内蒙古大兴安岭森林火险等级预报模型研究

为提高森林火险等级预报的准确率和及时率,减少森林资源损失。以内蒙古大兴安岭地区为研究区域,利用遥感MODIS-NDVI数据反演可燃物的湿度指数,以气象指数、植被指数、闪电指数、湿度指数共同计算得出森林火险指数,以火险指数作为内蒙古大兴安岭地区森林火险等级预报模型的量化指标,并对火险等级进行分级,获得内蒙古大兴安岭森林火险等级预报方法。该方法结合当地的实际情况,将闪电指数引入到预报模型中,并实现了定量化估测。同时,以近几年发生在该地区重特大森林火灾为例,对该预报模型进行了验证。该方法可较好地对内蒙古大兴安岭地区森林火险等级进行定量化预报。

罗源县森林火险气象等级预报模型构建及应用

利用2003—2022年罗源县森林火点统计数据及罗源国家站气象要素资料,参照《森林火险气象等级》对数据进行综合分析,修订了罗源县森林火险气象等级预报指标,建立了罗源县本地化的森林火险气象等级预报模型。该模型呈显著相关,可用于实际业务中,对提升罗源县森林火险气象服务水平有促进作用。

基于随机森林算法建立非急诊大手术后延迟拔管的预测模型

目的基于随机森林算法分析非急诊大手术后延迟拔管的影响因素,建立并验证术后延迟拔管的预测模型。方法回顾性收集2018年1月至2022年12月全麻下行非急诊大手术的7528例患者的临床资料。根据术后2 h内是否拔管,将患者分为两组:非延迟拔管组(≤2 h)和延迟拔管组(>2 h)。将患者按照7∶3分为训练集和验证集,通过LASSO回归、Logistic回归筛选术后延迟拔管的预测因素,采用随机森林算法建立并验证预测模型。结果有123例(1.6%)出现术后延迟拔管。ASA分级、科室、术中使用氟比洛芬酯、右美托咪定、激素、术中出现低钙血症、重度贫血、术中输血、气道痉挛是术后延迟拔管的独立预测因素。基于随机森林算法建立的预测模型在验证集中的曲线下面积(AUC)为0.751(95%CI 0.742~0.778),敏感性98.1%,特异性41.9%。结论基于随机森林算法建立的非急诊大手术后拔管延迟的预测模型具有较好的预测性能,利用该模型有助于预防非急诊大手术后延迟拔管。

基于K-means SMOTE和IDBO-RF岩爆烈度等级预测模型

为解决岩爆数据集不均衡和模型参数寻优困难等问题,提出1种基于K-means SMOTE与改进蜣螂算法优化随机森林(random forest,RF)的预测模型。首先,分析岩爆发生机理构建指标体系;其次,使用K-means SMOTE算法对岩爆数据集进行均衡化处理,采用Robust标准化消除量纲;最后,引入Tent混沌映射和非线性递减策略组合改进蜣螂优化(improved dung beetle optimizer,IDBO)算法,寻优RF超参数,建立岩爆烈度等级预测模型(IDBO-RF)并与其他模型对比验证其有效性。研究结果表明:数据均衡处理后,各模型准确率提高10.85%~16.02%;设计的IDBO-RF预测模型平均准确率约为94.37%,较RF、GWO-RF、DBO-RF模型分别提高约7.76百分点、1.69百分点、1.11百分点;IDBO-RF预测模型准确率最高约为96.43%,优于RF、GWO-RF、DBO-RF模型。研究结果可为解决岩爆预测问题提供一定参考。

随机森林模型和Logistic回归模型预测非计划再手术发生风险的效能比较

目的比较随机森林模型和Logistic回归模型预测非计划再手术发生风险的效能。方法在手术麻醉系统中筛选一次住院期间申请2次手术的患者信息。提取所有非计划再次手术患者(n=219)作为研究组,对应科室的计划再次手术患者(n=14311)作为对照组。运用随机森林模型和Logistic回归模型建立非计划再手术预测模型。采用受试者工作特征曲线下面积评价两种模型的预测效能。结果(1)Logistic回归分析结果显示,前次术中输血、罹患恶性肿瘤、合并疾病数量、前次手术切口愈合等级、前次手术级别、前次手术时长、前次手术切口类别是非计划再手术发生的影响因素(P<0.05)。Logistic回归预测模型的曲线下面积为0.922,灵敏度、特异度、准确率分别为92.59%、79.11%、79.28%。(2)随机森林模型特征变量的重要性排序结果显示,前次手术切口类别、前次术中输血、前次手术级别、前次手术切口愈合等级、合并疾病数量、罹患恶性肿瘤等变量的重要性更靠前。随机森林预测模型的曲线下面积为0.866,灵敏度、特异度、准确率分别为80.00%、93.33%、86.66%。Logistic回归预测模型曲线下面积大于随机森林预测模型,但差异无统计学意义(P>0.05)。结论综合使用Logistic回归模型和随机森林模型,并将二者分析结果互为补充,可从各个方面预测非计划再次手术的风险因素,能获得更好的预测效能。

