基于集成学习与贝叶斯优化的岩石抗压强度预测

岩石抗压强度是评估岩体工程稳定性的重要力学参数,传统统计回归方法对于岩石抗压强度预测存在一定的局限性.为此,提出了一种利用简单岩石力学参数实现岩石抗压强度智能预测的方法,首先收集了620组含不同类型岩石的三轴试验数据,然后分别采用随机森林(Random Forest,RF)、极限梯度提升树(XGBoost,XGB)和轻量梯度提升机(LightGBM,LGB)3种主流的集成学习算法建立了岩石抗压强度预测模型,使用贝叶斯优化算法在模型训练过程中进行超参数优化,最后利用决定系数(R²)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)对优化后模型的泛化能力进行了综合评估和对比分析.此外,利用LGB模型对输入特征进行重要性分析,以评估不同输入特征对模型泛化性能的影响重要程度.研究结果表明：所建立的3种模型对岩石抗压强度均取得了较好的预测结果,其中LGB模型泛化性能优于另外两种模型(R²=0.978,RMSE=5.58,MAPE=9.70%),且运行耗时相对最少.弹性模量(E)、围压(σ₃)和密度(ρ)对模型的泛化性能影响较...     

基于随机森林回归分析的岩体结构面粗糙度研究

岩体结构面粗糙度系数是快速估算结构面峰值抗剪强度的重要参数。但是结构面轮廓曲线复杂,单一统计参数无法量化表征粗糙度。为解决这一问题,收集了112条结构面轮廓曲线起伏角、起伏度、迹线长度3方面的8项统计参数,利用随机森林回归模型交叉验证的方法评估统计参数的重要性。结果表明：最大起伏度、起伏高度标准偏差、平均起伏角、起伏角标准差、平均相对起伏度及粗糙度剖面指数等6项统计参数重要性占比达到93.2%,且回归拟合系数趋于平稳,基于重要性评估结果建立最优超参数决策树数目(n_tree)为400、参与节点分割的数目(m_try)为2的随机森林回归模型,模型预测结果拟合优度高达98.1%。与基于坡度均方根、结构函数及粗糙度剖面指数等传统线性回归结果对比,随机森林回归模型结果精度更高,误差更小,拟合优度提高6%以上,表明随机森林回归模型更适用于结构面粗糙度反演。     

3S技术在森林病虫害监测预警中的应用与展望

概述了我国森林病虫害的危害现状,阐明了3S技术在森林病虫害监测预警中的重要性,总结了近年来国内外运用"3S"技术在森林病虫害监测预警中的应用现状,并指出森林病虫害"3S"监测预警存在的问题及未来的发展趋势。     

旋转森林模型在滑坡易发性评价中的应用研究

以三峡库区万州段为研究区,从多源空间数据中提取29个致灾因子作为区域滑坡易发性分析的评价指标,在数字高程模型基础上采用集水区重叠法划分斜坡单元,构建旋转森林集成学习模型,定量预测滑坡空间易发性,并生成滑坡易发性分区图。在易发性分区图中,高易发区占11.6%,主要分布在万州主城区和长江及支流两岸;不易发区占45.6%,主要分布在人类工程活动低、植被覆盖度高的区域。采用受访者工作特征曲线和曲线下面积对旋转森林模型的滑坡易发性进行评价,结果显示该模型的预测精度为90.7%,其预测能力优于C4.5决策树。研究表明,应用旋转森林进行滑坡易发性评价具有预测能力强、精度高等优点。     

基于多源数据的土壤越野通行性评估

针对现有土壤通行性评估方法的不足,基于多源环境数据,以圆锥指数为指标对土壤通行性进行定量分析。高精度的USCS(Unified Soil Classification System)类型土壤数据和降雨数据是定量分析土壤通行性的基础。首先采用随机森林方法将已有的土壤数据转换成USCS类型;然后将气象站降雨数据和卫星降雨进行融合,构建高精度的降雨数据;最后利用圆锥指数模型计算土壤的圆锥指数,通过比较车辆圆锥指数和土壤圆锥指数的大小对土壤的通行性能进行评价。对比现有的方法,该方法精度更高,适应性更强。     

