导读:本文包含了线性森林论文开题报告文献综述及选题提纲参考文献，主要关键词:森林火灾预测,机器学习,人工智能,线性回归算法
线性森林论文文献综述
杨锦茹[1]（2019）在《基于线性回归算法的森林火灾预测研究》一文中研究指出众所周知,森林火灾是一种突发性强、破坏性大、处置救助较为困难的自然灾害,近年来随着森林火灾的不断发生,森林面积逐渐减小,水土流失和泥石流等自然灾害的频繁发生,因此预防森林火灾事关森林资源和生态安全,事关人民群众生命财产安全。针对这个问题,本研究通过已收集到的森林火灾数据集构建线性回归机器学习模型,对森林火灾的发生及受灾面积进行分析预测。人工智能与机器学习的引入,可显着增加火灾预测的准确性和即时性。(本文来源于《通讯世界》期刊2019年04期）
刘友权,李坤,唐永帆,吴文刚,王道成[2]（2019）在《基于随机森林与多元线性回归的咪唑啉衍生物缓蚀剂的构效关系研究》一文中研究指出以15种不同十一烷基咪唑啉衍生物缓蚀剂为研究对象,采用随机森林与多元线性回归相结合考察了分子结构对其缓蚀效率(IE)的影响。首先,从能量、电荷、分子表面与信息量、立体构象与拓扑特征6个方面对15种咪唑啉类缓蚀剂进行了全面表征,共得到55个分子结构参数;然后运用随机森林(RF)与多元线性回归(MLR)分别对特征参数进行了优化,筛选出top10的8个重迭参数。从8个参数中随机挑选3个,使用留一法(LOO)进行多元线性回归模型构建,最终得到了最优的特征组合为分子总能量(Te)、信息含量(Ic)与分子折射率(Mr)。基于此得到的最优定量结构-缓蚀效率关系模型,其相关系数R~2为0.843,关系式表示为IE=-5.517-0.010 1×Te+15.601 7×Ic+0.222×Mr。考察样本后去掉一个奇异样本,其相对误差达到18.9%,剩余14个样本留一法建模,模型效果大大提高,其R~2为0.911。结果表明,Te、Ic、Mr与缓蚀效率具有较高的正相关性,分子结构越稳定、对称性好及折射率高,则其IE值就越高,为设计新型高效的缓蚀剂提供了理论指导。(本文来源于《石油与天然气化工》期刊2019年01期）
裴浩杰,冯海宽,李长春,李振海,杨贵军[3]（2018）在《基于多元线性回归和随机森林的苹果叶绿素含量高光谱估测方法比较》一文中研究指出叶绿素含量是果树营养胁迫和光合作用等生理状态的良好指示剂。为快速准确地估测苹果叶片叶绿素含量,利用采集的苹果叶片光谱和叶片叶绿素含量数据,通过分析原始光谱与叶绿素含量的相关性,筛选出554、708、995 nm 3个最佳敏感波段,构建基于原始光谱敏感波段的多元线性回归(multivariable linear regression,简称MLR)模型和随机森林(random forest,简称RF)模型,用于叶绿素含量估测;使用相关系数绝对值(absolute value of correlation coefficient,简称|r|)和RF的袋外数据(out of bag,简称OOB)重要性分别对植被指数与叶片叶绿素含量的关联性进行分析,筛选植被指数,然后使用MLR和RF算法构建模型,依次增加植被指数的输入数,筛选出10个植被指数的MLR最优模型和5个植被指数的RF最优模型;比较上述4个模型的估测精度。基于原始光谱的MLR模型和RF模型以及基于植被指数的MLR最优模型和RF最优模型建模的R2分别为0.578、0.527,0.602、0.609,RMSE分别为8.240、8.728,8.004、7.930μg/cm~2,4个模型建模精度相近。在模型验证方面,4个模型的R2分别为0.899、0.411、0.854、0.843,RMSE分别为8.297、14.455、11.242、11.034μg/cm~2。基于原始光谱的MLR模型的叶绿素含量估测精度高于其他3个模型,能够精确地估测苹果叶片叶绿素含量。另外,基于植被指数的MLR模型和RF模型对苹果叶片叶绿素含量估测也具有一定的应用潜力。(本文来源于《江苏农业科学》期刊2018年17期）
