基于CatBoost算法的蓝莓生态适宜性评估模型

为更好地评估蓝莓生态适宜性,合理选择蓝莓种植区域,提出一种基于CatBoost算法的蓝莓生态适宜性评估模型。以贵州黔东南州麻江县为例,利用地形数据、气象数据和土壤数据等10个特征因子,利用CatBoost算法构建蓝莓生态适宜性评估模型,并基于地理信息系统开展全县的蓝莓生态适宜性区划。实验结果表明:CatBoost(CB)模型具有最佳的表现性能,AUC得分为0.897,比逻辑回归(Logistic Regression,LR)、支持向量机(Support Vector Machine,SVM)和随机森林(Random Forest,RF)模型分别高4.9%、3.8%、2.5%,并且在精确率、召回率和F1-score方面都有着优异表现,该模型适宜性分类结果与麻江县实际蓝莓种植情况吻合度最高,对蓝莓种植区域选取具有重要参考价值。

基于CatBoost算法的滑坡敏感性模型——以毕节市大方县为例

对山地地区建立滑坡敏感性模型,从而有效地避免地质灾害带来的风险,对促进地区经济发展和保证人民财产安全具有重要意义。以贵州省毕节市大方县为例,利用Borderline-SMOTE算法解决滑坡数据普遍存在的数据不平衡问题,进而运用CatBoost算法构建山体滑坡模型,最终选取查准率、召回率、F1-score和AUC作为模型评估指标进行对比。实验表明,利用经Borderline-SMOTE算法处理后的滑坡数据集构建的CatBoost模型相比较于传统机器学习模型的预测效果更好,尤其在AUC指标上效果提升显著,同时进一步说明了基于CatBoost算法的滑坡敏感性模型有着良好的分类效果。