内容概要：基于2008年12月份至2017年6月份的数据集，分别训练了随机森林模型和逻辑回归模型。根据今日的气象信息训练分类模型，根据该模型预测澳大利亚第二天的降雨。 该数据集包含来自许多澳大利亚气象站的大约10年的每日天气观测以及天气预报，“RainTomorrow”是要预测的目标变量，这意味着：第二天下雨了，如果当天的降雨量>=1mm，则此列为“是”。气象信息包括日期，城市，最低温度,最高温度,降雨量,蒸发量，阳光（一天中阳光明媚的小时数），一天中最强阵风、9am、3pm的风向和风速，一天中9am、3pm的湿度、气压、云层(云层遮盖的天空比例)、温度、当日是否下雨。 该数据集的主要任务目标是根据今日的气象信息训练分类模型，根据该模型预测澳大利亚第二天的降雨。数据总量为142194行，24列。 目标：1. 基于澳大利亚气象数据集探索数据特征信息；2. 基于澳大利亚气象数据集处理数据特征内容；3. 观察特征中具体的值，可视化分析对预测问题的影响；4. 拆分数据集建模与模型评估；

考虑了降雨强度小于以及大于入渗容量的情况，含水率变化，及其边坡强度折减

人工智人-家居设计-基于GIS的降雨情况下高边坡稳定性智能区域评估研究.pdf

人工智能-基于BP神经网络的温州市地质灾害主控因素台风降雨空间分布及动态预测.pdf

澳洲雨 通过在目标变量RainTomorrow上训练分类模型来预测第二天的降雨。

使用确定性优化的SMAR降雨径流模型（Matlab）土壤水分核算和路由模型“ SMAR”

地表土壤水分和降水具有高度相关性，是2个密切相关的地-气相互作用参量。采用同时反演获取的土壤水分和大气降水数据来研究土壤水分的变化情况，定量理解降水和土壤水分之间的物理联系，进而可以获得对反演算法改进有用的信息。采用被动微波辐射计AMSR-E反演获得的全球地表土壤水分和降雨率数据作为研究对象，一共收集了2005年10月1日至2006年10月31日之间共395d的AMSR-E全球日土壤水分产品和升、降轨道瞬时降雨率数据。把降雨率轨道产品经过等积割圆柱投影并重采样到同日土壤水分产品相当的25km分辨率EASE

将灰色模型和马尔可夫链模型相结合,构建了灰色马尔可夫链预测模型,并根据北 京市12年的降雨量资料序列预测之后2年的降雨量范围。证明了利用灰色马尔可夫链对降雨 量进行预测是一种行之有效的方法。

基于有效降雨强度的滑坡灾害危险性预警

滑坡是由岩石、土体或碎屑堆积物构成的山坡体在重力的作用下，受到地 表水和地下水或地震等的影响，沿软弱面(滑动面)发生整体向下滑落的过程。 滑坡灾害可毁灭村镇、破坏交通，造成财产损失和人员伤亡，滑坡引发的次生 灾害还会阻塞河道、引发洪水，甚至诱发形成泥石流灾害，造成更严重损失。 我国山地环境广泛，尤其在西南地区，山地是主要的地貌形态，地质环境条件 和水文气候条件复杂多变，是我国滑坡灾害最严重的地区，频繁发生的滑坡使 得人们的生命和财产安全受到了极大的威胁。 滑坡易发性区划是通过分析影响滑坡的内在因素和外在因素，评价潜在滑 坡灾害的地理空间分布，为城市建设规划和滑坡灾害防治提供决策支持。我国 的大部分滑坡是由降雨直接诱发或与降雨有关，降雨诱发滑坡的预报预警能够 使有关部门及早制定防治措施，减少滑坡灾害的损失。 本文以典型的西部山区县域一一重庆市奉节县为研究区域，开展基于机器 学习的滑坡易发性区划与降雨诱发滑坡预报预警研究，具体研究内容和研究成 果如下: (1)采集并处理了研究区2001~2016年发生的1520个滑坡数据以及地质 构造、地形地貌、降雨、人类活动等数据，分析了研究区滑坡灾害的