刘霞,周涛,吴昊,徐培培,罗惠[4]（2018）在《中国森林凋落物分解速率的空间格局及主控因子:基于最优线性混合模型》一文中研究指出基于与中国森林生态系统凋落物的分解速率有关的国内外文献资料,共收集覆盖热带、亚热带与温带3大气候区的569个分解速率记录,在此基础上建立了最优线性混合模型,分析了环境因子、凋落物基质质量和自身物理特征对凋落物分解速率的影响,揭示了影响凋落物分解的主控环境因子和空间格局差异.结果表明:分解速率随温度、降水、初始N、K质量分数的增加而增加,随海拔、纬度、分解时间、初始C质量分数、w(C)/w(N)、w(木质素)/w(N)、w(C)/w(P)的增加而减小;天然林和人工林凋落物分解速率无显着差异,阔叶林分解快于针叶林,针阔混交林与针叶林分解无显着差异,凋落物枝的分解速率显着低于其他组分;在全国大的空间尺度上,环境因素很重要,它们能够解释森林凋落物分解速率85%的变异,其中网孔、分解时间和海拔是森林凋落物分解的主控因子,而网孔和温度、网孔和海拔、海拔和分解时间分别为阔叶林、针叶林和针阔混交林的分解速率的主控因子.反演的中国森林凋落物的分解速率存在较大的空间异质性,其值大多为0.2~2.0.(本文来源于《北京师范大学学报(自然科学版)》期刊2018年04期）
杨森彬[5]（2018）在《线性回归和随机森林算法融合在餐饮客流量的预测》一文中研究指出数据挖掘技术运用于餐饮行业具有一定的社会价值,通过预测餐饮行业客流量,根据客流量多少餐厅合理为顾客准备用餐,有利于提升顾客用餐体验,提高餐饮质量的同时让餐饮行业更高效运作。本文通过研究线性回归算法与随机森林算法理论,提出将线性回归算法与随机森林算法融合的思想,将其应用在餐厅顾客回访数量预测,并通过实验证明该思路的合理性和可实施性。通过实验对比,算法融合思路比线性回归算法准确率提高了约3.004%,比随机森林算法提高了约2.022%。比以往大部分研究取得更优的预测效果,为数据挖掘技术在餐饮行业的应用提供了新的思路。(本文来源于《软件工程》期刊2018年07期）
徐辉,潘萍,宁金魁,臧颢,欧阳勋志[6]（2018）在《多元线性回归与神经网络模型在森林地上生物量遥感估测中的应用》一文中研究指出利用遥感影像构建森林生物量估测模型,能够快速、实时估算区域森林生物量。采用吉水县TM影像以及森林资源调查固定样地数据,构建估算森林地上生物量的多元线性回归模型及BP神经网络模型,并对两种模型进行了比较。结果表明:两种模型对样地生物量的预测值大部分比实测值小,多元线性回归模型预测值与实测值的偏差幅度比BP神经网络模型更大,偏差幅度分别为-110.24~38.09 t·hm-2、-35.12~26.17 t·hm-2;多元线性回归模型与BP神经网络模型的决定系数(R2)分别为0.470和0.869,均方根误差(RMSE)分别为30.52和12.69 t·hm-2,预测精度分别为50.07%和71.65%。因此,运用BP神经网络模型估测森林地上生物量优于多元线性回归模型。(本文来源于《东北林业大学学报》期刊2018年01期）
祝善友,陈亭,曹云,张海龙,张桂欣[7]（2015）在《基于线性光谱分解方法的森林选择性砍伐与再生监测研究——以巴西亚马逊森林为例》一文中研究指出以巴西亚马逊热带森林为例,在Landsat TM、ETM+影像提取光合植被(PV)、非光合植被(NPV)、土壤(soil)端元光谱的基础上,利用线性光谱分解模型得到端元地物丰度,进而设计合理的检测规则实现了选择性森林砍伐与森林再生所产生的森林变化监测。结果表明,基于线性光谱分解的方法能够以较高精度准确检测出选择性砍伐与森林再生,是森林变化宏观监测的有效手段之一。(本文来源于《科学技术与工程》期刊2015年20期）
王妮,叶春,梁先锋,彭世揆[8]（2014）在《基于遥感技术的滁州市各县森林线性优化配置分析》一文中研究指出森林植被作为土地覆盖的重要类型之一,在社会、经济、文化和环境中的地位与其所发挥的生态效应相关,对耕地、园地等水土流失区保护就具有重要意义。文章利用遥感影像和一些数学方法来优化配置森林资源,以2000年、2006年相近的滁州市TM遥感影像作为数据源,利用监督分类法对森林植被进行分类、统计、验证和分析,结合层次分析法和线性规划法对森林植被分布进行优化。结果表明定远县、凤阳县、来安县、天长市各县市森林植被配置不合理,需要各增加476.74km2、255.41km2、162.76km2、263.49km2,适当增加农田林网建设,这样才有利于各县市农林生态和谐发展。(本文来源于《内蒙古农业科技》期刊2014年06期）
