基于随机森林回归的电离层幅度闪烁指数预测

为满足低成本、高精度的电离层闪烁监测需求,提出一种基于随机森林回归的闪烁指数预测模型。在卫星导航接收机输出信息基础上,计算电离层结构状态参数,形成输入参数,并进行参数筛选构建训练数据集,结合专用型电离层闪烁监测接收机观测到的闪烁指数,训练生成基于随机森林回归的幅度闪烁指数预测模型。实验结果表明,与传统电离层幅度闪烁指数计算方法相比,随机森林回归模型预测得到的闪烁指数相关性更强、精度更高。

基于改进随机森林回归模型的木材染色配方预测研究

为提高木材染色计算机智能配色的准确性和实用性,选择(樟子松)单板为染色材,以随机森林回归模型为基础,先用随机搜索算法(RS)寻找模型最优参数,再引入主成分分析法(PCA)进行特征提取,并以配方的均方误差作为评价指标。与固定参数的随机森林回归模型(RFR)模型及其他模型相比,优化后的模型(PCA-RS-RFR)配方均方误差为0.00491,相较于固定参数RFR(0.00695)、RS-RFR(0.00618)等具有明显优势,运行效率也较出色。

基于主成分分析和随机森林回归的冬小麦冠层叶绿素含量估算

为提高冬小麦冠层光谱对叶绿素含量的估算精度,以陕西省乾县冬小麦为研究对象,利用SVC-1024i光谱仪和SPAD-502型叶绿素仪实测了冬小麦冠层反射率和叶绿素含量,分析了一阶导数光谱、10种特征参数和9种植被指数与叶绿素含量的相关性,并利用主成分分析(PCA)对叶绿素敏感的可见光波段(390~780 nm)一阶导数光谱进行降维,将特征值大于1的主分量结合特征参数和植被指数形成不同的输入变量,用偏最小二乘回归和随机森林回归构建冬小麦冠层叶绿素估算模型,并利用独立样本对模型进行验证。结果表明,小麦冠层叶绿素含量与一阶导数光谱在751 nm处的相关性最高(r=0.71),特征参数中红边蓝边归一化(SDr-SDb)/(SDr+SDb)与叶绿素含量的相关性最高(r=0.66),植被指数(VI)中修正归一化差异指数(mND705)相关性最高(r=0.74)。在输入变量相同的情况下,基于随机森林(RF)回归的预测模型均优于偏最小二乘回归(PLSR)模型,其中PCA-VI-RF模型的各精度指标均达到最优(r^(2)=0.94,RMSE=1.05,RPD=3.70),是冬小麦冠层叶绿素含量估算的最优模型。

基于随机森林回归的船舶特涂维修的日能耗预测

特殊涂装(简称特涂)维修是修船工作的核心内容,能耗的预测是船舶智能能效优化中的一项重要任务。使用随机森林回归(RFR)模型对船舶特涂维修日能耗进行分析,去除异常值、随机化和标准化数据集,然后使用RFR模型对船舶日能耗历史数据进行训练拟和,利用带交叉验证的网格搜索优化RFR模型,使用优化后的RFR模型对船舶特涂维修日能耗数据进行分析,并与其他模型进行对比实验。结果表明,优化后的RFR模型预测效果优于多种其他模型,R2值达93.25%,均方误差明显更低。

基于随机森林回归模型的小麦粉灰分含量快速测定

[目的]实现小麦粉灰分含量的快速精准测定。[方法]通过预处理小麦原料并深入分析磨粉时间和电导率等关键影响因素,将这些因素作为特征变量引入随机森林回归模型,构建小麦粉灰分含量测定模型。通过算术平均值计算得出最终测定结果,实现小麦粉灰分含量的快速测定。[结果]该方法与实际结果基本一致,测定误差低于0.01 g/100 g,且重复性波动差距低于0.01 g/100 g,平均测定时间为24 min。[结论]试验方法具有较高的测量精度和重复性,显著提升了测定效率。

基于随机森林回归模型的集体经营性建设用地土地级别质量影响因素实证分析

利用南昌市本级集体建设用地定级与基准地价评估的项目,获取南昌市本级辖区258个行政村的调研数据,并运用随机森林回归模型分析农村集体经营性建设用地土地级别质量的影响因素及各类因素的重要性程度,同时验证模型的准确率。结果表明:模型的准确率和决定系数(R^(2))均大于80%,且五折交叉验证结果的准确率也大于80%。因子层重要性全域范围内是宏观区位影响度、繁华程度、产业集聚效应、交通条件和区域规划因子比基础设施条件和环境条件因子更大;其中,城区受产业集聚效应因子影响最大,而城郊受交通规划条件因子影响最大,且两者受繁华程度和交通条件因子影响也较大。因素层重要性全域范围内是宏观区位影响度最大,其次是繁华程度、交通条件、产业集聚效应和区域规划,而其余因素影响相对较小;其中,城区受产业集聚效应影响最大,而城郊受区域规划条件影响最大,其次繁华程度和交通条件也对土地级别质量有较大影响,而宏观区位影响度的影响相对减小。

