洞庭湖区农业洪涝灾害脆弱性变化研究

根据1989年、l999年两个不同时期的气象资料和经济统计数据，运用数学模型，对不同时间尺度下洞庭湖区的农业洪涝灾害脆弱性进行定量评估，并作出GIs地图，通过对比分析得出该时期内洞庭湖区农业洪涝灾害脆弱性略有上升，脆弱度较高地区包括沅江市、南县、益阳县、安乡县、汉寿县、湘阴县、益阳市和岳阳市，主要分布在南洞庭湖区和四水尾闾，地势低平、河网密集是这些地区高脆弱度形成的重要原因；脆弱度较低地区包括常德市、津市市、岳阳县和汩罗市，大都处在湖区的边缘，洪水压力较小．分析了洪涝灾害脆弱性动态变化的自然环境因素和社会经济因素，并针对如何降低农业洪涝灾害脆弱性提出建议，为有关部门制定政策提供参考。     

基于DPSIR模型评价长株潭地区水资源的脆弱性

以长株潭城市群水资源系统为例,采用压力驱动DPSIR(驱动力-压力-状态-影响-反应)模型,在全面识别水循环子系统、社会经济子系统和生态环境子系统脆弱性因子的基础上,结合统计资料和专家评价,详细阐述了脆弱性评价模型的建立过程,采用层次分析法和熵权法相结合的组合权重法得到水资源系统各个脆弱性因子的权重,并由此对水资源系统的脆弱性进行评价.研究结果表明:长株潭城市群整体水资源系统脆弱性较大,存在较多的不安全因素,因此该地区水资源系统的脆弱性评价对于长株潭城市群的水资源系统可持续发展具有指导意义.     

基于随机森林的文本分类模型研究

随着WWW的迅猛发展，文本分类成为处理和组织大量文档数据的关键技术.随机森林模型是决策树的集成，并且由一随机向量决定决策树的构造. 当森林中决策树的数目增大，随机森林的泛化误差将趋向一个上界.将随机森林模型应用于文本分类,在Reuter21578数据集上的实验表明，分类效果比较好，性能比较稳定，将其同C4.5, KNN, SM0, SVM 4种典型的文本分类器进行了比较，结果显示它的分类性能胜于C4.5，同KNN, SMO和SVM方法相当.     

基于随机森林的文本分类模型研究

随着WWW的迅猛发展，文本分类成为处理和组织大量文档数据的关键技术．随机森林模型是决策树的集成，并且由一随机向量决定决策树的构造．当森林中的决策树的数目增大，随机森林的泛化误差将趋向一个上界．将随机森林模型应用于文本分类，在Reuter21578数据集上的实验表明，分类效果比较好，性能比较稳定，将共同C4．5，KNN，SM0，SVM4种典型的文本分类器进行了比较，结果显示它的分类性能胜于CA．5，同KNN，SMO和SVM方法相当．     

基于随机森林模型的上市公司财务失败预警研究

基于2003年1月—2016年5月我国A股连续2年财务亏损的上市公司样本,实证研究了随机森林模型对上市公司财务失败预警的应用。通过与逻辑斯蒂回归模型所得结果比较,证明了随机森林模型的预测精度高于逻辑斯蒂回归模型。     

基于PSRM模型的吉林省西部地区生态脆弱性时空演变及驱动机制研究

基于压力-状态-响应-管理(pressure-state-response-management, PSRM)模型构建了评价指标体系,结合层次分析法(analytic hierarchy process, AHP)和CRITIC法确定指标的综合权重,计算出吉林省西部地区的生态脆弱性指数,揭示了其生态脆弱性时空分布格局及动态变化趋势;运用冷热点分析方法,探究了生态脆弱性的空间聚集特征;借助地理探测器中的因子探测,分析了影响生态脆弱性的主要驱动因子.结果表明：2011—2021年吉林省西部地区生态脆弱性以轻度、中度脆弱为主,空间分布存在明显的地域差异,总体呈“西高东低”的显著特征;2011、2016、2021年吉林省西部地区生态脆弱性平均值分别为0.392、0.417、0.376,整体处于中度脆弱水平;剖析驱动因子可以发现,植被净初级生产力、景观多样性指数、年均气温对区域内生态脆弱性有较强的驱动作用.研究结果可为该区域生态保护及高质量的可持续发展提供科学的参考数据.     

