期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于随机森林理论的采场稳定性预测研究 被引量：10
1
作者 王杰 罗周全 +1 位作者 秦亚光 赵爽 《中国安全科学学报》 CAS CSCD 北大核心 2018年第3期155-160,共6页
为预防采场安全事故,选取地下采场地质构造、埋深、围岩强度等10个因素作为采场稳定性预测指标,从收集到的实际采场稳定性数据中选取25组作为训练样本,建立采场稳定性预测的随机森林（RF）模型,通过8组测试数据预测采场稳定性;将该模型... 为预防采场安全事故,选取地下采场地质构造、埋深、围岩强度等10个因素作为采场稳定性预测指标,从收集到的实际采场稳定性数据中选取25组作为训练样本,建立采场稳定性预测的随机森林（RF）模型,通过8组测试数据预测采场稳定性;将该模型预测结果与支持向量机（SVM）模型及人工神经网络（ANN）模型的预测结果进行对比。研究表明：采用RF模型采场稳定性等级预测准确率最高,而使用SVM模型次之,ANN模型的准确率较差;用RF模型能够相对有效地判定采场稳定性。 展开更多
关键词 随机森林(rf)模型 采场稳定性 支持向量机(SVM) 预测准确率 人工神经网络(ANN)
下载PDF
基于集成学习的地质灾害危险性评价 被引量：9
2
作者 崔阳阳 邓念东 +2 位作者 曹晓凡 丁一 邢聪聪 《水力发电》 北大核心 2020年第10期36-41,共6页
以府谷县为研究区,提取地形地貌类、地质类、水文类、人类工程活动等15种评价因子作为地质灾害的影响因素,分别采用Bagging、Boosting及随机森林(RF)3种集成学习算法对研究区地质灾害危险性进行评价。评价结果表明,Bagging、Boosting以... 以府谷县为研究区,提取地形地貌类、地质类、水文类、人类工程活动等15种评价因子作为地质灾害的影响因素,分别采用Bagging、Boosting及随机森林(RF)3种集成学习算法对研究区地质灾害危险性进行评价。评价结果表明,Bagging、Boosting以及RF 3种模型的预测正确率分别为76.36%、74.54%和77.28%,预测精度均较高。采用ROC曲线对各模型的性能进行对比与检验表明,Bagging、Boosting及RF模型的AUC值分别为0.792、0.799、0.815,RF模型的性能表现更为优越。该结论为研究区地质灾害危险性评价模型的确定以及后期区内地质灾害防治工程设计提供参考。 展开更多
关键词 地质灾害 危险性评价 集成学习 Boosting模型 Bagging模型 随机森林模型
下载PDF
基于NPP/VIIRS夜间灯光图像的GDP智能预测模型研究 被引量：6
3
作者 王森 蔡小莉 +1 位作者 鲍云飞 詹邦成 《科学技术与工程》 北大核心 2022年第8期3191-3201,共11页
针对现今传统统计方法难以准确及时的揭示经济参量时空信息且估算国内生产总值(gross domestic product,GDP)精度不足的问题,利用国家极轨卫星携带的可见光和近红外成像辐射计(national polar-orbiting partnership/visible infrared im... 针对现今传统统计方法难以准确及时的揭示经济参量时空信息且估算国内生产总值(gross domestic product,GDP)精度不足的问题,利用国家极轨卫星携带的可见光和近红外成像辐射计(national polar-orbiting partnership/visible infrared imaging radiometer,NPP/VIIRS)获取的2012—2018年夜间灯光影像为数据源,对数据产生的误差进行处理得到了可以用来定量分析的长时间序列数据;首先采用随机森林算法对数据集进行预测研究,在此基础上提出一种基于袋外数据估计的回归误差,采用改进的网格搜索算法对随机森林模型进行参数调优。同时也使用贝叶斯优化对随机森林(random forest,RF)模型进行参数调优。运用嵌套5F-CV,并通过外部5F-CV循环估算模型的泛化能力,内部5F-CV循环用于确定最佳参数找出最优参数模型,建立自动预测系统,根据输入的研究区数据,使算法模型自动进行精准预测。结果表明:基于贝叶斯优化改进的随机森林算法在预测GDP时最好,预测精度达到97%,具有较高的准确率和鲁棒性。研究结果展示了机器学习算法和夜间光照指数用于在县级尺度上预测GDP表现出显著的能力。 展开更多
关键词 夜光遥感 国内生产总值(GDP)预测 时间序列分析 随机森林(rf)模型 贝叶斯优化
下载PDF
考虑不确定性斜拉桥参数的重要性与易损性分析
4
作者 何程瑞伟 何沛祥 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第8期1134-1140,共7页