基于随机森林回归算法的水泥立式磨磨内压差预测

水泥立式磨粉磨过程中,准确预测磨内压差对控制和稳定运行至关重要。为了使磨内压差预测值与实际值更接近,提出一种基于随机森林回归(Random Forest Regression, RFR)的预测模型,通过装袋算法(Bagging)和随机特征子空间(Random Subspace Method, RSM)强化原决策回归树(Classification And Regression Tree, CART)的泛化能力。利用灰色关联度分析法,验证了关键变量选取的合理性;利用RFR算法建立磨内压差预测模型,得到新的磨内压差值。对比反向传播神经网络(Back Propagation Neural Network, BPNN)预测模型、支持向量机(Support Vector Machines, SVM)预测模型、径向基函数(Radial Basis Function, RBF)神经网络预测模型、长短期记忆(Long Short Term Memory, LSTM)神经网络预测模型的预测结果,RFR模型的预测效果优于其他4种预测模型,在磨内压差预测方面表现良好。

基于随机森林回归的左转信号损失时间预测模型

左转信号损失时间是确定信号控制周期的重要参数,为准确预测左转信号损失时间从而优化信号控制方案,从交叉口整体环境、驾驶员行为、车流特性3个方面对左转信号损失时间进行影响因素分析。采用定性和定量的方法对南昌市红谷滩区不同交叉口进行数据采集,通过分析各影响因素对左转信号损失时间的影响,构建了随机森林回归、多元线性回归、广义线性混合3种不同的左转信号损失时间预测模型并进行了对比分析。研究结果表明:随机森林回归模型对左转信号损失时间的预测精度比传统线性模型更高,其决定系数为0.812 9;第一辆车反应时间是影响左转信号损失时间预测最重要的因素(重要性得分为14.5),其次为左转组织方式、红灯时间、对向停止线距离,重要性得分分别为2.88、2.84、2.23;左转信号损失时间的长短受启动损失时间的影响较大。

基于随机森林回归算法的水电工程移民安置效果评价方法

常规的水电工程移民安置效果评价方法主要使用定量结合技术生成评价指标体系,易受生活水平指数SPI动态变化影响,导致评价优属度偏低,因此,需要基于随机森林算法设计1种全新的水电工程移民安置效果评价方法。即利用随机森林回归算法确定了安置效果基础评价指标,建立了水电工程移民安置效果评价结构,从而实现了水电工程移民安置效果评价。实例分析结果表明,设计的水电工程安置随机森林回归算法效果评价方法的评价优属度较高,具有评价可靠性,有一定的应用价值,为优化水电工程移民项目建设作出了一定的贡献。

基于随机森林回归模型和高频数据的鄱阳湖子湖电导率预测

电导率是衡量水质的重要参数,高频监测获取水体中电导率对水质管理具有重要作用。由于野外条件的变化复杂性引起设备故障导致数据缺失时有发生,为优化野外监测体系和插补缺失数据,基于高频监测获取的气象和水体物理指标,结合机器学习模型,预测水体中电导率值。结果表明,随机森林回归模型预测效果最优,其决定系数R~2可达0.996,均方根误差R_(RMSE)为1.31μS/cm,平均相对误差M_(MRE)为0.38%;pH值贡献率最大,是影响电导率的主导因素。研究结果利于优化野外高频监测系统平台,健全高频监测数据,为水质管理提供科学依据。

基于随机森林回归算法的低电阻率页岩气储层饱和度评价

含气(水)饱和度是低电阻率(低阻)页岩气储层中游离气量评价的关键参数,对低阻页岩气勘探开发风险评估极其重要,由于低阻页岩气储层成因复杂,常用的Archie、Simandoux饱和度电法模型及中子-密度重叠的非电法模型对准确计算含气饱和度都具有一定的局限性。鉴于随机森林回归算法具有自带监督学习、多棵决策树共同决策及防止过拟合的优点,通过多测井变量重要性排序,选取无铀伽马、声波时差、密度、中子、铀、钾、深浅侧向电阻率这8条测井曲线作为输入参数,岩心含水饱和度作为输出标签,通过参数调优,当决策树个数为238时,算法模型精度最高,最终建立了基于随机森林回归算法的低阻页岩气储层含水饱和度预测模型。分别对参与和未参与模型训练的各2口低阻页岩气井进行含水饱和度预测,预测结果与岩心测试数据相关系数均达0.94以上,具有较强的泛化能力与适应性。该模型不受测井低电阻率的影响,有效地提高了低阻页岩气储层饱和度预测精度,为低阻页岩气储层含气量计算及勘探开发风险评价提供了依据,是一种便捷、实用、有效的方法。

