本文主要研究内容
作者周超,方秀琴,吴小君,王雨晨（2019）在《基于三种机器学习算法的山洪灾害风险评价》一文中研究指出：依据洪灾风险概念模型,从触发因子、孕灾环境和承灾体3方面选取江西省的12个洪灾风险指标,采用k近邻、随机森林、AdaBoost 3种机器学习算法构建洪灾风险评价模型。利用精度、Kappa系数、ROC曲线(AUC值)3种定量评估指标评价洪灾风险模型,基于随机森林和Boruta特征提取算法共同分析指标重要性,最后对比3种模型绘制的江西省山洪灾害风险分区图并分析山洪灾害分布特征。结果表明:①AdaBoost模型的精度、Kappa系数和AUC值的平均值为别为0.902、0.870和0.826,精度和Kappa系数略优于随机森林,AUC值与随机森林相当,而k近邻模型的3种性能指标均低于前2种算法;②农田生产潜力、年最大6 h暴雨均值、年最大1 h暴雨均值、归一化差值植被指数、年降雨量均值这5个指标对最终的洪灾风险形成具有非常重要作用;③江西省较高风险区与最高风险区的面积和约占江西省总面积的34.4%,且主要分布于高降雨量、高暴雨量、农田生产潜力大的山区。
Abstract
yi ju hong zai feng xian gai nian mo xing ,cong chu fa yin zi 、yun zai huan jing he cheng zai ti 3fang mian shua qu jiang xi sheng de 12ge hong zai feng xian zhi biao ,cai yong kjin lin 、sui ji sen lin 、AdaBoost 3chong ji qi xue xi suan fa gou jian hong zai feng xian ping jia mo xing 。li yong jing du 、Kappaji shu 、ROCqu xian (AUCzhi )3chong ding liang ping gu zhi biao ping jia hong zai feng xian mo xing ,ji yu sui ji sen lin he Borutate zheng di qu suan fa gong tong fen xi zhi biao chong yao xing ,zui hou dui bi 3chong mo xing hui zhi de jiang xi sheng shan hong zai hai feng xian fen ou tu bing fen xi shan hong zai hai fen bu te zheng 。jie guo biao ming :①AdaBoostmo xing de jing du 、Kappaji shu he AUCzhi de ping jun zhi wei bie wei 0.902、0.870he 0.826,jing du he Kappaji shu lve you yu sui ji sen lin ,AUCzhi yu sui ji sen lin xiang dang ,er kjin lin mo xing de 3chong xing neng zhi biao jun di yu qian 2chong suan fa ;②nong tian sheng chan qian li 、nian zui da 6 hbao yu jun zhi 、nian zui da 1 hbao yu jun zhi 、gui yi hua cha zhi zhi bei zhi shu 、nian jiang yu liang jun zhi zhe 5ge zhi biao dui zui zhong de hong zai feng xian xing cheng ju you fei chang chong yao zuo yong ;③jiang xi sheng jiao gao feng xian ou yu zui gao feng xian ou de mian ji he yao zhan jiang xi sheng zong mian ji de 34.4%,ju zhu yao fen bu yu gao jiang yu liang 、gao bao yu liang 、nong tian sheng chan qian li da de shan ou 。
论文参考文献
论文详细介绍
论文作者分别是来自地球信息科学学报的周超,方秀琴,吴小君,王雨晨，发表于刊物地球信息科学学报2019年11期论文，是一篇关于随机森林机器学习算法论文,机器学习算法论文,曲线论文,算法论文,洪灾风险评价论文,江西省论文,地球信息科学学报2019年11期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自地球信息科学学报2019年11期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：随机森林机器学习算法论文; 机器学习算法论文; 曲线论文; 算法论文; 洪灾风险评价论文; 江西省论文; 地球信息科学学报2019年11期论文;