获取堰塞湖的容量增加率；S4、构建流体力学‑机器学习混合模型；S5：危险性评估预测；本申请通过采集上游流量、下游流量、储蓄量、水位、降雨量和土壤含水量等多源数据，全面反映堰塞湖的动态变化过程，避免单一数据源的局限性；对数据采用增强处理，通过时间序列插值和多源数据融合，生成更全面、更稳定的增强数据集，从而提升峰值流量预测和危险性评估的准确性；通过动态加权融合危险性评估模型的输入特征，再通过集成学习框架计算联动控制算法生成危险性评估指标。