陈树娟[9]（2013）在《基于局部线性嵌入的随机森林算法》一文中研究指出随机森林是一种优秀的分类算法,然而随机森林算法不能有效的判断冗余属性,因此影响了在含有冗余属性的数据集上的分类效果。针对这一问题,本文提出了一种基于局部线性嵌入的随机森林算法。该算法利用局部线性嵌入算法对冗余属性数据集进行降维,然后利用随机森林算法进行分类学习。在UCI标准数据集上的仿真实验说明,本文算法是一种优秀的含冗余属性数据集分类算法。(本文来源于《科技通报》期刊2013年08期）
董斌,陈立平,王萍,张长勤[10]（2012）在《基于TM遥感影像的森林资源线性规划与优化配置研究》一文中研究指出山东黄河流域是黄河入海的最后区域,也是水土流失最为严重的地区之一,基于遥感影像和数学方法优化配置森林资源对区域尺度的水土保持具有重要意义。选取2000年、2006年时相相近的TM遥感影像作为数据源,采用监督分类法、专家分类法以及GPS、GIS等技术对森林资源进行分类、统计、验证和分析。在层次分析法确定森林资源、森林景观、环境和社会经济等指标因子权重的基础上,利用线性规划法对森林资源的空间格局进行优化。结果表明,区域森林资源空间分布极不均匀,且主要集中于鲁中南山地及丘陵地区。6a间,森林资源增长相对缓慢,宜林荒山荒地的面积增加了8.2%,到2006年,其面积高达238955.7 hm2。对宜林荒山荒地进行线性优化后,森林类型和结构得到明显改善,土地利用结构信息墒降低了8.4%,森林资源和土地利用空间结构有序度明显提高。最后,对立地条件不同的地区采取了相应的树种配置措施。(本文来源于《生态学报》期刊2012年06期）
线性森林论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
以15种不同十一烷基咪唑啉衍生物缓蚀剂为研究对象,采用随机森林与多元线性回归相结合考察了分子结构对其缓蚀效率(IE)的影响。首先,从能量、电荷、分子表面与信息量、立体构象与拓扑特征6个方面对15种咪唑啉类缓蚀剂进行了全面表征,共得到55个分子结构参数;然后运用随机森林(RF)与多元线性回归(MLR)分别对特征参数进行了优化,筛选出top10的8个重迭参数。从8个参数中随机挑选3个,使用留一法(LOO)进行多元线性回归模型构建,最终得到了最优的特征组合为分子总能量(Te)、信息含量(Ic)与分子折射率(Mr)。基于此得到的最优定量结构-缓蚀效率关系模型,其相关系数R~2为0.843,关系式表示为IE=-5.517-0.010 1×Te+15.601 7×Ic+0.222×Mr。考察样本后去掉一个奇异样本,其相对误差达到18.9%,剩余14个样本留一法建模,模型效果大大提高,其R~2为0.911。结果表明,Te、Ic、Mr与缓蚀效率具有较高的正相关性,分子结构越稳定、对称性好及折射率高,则其IE值就越高,为设计新型高效的缓蚀剂提供了理论指导。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
线性森林论文参考文献
[1].杨锦茹.基于线性回归算法的森林火灾预测研究[J].通讯世界.2019
[2].刘友权,李坤,唐永帆,吴文刚,王道成.基于随机森林与多元线性回归的咪唑啉衍生物缓蚀剂的构效关系研究[J].石油与天然气化工.2019
[3].裴浩杰,冯海宽,李长春,李振海,杨贵军.基于多元线性回归和随机森林的苹果叶绿素含量高光谱估测方法比较[J].江苏农业科学.2018
[4].刘霞,周涛,吴昊,徐培培,罗惠.中国森林凋落物分解速率的空间格局及主控因子:基于最优线性混合模型[J].北京师范大学学报(自然科学版).2018
[5].杨森彬.线性回归和随机森林算法融合在餐饮客流量的预测[J].软件工程.2018
[6].徐辉,潘萍,宁金魁,臧颢,欧阳勋志.多元线性回归与神经网络模型在森林地上生物量遥感估测中的应用[J].东北林业大学学报.2018
[7].祝善友,陈亭,曹云,张海龙,张桂欣.基于线性光谱分解方法的森林选择性砍伐与再生监测研究——以巴西亚马逊森林为例[J].科学技术与工程.2015
[8].王妮,叶春,梁先锋,彭世揆.基于遥感技术的滁州市各县森林线性优化配置分析[J].内蒙古农业科技.2014
[9].陈树娟.基于局部线性嵌入的随机森林算法[J].科技通报.2013
[10].董斌,陈立平,王萍,张长勤.基于TM遥感影像的森林资源线性规划与优化配置研究[J].生态学报.2012