许多结构参数对桥梁数值模型的计算结果产生影响,结构的恒载、阻尼以及相关材料特性等参数涉及的不确定性被称为建模不确定性。研究表明建模不确定性的存在使得结构易损性曲线的偏差程度达到70%,因此在地震易损性分析中考虑不确定性很... 许多结构参数对桥梁数值模型的计算结果产生影响,结构的恒载、阻尼以及相关材料特性等参数涉及的不确定性被称为建模不确定性。研究表明建模不确定性的存在使得结构易损性曲线的偏差程度达到70%,因此在地震易损性分析中考虑不确定性很有必要。文章采用一种基于随机森林(random forest,RF)模型的概率地震需求模型(probabilistic seismic demand model,PSDM)易损性计算方法,分析桥梁构件的材料特性、荷载条件和构件几何特性等不确定因素对桥梁易损性的影响,并从中筛选出重要的不确定性参数。借助随机森林模型的学习与预测功能对结构易损性曲线进行预测。 展开更多
关键词 独塔斜拉桥 建模不确定性 随机森林(rf)模型 概率地震需求模型(PSDM) 易损性曲线
下载PDF
基于物种分布模型分析环境因子对海州湾偶见种资源分布的影响 被引量：1
5
作者 张涛 赵天亚 +2 位作者 栾静 张云雷 张崇良 《海洋学报》 CAS CSCD 北大核心 2023年第7期69-78,共10页
偶见种易受环境变化和人类活动等外界威胁,在生物多样性保护中具有重要参考价值,但由于其数据量较少、分析困难,目前对分布特征的研究较少,其分布与环境因子的关系尚待探究。本研究基于2013–2019年海州湾渔业资源调查数据,分析了凤鲚(C... 偶见种易受环境变化和人类活动等外界威胁,在生物多样性保护中具有重要参考价值,但由于其数据量较少、分析困难,目前对分布特征的研究较少,其分布与环境因子的关系尚待探究。本研究基于2013–2019年海州湾渔业资源调查数据,分析了凤鲚(Coilia mystus)、红狼牙虾虎鱼(Odontamblyopus rubicundus)和虻鲉(Erisphex pottii)3种海州湾偶见种资源分布与环境因子的关系,并比较了广义可加模型(GAM)和随机森林(RF)模型对其资源分布的拟合效果,采用交叉验证的方法对模型的预测性能进行了评价。结果显示,水深是影响春、秋季凤鲚和红狼牙虾虎鱼资源分布的最显著因子,而底层水温仅在秋季是影响虻鲉资源分布的最重要环境因子。凤鲚分布模型的方差解释率最高,其次为红狼牙虾虎鱼,虻鲉模型方差解释率最低。凤鲚、红狼牙虾虎鱼和虻鲉分布模型在春季方差解释率均低于秋季。交叉验证表明,3个物种预测结果的曲线下面积(AUC)值在0.70~0.85之间,仅秋季凤鲚的AUC值达到0.9;同时GAM预测结果的AUC值均大于RF模型,表明对于偶见种而言,GAM的预测性能优于RF模型。本研究为今后开展偶见种研究的模型选择提供了参考,对偶见种资源保护具有指导意义。 展开更多
关键词 海州湾 偶见种 广义可加模型(GAM) 随机森林(rf)模型 交叉验证
下载PDF
基于PROSAIL模型和多角度遥感数据的森林叶面积指数反演 被引量：5
6
作者 潘颖 丁鸣鸣 +3 位作者 林杰 代侨 郭赓 崔琳琳 《林业科学》 EI CAS CSCD 北大核心 2021年第4期90-106,共17页
【目的】基于多角度PROBA/CHRIS遥感数据和野外实测数据,结合PROSAIL模型和随机森林模型反演森林叶面积指数(LAI),以提高植被LAI遥感反演精度,为区域土壤侵蚀遥感定量监测提供新的方法和模型。【方法】以南京市紫金山和幕府山为研究区,... 【目的】基于多角度PROBA/CHRIS遥感数据和野外实测数据,结合PROSAIL模型和随机森林模型反演森林叶面积指数(LAI),以提高植被LAI遥感反演精度,为区域土壤侵蚀遥感定量监测提供新的方法和模型。【方法】以南京市紫金山和幕府山为研究区,采用野外调查、遥感影像、辐射传输模型与数学模型相结合的方法,构建基于PROSAIL模型和多角度PROBA/CHRIS遥感数据的随机森林LAI反演模型,对PROSAIL模型进行敏感性分析和适用性评价,确定最佳LAI反演模型,并利用地面实测LAI进行精度验证和评价。【结果】PROSAIL模型中各输入参数敏感性大小为LAI>叶绿素a、b含量Cab>叶片干物质含量Cm>热点参数SL>叶片内部结构参数N>等效水厚度Cw;模拟的冠层反射率精度大小为0°>36°>-36°>55°>-55°。单角度LAI反演模型中,前向观测角55°精度最高,其决定系数(R2)、均方根误差(RMSE)和平均绝对百分误差(MAPE)分别为0.9157、0.2357和0.0426;相比于传统垂直观测,55°模型的R2提高0.75%,RMSE和MAPE分别降低3.76%和5.12%;相比于非线性回归模型,单角度随机森林LAI反演模型的R2提高0.7%,RMSE和MAPE分别降低15.40%和11.98%;单角度LAI反演模型精度由高到低依次为55°、36°、0°、-55°、-36°。多角度LAI反演模型中,3角度组合(0°、36°、55°)LAI反演精度最高,其R2、RMSE和MAPE分别为0.9184、0.2319和0.0415,相比于单角度55°,R2提高0.29%,RMSE和MAPE分别降低1.61%和2.58%;相比于传统垂直观测,3角度组合模型的R2提高1.05%,RMSE和MAPE分别降低5.31%和7.57%;相比于非线性回归模型,多角度随机森林LAI反演模型的R2提高0.79%,RMSE和MAPE分别降低6.72%和9.19%。紫金山西部区域LAI介于0.44~6.70之间,林地LAI均值为3.04;紫金山西部林地LAI整体上呈北部和南部高、中间低的空间分布格局。【结论】最佳LAI反演模型为基于3角度组合(0°、36°、55°)的随机森林LAI反演模型;一方面,增� 展开更多
