基于Ant-Miner的洪灾风险区划模型及应用
Flood Risk Zoning Model Based on Ant-Miner and Its Application

应用蚁群优化算法（Ant Colony Optimization, ACO）进行规则挖掘是一个新的研究热点。为解决指标变量与风险级别间非线性关系，提出一种基于蚁群规则挖掘算法（AntMiner）的洪灾风险区划模型。在GIS技术支持下，将该模型应用于北江流域洪灾风险区划实例中，结果表明：① Ant-Miner模型可挖掘15条适合研究区的洪灾风险分类规则，这些规则以简单的条件语句形式表现，便于生成风险区划图；② Ant-Miner模型测试精度（95.1%）高于相同条件下BP神经网络模型的精度（92.9%），表明其分类性能更好，对洪灾风险区划具有更好的适用性；③ 研究区高风险区主要集中于降雨量较大、地势平缓低洼、人口财产密集的地区，与历史洪灾风险情况较吻合，表明所构建的模型科学合理，可为流域洪灾风险评价提供了新思路