郑州市新、老城区暴雨内涝灾害风险指标重要性分析

张金萍; 陈蔚; 方宏远; 张浩锐

doi:10.20040/j.cnki.1000-7709.2023.20221217

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

郑州市新、老城区暴雨内涝灾害风险指标重要性分析

更新时间：2026-02-25

- 郑州市新、老城区暴雨内涝灾害风险指标重要性分析
- Issue 6, Pages: 59-63(2023)
- 作者机构：
  
  1. 郑州大学水利与土木工程学院
  2. 郑州大学黄河生态保护与区域协调发展研究院
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2023.20221217
  CLC： TU998.4
- Published：2023
- 稿件说明：
移动端阅览
张金萍, 陈蔚, 方宏远, et al. 郑州市新、老城区暴雨内涝灾害风险指标重要性分析[J]. 2023, (6): 59-63.
DOI：

张金萍, 陈蔚, 方宏远, et al. 郑州市新、老城区暴雨内涝灾害风险指标重要性分析[J]. 2023, (6): 59-63. DOI： 10.20040/j.cnki.1000-7709.2023.20221217.

摘要

为探究影响城市暴雨内涝灾害风险的评价指标及各指标的重要性，以郑州市高新区和金水区作为新、老城区的代表，建立了涵盖自然要素和社会要素的风险指标评价体系，并利用随机森林模型分别确定了各评价指标对新、老城区暴雨内涝灾害影响的重要程度。结果表明，对于新、老城区来说，孕灾环境敏感性均是最重要的一级指标，其中，不透水率、管道密度分别是地表、地下孕灾环境最重要的三级指标；致灾因子危险性对于金水区和高新区的重要性最低，且雨量的重要性远大于雨型；新、老城区的差异主要体现在承灾体稳定性，其对于金水区、高新区的重要性分别为0.23、0.09。结果可为郑州市暴雨内涝灾害的防治提供一定参考。

Abstract

关键词

Keywords

references

荆州市洪涝灾害影响因子探究及风险评估——基于随机森林和XGBoost算法[J]. 林奕晨;周鹏;潘悦;刘兰君;王润泽.中国农村水利水电,2022(06)

基于随机森林建模预测河套盆地高砷地下水风险分布[J]. 付宇;曹文庚;张娟娟.岩矿测试,2021(06)

基于SWMM和SCS法的城市内涝模拟及雨水管网系统评估[J]. 张金萍;张浩锐;方宏远.南水北调与水利科技(中英文),2022(01)

基于随机森林的中长期降水量预测模型研究[J]. 甄亿位;郝敏;陆宝宏;左建;刘欢.水电能源科学,2015(06)

关于城市暴雨强度公式推求的研究[J]. 许拯民;荆燕燕.水文,2014(03)

Driving Factors and Risk Assessment of Rainstorm Waterlogging in Urban Agglomeration Areas: A Case Study of the Guangdong-Hong Kong-Macao Greater Bay Area, China[J]. Liu Fan;Liu Xiaoding;Xu Tao;Yang Guang;Zhao Yaolong.Water,2021

Application of Principal Component Analysis and Cluster Analysis in Regional Flood Frequency Analysis: A Case Study in New South Wales, Australia[J]. Ayesha S Rahman;Ataur Rahman.Water,2020

南京市主城区暴雨内涝灾害风险评估[D]. 刘娜.南京信息工程大学,2013(02)

Views

242

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于RF和Self-attention改进LSTM的大坝变形预测方法及异常值判定

基于可解释机器学习的岩溶介质渗透系数估算模型

基于不同因子筛选指标的丹江口入库月径流预报研究

基于RFECV-RF和PCA-LightGBM的水电机组劣化趋势评估

基于随机森林的地下水溶质运移替代模型研究

Related Author

牟猷

远近

王波

汤正阳

毛延翩

齐智勇

田振宇

都旭煌

Related Institution

湖北省智慧水电技术创新中心

国家能源局大坝安全监察中心

中国长江电力股份有限公司

成都理工大学地质灾害防治与地质环境保护国家重点实验室

成都理工大学地下水科学与工程系

AI问答

⁰