面向可解释的数据驱动野火后泥石流预测基准评测
Towards Explainable Benchmarking for Data-driven Post-Wildfire Debris Flow Prediction
精选理由
提供统一基准与可解释特征筛选，助力公平预测并揭示泥石流成因
AI 摘要
arXiv:2610.07358v1 公告类型：new 摘要：野火后泥石流（PFDFs）是由强降雨冲击近期烧毁地形而触发的、破坏性极强且含有大量沉积物的灾害，会导致山坡失稳，并威胁基础设施、地方经济和社区安全。已有研究提出使用数据驱动方法，直接从历史PFDF观测数据中学习预测模式。然而，目前数据驱动PFDF预测的研究格局在特征空间、模型架构和评估协议方面高度碎片化，导致难以进行严格比较并提炼科学认识。此外，现有研究缺乏对异质因素（如气象条件、地形特征、土壤性质和烧毁严重程度）在触发PFDF中的相对重要性进行系统考察。为解决这些局限，我们提出了一个统一的数据驱动PFDF预测基准，使不同模型和特征配置能够接受公平且全面的评估。此外，为更好地理解PFDF形成的潜在驱动因素，我们提出了一个基于强化学习的特征选择框架，用于识别那些经过扰动后会使正事件与负事件变得无法区分的因素，从而发现不同区域PFDF发生的区域性潜在机制。我们的代码和基准已公开发布于https://github.com/KINDLab-Fly/PFDF-Benchmark。