在集水区范围内评估洪流的易发性是确定区域危险性和风险性图等级的必要 步骤。在哥伦比亚安第斯(Andean)地区,洪流现象很普遍,破坏性很大,但很少 有人就此类问题进行研究。考虑到未来由于极端天气事件和低风险地区的城市化, 洪流的影响可能会增加,有效的土地管理计划应包括对此类事件易发性的评估。在 这项研究中,机器学习技法应用于哥伦比亚安第斯(Andean)山脉北部山区集水区 的形态参数,以分析热带环境中的暴雨易发性。采用统计学方法对形态参数与暴雨 易发性之间的关系进行了研究。选择与暴雨集水区关系最密切的参数作为机器学习 技术的应用对象,并对其性能和预测能力进行评价。对有关集水区排水网络、流域 几何形状、排水结构和地貌特征的形态参数进行了分析。根据研究结果,与地形和 排水结构相关的集水区特征是研究暴雨易发性的最重要因素。在这些预测参数组中, 泄压比和航道维持常数是排名最高的变量。虽然梅尔顿指数(Melton index)显示出 良好的预测能力,但文献中提出的阈值在哥伦比亚安第斯(Andean)山脉是无效的。