基于随机森林回归的砂体渗透系数预测

在地浸砂岩型铀矿勘查过程中,砂体渗透系数是一项重要的水文地质参数,也是评价地浸开采有效性的重要指标,而砂体渗透系数预测及其空间分布特征是铀矿勘查最为困难的问题之一。机器学习算法具有操作简单及泛化能力强的特点,在各领域得到了广泛应用,将机器学习算法引入到铀矿地质勘查中能够快速有效地解决测井数据与砂体渗透系数之间复杂的非线性问题。文章采用随机森林回归算法预测洪海沟铀矿床砂体渗透系数,并将其与非线性回归、支持向量机回归预测结果进行对比评价,结果表明,随机森林回归算法具有拟合优度高、操作简单的特点。该方法预测出的砂体渗透系数空间展布方向与地下水渗流方向一致,并密切影响层间氧化带及铀矿化的发育,具有一定的推广意义和经济价值。

哪些因素对农村寄宿生越轨行为的影响更大?——基于随机森林的变量重要性排序

我国农村寄宿生的全面发展情况是值得关注的现实问题,越轨行为作为影响学生全面发展的重要因素之一,需要对其予以关注。基于中国教育追踪调查数据,运用多元回归分析和随机森林回归分析的方法探究了农村寄宿生越轨行为的影响因素和各因素的重要性排序,结果发现:(1)个体因素及人际关系因素均能影响农村寄宿生的越轨行为;(2)教师支持、同伴支持对农村寄宿生越轨行为的影响更为重要;(3)亲子关系对农村寄宿生越轨行为的影响需引起重视。据此,提出构建和谐师生关系、打造良好同伴关系、注重家庭支持、提高农村寄宿生自身情绪控制力和自制力等对策建议,以期帮助农村寄宿生预防或矫正越轨行为。

基于随机森林和形态学交替滤波的无人机影像建筑物提取

如何从无人机获取的光学影像中快速、准确提取建筑物信息是遥感影像处理研究的热点问题。针对上述问题,在深入研究形态学建筑物指数、增强型形态学建筑物指数的基础上,结合特征提取、随机森林回归、改进的形态学交替滤波算法,对建筑物提取方法进行针对性改进。主要改进内容如下。(1)提出一种基于随机森林回归的无人机光学影像建筑物增强方法,通过融合原始可见光波段、可见光遥感指数特征、纹理特征等,构建特征空间,在不需要人工特征优选的情况下增强建筑物信息;(2)针对建筑物增强影像内部同质性区域会出现较多噪声等问题,对影像进行形态学滤波。最后,为验证该方法的有效性,选取环境复杂且具有代表性的城市中心建筑物区域与城市周边建筑物区域进行提取试验,2个区域主要建筑类型存在较大差别。在上述2个区域,增强型形态学建筑物指数算法的F1值较形态学建筑物指数算法分别提高10.40%和10.08%,较增强型形态学建筑物指数算法F1值分别提高5.23%和7.87%,表明该方法能够更好地提取出无人机光学影像中的建筑物信息。

随机森林算法在电喷印液滴直径预测中的应用

电流体喷射打印技术是一种新型微纳尺度增材制造工艺,由于电喷印成本低、工艺简单、效率高、精度高,在制备微流控芯片、印刷柔性电子器件和各种光学器件等领域具有广阔的应用前景。精确预测并控制电喷印液滴直径是保证加工质量的关键。因此,以电喷印液滴直径预测为研究对象,运用随机森林回归算法进行建模,来预测在几种关键参数(基电压、高电压、脉冲频率、喷头与基板的距离、油墨电导率及粘度)的条件下打印出的液滴直径。预测结果显示,该模型的预测精度较传统的理论建模及回归分析的结果有明显提高。在几种常见的算法预测模型中,随机森林回归模型在训练样本受限的情况下,预测精度最高。基于随机森林回归算法的液滴直径预测模型为电喷印液滴直径预测及控制提供了一种经济有效的方法。