地球化学异常识别的两种机器学习算法之比较

在Sklearn的Python语言代码基础上,开发了基于孤独森林和一类支持向量机的多元地球化学异常识别方法程序。选择吉林省和龙地区为实验区,从1∶5万水系沉积物资料中提取地球化学异常。把实验区已知矿点的空间分布位置作为"地真"数据,绘制两种机器学习算法的ROC曲线并计算AUC值,用来对比两种方法的多元地球化学异常识别效果。研究结果表明:两种机器学习算法都能够有效识别多元地球化学异常,所提取的多元地球化学异常与已知矿点具有显著的空间关联性;孤独森林算法在数据处理耗时和多元地球化学异常识别效果方面略优于一类支持向量机。     

测绘地理信息智能化监测在森林防灭火工作中的应用

针对目前森林防灭火事前、事中和事后的监测需求,本文综合利用测绘地理信息技术,构建了测绘地理信息服务森林防灭火的综合性智能化监测技术体系。通过获取多源地理信息数据,构建森林防灭火数据库,面向日常防灭火能力评估、灾前常态化监测、灾中动态监测、灾后评估及灾后长期植被恢复监测,提供了一系列的智能化监测服务。通过在小珠山森林火灾中的实践检验了该体系的实用性,结果显示该监测体系可以为森林防灭火工作提供可靠、精准的智能化地理信息解决方案。     

面向对象的覆膜农田信息遥感表征方法

为解决复杂土地利用背景下覆膜农田信息遥感提取方法缺乏的问题,该文以河套灌区为研究区,以Sentinel-2A卫星数据为基础,结合面向对象影像分析和随机森林算法,开展了复杂土地利用背景下灌水与无灌水覆膜农田信息遥感同步提取研究。首先进行遥感影像尺度分割研究,优选出最佳分割尺度。在此基础上,提取光谱特征、纹理特征、几何特征,获取优化特征子集,并采用随机森林机器学习算法表征覆膜农田信息。研究表明,结合利用Sentinel-2A数据与OBIA方法能够有效表征覆膜农田信息,总体精度达93.03%,Kappa系数为0.91;其中,灌水覆膜农田用户精度为91.35%,制图精度为88.57%;无灌水覆膜农田用户精度为97.10%,制图精度为98.63%。研究证明了Sentinel-2A卫星数据和OBIA方法和机器学习算法在覆膜农田信息遥感表征中的应用潜力,能够为地物信息遥感表征研究中提供参考依据。     

多视立体网格的城市建筑物三维建模

针对城市建筑通常是由平面屋顶和垂直墙体连接而成的分段平面对象,该文提出了一个大规模城市建筑物的有效建模框架,在该框架中有两个主要步骤:分类和建模.首先采用基于征集的随机森林分类方法将大范围场景进行分割,然后采用假设和选择的建模策略对多种建筑物进行三维建模.该算法以多视点立体视觉系统生成的曲面网格为输入,输出具有不同细节层次的简化三维模型.实验表明,该方法能对多种外观的建筑物进行不同细节层次的建模,模型外观简洁规整,并能在一定程度上弥补原始数据中的噪声和遮挡问题.     

京津冀大气能见度特征分析及影响因素研究

为研究京津冀能见度状况和分析影响能见度的特征贡献模式,基于2019年京津冀气象站点和空气质量监测站点数据研究能见度时序变化特征,运用随机森林算法建立能见度估算模型分析影响因子整体解释度,并基于SHAP框架结合随机森林模型构建能见度影响因子可解释模型,对特征因子贡献大小、方向以及单变量贡献情况进行了详细解释和分析:①能见度状况在早晚高峰时较差,每 日15时左右最好,工作日和非工作 日无明显差别,从季节上看冬季能见度最差;②随机森林模型拟合系数解释方差为0.897 3,R2为0.897 8,拟合结果良好;③根据SHAP可解释模型分析结果可得,PM2.5是影响能见度的最重要因子,呈负向相关,且贡献度变化率以浓度100 μ/m3为转折点由急促转向平缓.实验证明,基于SHAP框架的能见度解释模型不仅能反映贡献度的大小以及影响效应的方向,而且可以对单个变量的贡献进行详细分析,提高了特征贡献分析的精细度和准确性.