关键词 叶面积指数 多角度PROBA/CHRIS遥感数据 PROSAIL模型 随机森林模型
下载PDF
基于BTS数据集的航班延误分类和预测算法
7
作者 郭海州 杨晶晶 +2 位作者 吴季达 张彬 黄铭 《科学技术与工程》 北大核心 2023年第12期5304-5311,共8页
针对神经网络分类模型对美国联邦运输统计局(Bureau of Transportation Statistics,BTS)航班数据集中的不均衡数据预测误差较大的问题,采用自适应合成采样算法(adaptive synthetic sampling approach,ADASYN)和合成少数类过采样算法(syn... 针对神经网络分类模型对美国联邦运输统计局(Bureau of Transportation Statistics,BTS)航班数据集中的不均衡数据预测误差较大的问题,采用自适应合成采样算法(adaptive synthetic sampling approach,ADASYN)和合成少数类过采样算法(synthetic minority over-sampling technique,SMOTE)对航班延误类别进行平衡处理,并用随机森林(random forest,RF)模型进行训练和贝叶斯调参。结果表明:与不经过平衡采样的方法比较,该方法在权重平均下的精确率、召回率和F 1评分分别提高了19%、8%和16%;分类预测准确率提升8.03%,模型拟合指数AUC(area under curve)提升5.4%。同时,采用多特征相融合的图神经网络模型Graph WaveNet对航班平均延误时间进行预测。实验结果表明:与单特征模型比较,该模型平均绝对误差和均方根误差分别降低了16%和12.45%。这些方法和结果对研究航班延误分类和预测算法研究具有参考价值。 展开更多
关键词 不平衡分类数据 平衡采样算法 随机森林(rf)模型 图神经网络 特征融合
下载PDF
GEM模型、RF模型和M5T模型的无人机DEM测点插值算法比较 被引量：1
8
作者 孙国强 潘学鹏 张祥燊 《北京测绘》 2020年第3期361-364,共4页
无人机技术作为现如今测量的先进技术,已被逐渐广泛应用,由于DEM数据在实测过程中只能形成点数据,因此对点数据的插值计算一直是测绘专业研究的热点。为找出适用于无人机DEM测点插值计算的最优模型,本文基于GEM模型、RF模型和M5T模型,... 无人机技术作为现如今测量的先进技术,已被逐渐广泛应用,由于DEM数据在实测过程中只能形成点数据,因此对点数据的插值计算一直是测绘专业研究的热点。为找出适用于无人机DEM测点插值计算的最优模型,本文基于GEM模型、RF模型和M5T模型,以降雨、经纬度和海拔为输入参数,对不同模型下的DEM进行了插值计算,结果表明:GEM模型表现的精度最高,该模型RMSE仅为11.72 m,RRMSE为12.7%,R2为0.964,Ens为0.946,MAE为11.28 m,该模型可作为无人机DEM测点插值计算的标准模型使用。 展开更多
关键词 无人机 DEM插值 GEM模型 rf模型 M5T模型
下载PDF
北大西洋大型常见冷水柳珊瑚潜在分布建模 被引量：1
9
作者 佟瑞菊 袁玉珠 《福建工程学院学报》 CAS 2017年第4期393-398,共6页
Paragorgia arborea及Primnoa resedaeformis是北大西洋最常见的两类大型冷水柳珊瑚,该两种柳珊瑚显著增加了底栖环境的生境复杂度。其分布信息对资源管理及保护极其重要,但难以获取。本文基于随机森林模型及最大熵模型预测其在北大西洋... Paragorgia arborea及Primnoa resedaeformis是北大西洋最常见的两类大型冷水柳珊瑚,该两种柳珊瑚显著增加了底栖环境的生境复杂度。其分布信息对资源管理及保护极其重要,但难以获取。本文基于随机森林模型及最大熵模型预测其在北大西洋Traena区域的潜在分布。预测精度评价表明随机森林模型较最大熵模型具有更好的预测性能。平均曲率(90 m尺度)是随机森林模型预测两种柳珊瑚分布的主导因子,表明其与两种柳珊瑚的分布具有较强生态相关性。预测结果显示两种柳珊瑚趋向于分布在珊瑚礁体上。本预测成果可为该区域冷水珊瑚保护提供决策辅助信息。模型对比研究可为大型底栖动物分布建模的模型选择提供依据。 展开更多
关键词 冷水柳珊瑚 潜在分布建模 随机森林模型 最大熵模型
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部