基于随机森林回归算法的回采工作面瓦斯涌出量预测

回采工作面是矿井瓦斯涌出的主要场所,精准预测回采工作面的瓦斯涌出量,进而有针对性地提出防治措施,对保证矿井安全生产具有重要意义。提出了基于随机森林回归算法的回采工作面瓦斯涌出量预测方法。以工作面实测瓦斯涌出量数据为原始样本,利用Bootstrap抽样方法进行随机抽样,以袋外数据(OOB)评估分数oob_score作为随机森林回归模型调参、特征变量重要性的评判指标,计算得出模型的最佳参数、特征变量重要性占比。对各特征变量的重要性占比进行排序,并按排序进行随机森林回归模型性能分析,结果表明:随着特征变量数的增加,模型性能不会呈现规律性的变化;当特征变量数较少时,可能存在过拟合的情况。测试结果表明,所创建的随机森林回归模型预测值与实测值的平均绝对误差、平均相对误差随着特征变量数的增加呈下降趋势,特征变量数的增加可在一定程度上提高模型的预测效果。针对同一组数据,与主成分回归分析法相比,随机森林回归模型平均相对误差降低了14.29%,预测效果更好,且原理更简单、调参更容易、计算速度更快,能够为矿井回采工作面瓦斯涌出量预测提供有力的理论支撑。

基于主成分分析和随机森林回归模型的工艺装备轴承剩余寿命预测

为解决传统随机森林回归模型对工艺装备轴承剩余寿命预测准确率偏低的问题,提出一种将PCA(主成分分析)和随机森林回归模型相结合的工艺装备轴承剩余寿命预测方法。首先,应用时域分析法对特征集进行提取,并和样本对应的剩余寿命标签共同创建并形成训练集;然后,利用PCA算法对训练集中特征实施降维处理;最后,建立随机森林回归模型,输出工艺装备轴承剩余寿命。研究结果表明:基于PCA算法和随机森林回归模型的预测方法将预测准确度提高了约10%,证实了该方法的有效性和准确性。

基于随机森林回归的管状带式输送机用托辊优化设计

在管状带式输送机运输过程中,托辊在圆管带的接触载荷激励下会产生振动噪声,这是管状带式输送机运输过程中的主要噪声源。托辊参数的优化设计,对于管状带式输送机整体的减振降噪具有重要意义。为此,以托辊为优化对象,对托辊在不同结构参数下的振动特性和噪声规律进行了研究,提出了一种基于随机森林回归(RFR)的管状带式输送机用托辊参数优化设计方法。首先,对托辊进行了模态分析,得到了托辊的振动特性,确定了托辊的优化方向;基于有限元-边界元混合声场仿真方法,以现场采集的托辊受力频谱作为激励,探究了托辊在不同结构参数影响下的振动噪声及规律;然后,开发了基于RFR算法的机器学习模型,建立了托辊结构参数与噪声值之间的设计数据库,结合约束条件,得到了托辊参数的最优解;最后,针对优化后的托辊结构进行了仿真分析。研究结果表明,当托辊的直径为152 mm、厚度为6 mm、材料为普通钢、轴径为30 mm时,取得最优解,优化托辊产生的振动噪声较原托辊降低了约13.4 dB;通过托辊的优化设计,可以为管状带式输送机整体减振降噪提供参考。

基于地理加权和随机森林回归的曹妃甸区土壤有机碳含量研究

应用地理加权回归模型(GWR)和随机森林回归模型(RFR)对河北省唐山市曹妃甸区滨海区域的土壤有机碳含量空间分布进行回归分析,并作出精度评价,揭示该地区土壤有机碳含量的空间分布特征及影响因素。研究表明,GWR模型的R2为0.51,通过训练得到的RFR模型的测试集拟合优度为0.64,机器学习得到的回归结果优于传统的数理统计方法,机器学习的方法能够有效解决非线性相关问题。地表湿润程度与土壤有机碳含量存在关系,具体表现在地表水体指数(LSWI)与土壤有机碳呈显著正相关,地表干度指标(NDBSI)与土壤有机碳呈负相关。湿地内部土壤有机碳分布存在明显的异质性,由于人为干扰程度不同,河流湿地等天然湿地土壤有机碳含量高于养殖池、水库等人工湿地。

基于随机森林模型与SHAP算法的流感样病例影响因素分析研究

通过机器学习算法和SHAP(shapley additive explanations)方法分析影响流感样病例(infl uenza-like illness,ILI)的主要因素,挖掘和流感相关的关键词汇,进行初步筛选,再通过分析这些关键词与ILI序列的时滞相关性,对筛选出的关键词进行二次过滤。首先使用关键词变量分别构建支持向量回归、XGBoost模型、随机森林回归;然后应用SHAP方法进行模型可解释性分析,探讨影响ILI的主要关键词;最后利用随机森林回归方法构建的预测模型具有最高预测性能,其平均绝对百分比误差MAPE是0.141。模型显示“流感疫苗副作用、流感疫苗、感康、流行性感冒、康泰克、感冒”是预测ILI值的重要影响因素。随机森林回归方法所构建的预测模型能够更准确地预测流感样病例值,结合SHAP方法可以对ILI值预测提供详细解释,有助于医疗机构制定有效的应急措施。