近些年来随着国内地灾监测设备数量的增多,可获取到的地灾数据也越来越丰富,但里面掺杂了大量不可用的监测数据,对地灾预警的准确度影响很大。为了提升参与地灾预警流程数据的可靠程度和可用性,增加预警准确率,提出了基于分类回归树(cla...近些年来随着国内地灾监测设备数量的增多,可获取到的地灾数据也越来越丰富,但里面掺杂了大量不可用的监测数据,对地灾预警的准确度影响很大。为了提升参与地灾预警流程数据的可靠程度和可用性,增加预警准确率,提出了基于分类回归树(classification and regression tree, CART)的地灾数据可用性分类算法。首先使用筛选器在原始地灾数据中选择或构造出合适的划分特征,然后采用CART算法针对这些特征进行可用性分类,根据可用性得分结果判断该数据能否进入地灾预警流程,从而有效降低地灾预警过程中不可用数据的比重,增加地质灾害单次预警的可靠度,有效降低地灾预警模块的整体误报率。展开更多
文摘近些年来随着国内地灾监测设备数量的增多,可获取到的地灾数据也越来越丰富,但里面掺杂了大量不可用的监测数据,对地灾预警的准确度影响很大。为了提升参与地灾预警流程数据的可靠程度和可用性,增加预警准确率,提出了基于分类回归树(classification and regression tree, CART)的地灾数据可用性分类算法。首先使用筛选器在原始地灾数据中选择或构造出合适的划分特征,然后采用CART算法针对这些特征进行可用性分类,根据可用性得分结果判断该数据能否进入地灾预警流程,从而有效降低地灾预警过程中不可用数据的比重,增加地质灾害单次预警的可靠度,有效降低地灾预警模块的整体误报率。