基于随机森林的企业信用评估模型

引入了一种能较好容忍噪声,且稳定性较高的组合分类器算法———随机森林(RF),建立企业信用评估模型;着重分析了适合RF的不平衡分类问题的处理方法,并介绍了模型参数的优化.通过与神经网络和支持向量机的对比实验,证实了该方法的有效性和优越性.     

明清时期皖江地区水旱灾害研究

为丰富和拓展安徽乃至长江流域水旱灾害研究领域,通过对皖江地区各府县志文献资料关于水旱灾害的记载,使用数据统计、比较分析等方法,对该地区明清时期水旱灾害的发生特征、变化趋势及周期进行了分析.结果表明:一是水灾居多且呈频次不断上升的趋势;二是区域间水旱灾害存在不均衡性;三是水旱灾害发生的交替性和长时段上的相对均衡性.     

广西喀斯特地区洪涝灾害研究

广西喀斯特地区面积大，生态环境脆弱，经济发展水平低，严重的洪涝灾害在一定程度上阻碍了经济的发展。本文在分析广西喀斯特地区洪涝灾害特点的基础上，提出了以非工程措施为主的防治措施。     

基于时空独立的随机森林模型对海南热带气温数值预报的订正

面向海南省所特有的海岛以及热带特点,结合海南岛独特的地理地貌,本研究设计了基于时空独立的随机森林模型,并利用站点的实测数据以及欧洲中期天气预报中心(ECMWF)的模式数据,实现了对每个站点未来7天预报时效为3小时的气温精准订正;同时采用小于2℃的准确率、小于1℃的准确率及均方根误差等指标,对ECMWF模式的预报温度和本文模型的订正气温进行了评估,结果表明,本文所提的订正模型结果要显著优于ECMWF模式的结果,前者更接近真实的温度值,它对ECMWF的模式数据进行了较好的订正.     

基于随机森林和支持向量机模型的期刊评价

学术研究的质量评价离不开学术期刊评价,学术期刊评价体系的公平与学术公平息息相关,因而加强对学术期刊的研究和评价是很有必要的。近年来,机器学习算法得到广泛应用,但之前未见学者将机器学习算法应用于期刊评价。应用机器学习算法中的随机森林和支持向量机模型做出期刊排名评价模型,进而推进期刊评价的发展是很有意义的尝试。以中国科技期刊引证报告中人文社会科学期刊为例,在应用非线性评价方法 TOPSIS评价得出的排名基础之上建立随机森林和支持向量机模型,再对比2种模型的精准度。研究表明,随机森林期刊评价模型比支持向量机期刊评价模型准确度更高,其排名结果也与主观预期排名更接近。     

基于随机森林和转导推理的特征提取方法

提出一种基于随机森林和转导推理的特征提取方法,步骤如下:1)利用带标签的训练样本建立随机森林模型;2)将无标签的测试数据导入随机森林模型中,生成全体数据(训练样本和测试数据)的相似性矩阵;3)对该相似性矩阵进行多维尺度变换得到全体数据的低维数据表示,即低维特征,使得原高维数据在低维空间中具有更好的可分性.UCI数据库的实验结果表明:与主成分分析方法相比,该方法将无标签测试集的数据分布信息转移到相似性矩阵中,更好地刻画整个样本空间上的数据分布特性,从而提高分类器的性能,是一种行之有效的特征提取方法.最后还讨论了特征提取维数对模型准确率的影响,为实际应用提供参考.     

