基于多目标决策模型的如东近岸浅滩适宜围填规模研究

适宜的围填海规模能够最大限度的协调岸滩围填和海洋资源环境保护的关系。以江苏辐射沙脊海域如东近岸浅滩围填海为例,运用多目标决策理论与方法,综合考虑围填海对动力泥沙环境、海洋生态环境、资源综合开发和社会经济影响,建立围填海适宜规模评价指标体系,构建适宜围填规模评价决策模型。并对该岸段不同的围填规模方案进行计算,据此推荐围堤前沿线位于+5 m的围填海方案是该岸段的适宜围填规模。对围填海适宜规模的研究手段和方法进行了探索和尝试。提出的研究方法及推荐的如东岸段近岸浅滩适宜围填规模可为江苏滩涂资源的开发提供参考。     

面向对象分类的特征空间优化

为提高图像处理效率, 探讨了面向对象分类的特征空间优化方法。以区域增长算法获得的对象为处理单元, 根据植被在IKONOS影像上的表征, 初步选择了6个形状、2个位置、17个光谱和6个纹理特征, 共计31个作为初始特征空间。首先根据每组中特征所代表的信息量和特征之间的相关性, 去掉与其他特征相关性强而方差较小的特征, 将特征空间维降到23;以识别城区植被为目标, 根据220个植被样本计算2—23维特征空间的类间J-M距离, 以最小J-M和平均J-M距离为依据选择最优特征空间, 将特征空间维降到14;最后利用     

城市应急联动系统设计与实现

城市应急联动系统是城市应急体系建设的重要基础。以青岛应急联动系统为例,论述了目前城市应急联动系统中主要业务模式及流程,分析了青岛市应急联动系统的模块架构,阐述了地理信息系统中的空间分析功能与决策支持功能在城市应急联动系统设计开发中的应用。     

C4.5算法与粗糙集在数据挖掘中的研究

分类在数据挖掘中是一项非常重要的任务,而决策树方法和粗糙集方法则是分类的主要方法.在详细介绍决策树方法的经典算法C4.5算法和粗糙集方法的基础上,针对C4.5算法的不足,引人粗糙集方法,提出新算法IC4.5来弥补C4.5算法的缺陷.并设计出一个基于C4.5算法和粗糙集算法的分类器,最后通过实验来证明基于IC4.5算法的分类器在抗噪声方面要优于C4.5算法.     

Hydro-acoustic remote sensing of benthic biological communities on the shallow South East Australian continental shelf

Information regarding the composition and extent of benthic habitats on the South East Australian continental shelf is limited. In this habitat mapping study, multibeam echosounder (MBES) data are integrated with precisely geo-referenced video ground-truth data to quantify benthic biotic communities at Cape Nelson, Victoria, Australia. Using an automated decision tree classification approach, 5 representative biotic groups defined from video analysis were related to hydro-acoustically derived variables in the Cape Nelson survey area. Using a combination of multibeam bathymetry, backscatter and derivative products produced highest overall accuracy (87%) and kappa statistic (0.83). This study demonstrates that decision tree classifiers are capable of integrating variable data types for mapping distributions of benthic biological assemblages, which are important in maintaining biodiversity and other system services in the marine environment.     

基于WebGIS的生态农业监测与决策支持系统设计——以云南省红河州烟草种植业为例

烟草种植业是唯一在我国第一产业中实现了类似于工业生产中的完全受控管理的行业,在生产管理中大量运用了工业企业的科学管理模式,因此该行业在第一产业中最有可能利用现代信息技术支持和实现数字化管理,本文以云南省红河州烟草种植生态农业示范区为例,设计并实现一个基于WebGIS的农业生态监测与决策支持系统,促进了红河州烟草种植行业的信息化,并为烟草行业发展循环经济,实现可持续发展提供强有力的技术支撑。     

小范围群井与单井抽水试验推求水文地质参数的比较分析

小范围岩溶区水文地质参数的推求是一项困难的工作.过去常常定性选取抽水孔与观测孔,利用单井抽水试验资料进行推求,这样往往造成推求误差过大.该文通过建立多层次多目标系统模糊决策模型,分别定量的优选了干扰井群抽水试验的最佳观测孔和单井抽水试验的最佳抽水试验单井;并运用了井群概化的方法,采用干扰井群抽水试验资料推求小范围水文地质参数,并且与单井抽水 试验资料推求的参数进行了比较分析,经分析应用方法取得了较好的效果.     

两种机器学习方法在重庆夏季旱涝预测中的应用北大核心

利用1961—2010年重庆34个气象观测站夏季降水资料及国家气候中心130项环流指数,采用机器学习的决策树和随机森林方法建立重庆夏季旱涝预测模型,通过2011—2018年预测效果检验发现,夏季同期环流指数决策树模型和前冬海温指数决策树模型预测的8 a降水异常趋势均正确,比考虑单一指数的PC评分分别提高37.5%和12.5%。此外,用随机森林模型预测重庆2014—2018年的夏季降水,5 a平均PS、CC和PC评分分别是84.6、0.27和67.1,相比于业务发布预报质量均有明显提高,且随机森林的预测质量较为稳定。     

基于决策树算法的海州湾地区海雾预测北大核心

基于连云港西连岛站点2014—2018年逐小时气象观测资料,经过对海雾事件及气象要素特征的统计分析探寻海州湾海雾发生发展的基本规律,并基于机器学习中的经典的C4.5算法对海雾天气建立气象要素预测模型。结果表明:基于C4.5算法的决策树预测模型能够较为直观准确的对海州湾海雾进行预测,并且该决策树模型具有较高的泛化能力。利用2014—2017年的样本数据进行学习,模型的学习准确率为92.85%,利用2018年的样本数据对模型的泛化能力进行测试,测试准确率为93.51%。决策树算法在海雾预测中具有方便简洁、科学实用,准确率高等特点。     

基于决策树算法的江苏省不同区域 短时强降水预报研究

采用2000—2019年13个地级市气象站地面观测站点观测资料以及ERA5再分析资料,基于机器学习中的经典的C4.5算法对江苏省不同区域是否出现短时强降水建立气象要素预报模型。结果表明:基于C4.5算法的决策树预测模型能够较为直观准确的对江苏省不同区域是否发生短时强降水进行预测,并且该决策树模型具有较高的泛化能力。决策树模型利用各区域总样本的前15 a数据样本进行自学习,学习准确率在淮北地区为89.70%,在江淮之间地区为87.89%,在长江以南地区为87.88%,利用各区域剩余5 a样本对该决策树模型的泛化能力进行测试,测试准确率在淮北地区为85.73%,在江淮之间地区为83.39%,在长江以南地区为93.92%。