# 火后泥石流预测

该工作构建了野火后泥石流（PFDF）数据驱动预测的统一基准，用LLM将业务天气预报文本转为结构化气象指标并融合地形与土壤湿度特征，并提出基于强化学习的特征选择框架，通过扰动使正负样本预测不可区分来识别关键驱动因子；结果显示可学习模型一致优于固定系数的USGS逻辑回归基线，增强特征进一步提升多数模型表现，且风暴变量在全球层面占主导而特征重要性随区域显著变化。

该工作构建了野火后泥石流（PFDF）数据驱动预测的统一基准，用LLM将业务天气预报文本转为结构化气象指标并融合地形与土壤湿度特征，并提出基于强化学习的特征选择框架，通过扰动使正负样本预测不可区分来识别关键驱动因子；结果显示可学习模型一致优于固定系数的USGS逻辑回归基线，增强特征进一步提升多数模型表现，且风暴变量在全球层面占主导而特征重要性随区域显著变化。