基于CASA模型的皖江城市带植被净初级生产力时空变化特征研究

运用GIS和RS技术,利用植被、气候和辐射等地面空间数据,基于CASA模型估算2001-2010年之间皖江城市带植被净初级生产力(NPP),并分析其时空变化特征.结果表明:10年之间皖江城市带植被净初级生产力呈减少趋势,其中NPPMAX年均减少速度5.3gC/m2·a,NPPMEAN年均减少率0.513%;10年NPPMAX均值为805.09gC/m2·a,NPPMEAN均值为463.26gC/m2·a;净初级生产力年累计量变化幅度较大,约在30.052-43.483TgC/a之间;年际变化十分明显,最大值出现在2008年,为43.483TgC,最小值在2006年,为30.052TgC,年均减少率0.51%.植被净初级生产力空间格局表现出较大的不均匀性,整体分布状况是以长江为界,长江以南植被净初级生产力较大,但有逐渐变小趋势;长江以北植被净初级生产力较小,却表现出逐渐增加的趋势.     

基于One-R的改进随机森林入侵检测模型研究

入侵检测(ID)是保障网络安全的必要手段之一,将数据挖掘引入入侵检测中使其可以适应海量审计数据的处理,同时可以提高检测的均衡性和响应时间。文章提出了一种基于随机森林(random forest,RF)的入侵检测模型(1R-RF),针对RF模型面对高维网络审计数据选择属性时过度随机导致的元分类器效率不高的问题,开展了基于One-R快速属性评价的研究。实验证明,将基于One-R的RF用于入侵检测后有较好的时空性能、较低的误报率和漏报率,对于各种攻击行为有着较为均衡的检测率。     

基于随机森林的光伏企业技术创新动力模型研究

通过对我田学者关于技术创新劝力研究的成果发现,其研究对象未加以区分。缺乏对不同类型企业技术创新动力的分类研究。因此本文以光伏企业为例。提出光佚企业技术创新劝力要素。提升企业市场地位的目标、企业家精神、人的因素、政策的支持。并由此构建了光伏企业技术创新动力模型。在专家访谈及问豢调查的基础上使用随机森林法,分析了技术创新动力要素的权重排序、动力要素间的互动关系。研究结果表明得到企业家强烈的创新欲望,预期市场竞争力的提高,政府对光佚企业的补贴、完整的技术链的形成以及对科研人员的物质激励是光伏企业进行技术创新的最大动力。     

基于粗糙集和随机森林算法辅助糖尿病并发症分类研究

提出基于粗糙集和随机森林算法辅助糖尿病并发症分类。首先,运用简化的分明矩阵法对属性约简,产生新的决策信息系统;其次,采用随机森林算法对该新信息系统生成随机森林,实现分类;最后,通过糖尿病并发症临床诊断数据子集测试。实验表明该方法有效性,并优于直接用随机森林算法分类。     

基于随机森林的A股股票涨跌预测研究

针对传统预测模型易陷入过拟合、缺失数据敏感、计算量大等不足,利用随机森林算法的双重随机性、处理数据集优异等特点,对A股股票涨跌预测进行研究。首先运用相关性分析对初始指标体系进行一次Spearman和二次Pearson筛选,去除指标体系中的冗余指标。然后对随机森林的各项重要参数进行优化,并对优化后的模型采用重要性估计方法以提升训练模型精确度。通过不同指标体系的对比,验证实验过程的正确性。最后,对比不同建模方法的实证预测结果,表明随机森林模型比传统机器学习方法二元logistic回归在性能上更优越,具备较高的预测准确度。     

基于随机森林的数据分类应用研究

机器学习在近几年得到了迅猛的发展,其中随机森林(Random Forest)在决策树的基础上演变出来的一种机器学习方法,利用其可以进行数据建模,分类,预测等。探索了随机森林算法在数据预测上的应用,基于一个泰坦尼克乘客数据集,预测泰坦尼克号乘客的命运(是否生存)。此数据集包含了将近80%乘客的信息和生存状态,包含1 309个样本,每个样本包含14个属性。实验验证了随机森林算法在受试者工作特征曲线等方面表现较好,具有一定的参考性和可拓展性。