基于随机森林算法构建腰椎后路椎间融合术后感染预测模型

目的:利用随机森林算法对腰椎后路椎间融合术后发生感染的相关危险因素进行分析并制定预测模型,为临床预防腰椎后路椎间融合术后手术部位感染(surgical site infection,SSI)的发生提供参考依据。方法:回顾性研究北京中卫云医疗数据分析与应用技术研究院经过数据处理分析提供的2019年6月~2021年6月在河北医科大学第一医院、第二医院、第三医院等河北省及北京市共15家三级甲等医院脊柱外科住院接受腰椎后路椎间融合术治疗患者的脱敏数据资料。统计分析比较感染组(SSI)和非感染组(non-SSI)的分类数据,得到对术后感染具有显著影响的变量,使用SPSS Modeler 20数据建模系统作为工具,采用随机森林(RF)算法进行分析,得到术后感染的患者特征,即感染模型。结果:本研究共纳入8764例患者数据,其中373例患者被诊断为SSI,发病率为4.4%(95%CI,2.2%~6.5%)。经过Logistic回归模型分析多个自变量与因变量的相关性,确定六个变量[包括肥胖、美国麻醉师协会(American Society of Anesthesiologists,ASA)分级Ⅲ级及以上、手术时间延长、慢性心脏病、糖尿病和肾功能不全]与SSI独立相关。以随机森林模型进行分类可获得较高的精度,为90.6%,腰椎后路椎间融合术后易发生感染的患者特征,即两种感染模式:[(BMI=1)and(SD=1)and(ASA=1)and(RI=1)]or[(BMI=0)and(SD=1)and(DM=1)and(RI=1)]。结论:随机森林分类算法应用于本研究可获得90.6%的平均精度,并得到两种感染模型,(1)患者肥胖,肾功能不全,ASA分级Ⅲ级及以上,且手术时间≥3h;(2)患者无肥胖,但同时患糖尿病、肾功能不全,且手术时间≥3h。

基于随机森林模型构建住院老年患者轻度认知功能障碍的临床预测模型

目的:构建住院老年患者轻度认知功能障碍的临床预测模型,对早期轻度认知功能障碍患者识别提供依据。方法:便利抽样法选取2022年1月~2023年4月在新疆医科大学第一附属医院住院的老年患者1019例,将其按7:3比例随机分为建模队列(n = 713)和验证队列(n = 306),采用一般资料、体格检查、量表评定,MCI相关指标诊断对其进行调查。随机森林算法结果进行重要性变量排序,构建LASSO回归分析建模队列,基于logistic回归结果构建住院老年患者MCI的列线图,同时对模型进行校准,同时验证模型效益。结果:本研究MCI检出率21.6% (220/1019),男性22.5% (106/472)、女性20.8% (114/547),单因素分析得到17个差异变量,LASSO回归分析当lambda.min值为0.005607618时误差最小,对应的影响因素数目为8个,重要性排序居前8位的自变量为年龄、日常生活能力评分、文化程度、Morse跌倒风险评分高风险、营养风险、用药种数、吸烟、职业,多因素逐步logistics回归,最终得到3个影响因素:年龄、日常生活能力评分、文化程度(P 0.05),两组拟合优度较好,该列线图模型具有良好的校准度。结论:基于住院老年患者MCI的影响因素构建临床预测模型,年龄增加、日常生活能力下降、受教育年限较少(3项指标)明显增加老年人发生MCI的风险。经过系列验证提示该模型的训练组和验证组均具有净收益范围,一致性和预测效能较好,为临床医务人员早期筛查MCI提供依据。

老年缺血性脑卒中患者急性期发生脑卒中后疲劳的影响因素及风险预测模型

目的分析老年缺血性脑卒中患者急性期发生脑卒中后疲劳(PSF)的影响因素,并基于随机森林模型和Logistic回归模型构建风险预测模型。方法选取2家医院的老年缺血性脑卒中患者分别作为训练集(304例)、验证集(102例)。收集患者的一般资料、入院时血清学指标检测结果,并采用疲劳严重程度量表(FSS)对患者进行疲劳评估。在训练集中进行单因素分析,将有统计学意义的血清学指标纳入Lasso回归模型筛选预测变量,再分别使用随机森林模型和Logistic回归模型构建老年缺血性脑卒中患者急性期发生PSF的风险预测模型。利用验证集数据,通过受试者工作特征曲线、校准曲线、Hosmer⁃Lemeshow拟合优度检验、决策曲线分析评价两个模型的预测性能。结果最终筛选出5个具有非零系数的预测变量,分别为C反应蛋白(CRP)、同型半胱氨酸(Hcy)、总胆固醇、空腹血糖、胱抑素C。随机森林模型依据基尼指数减少平均值对预测变量进行重要性排序依次为CRP、Hcy、总胆固醇、空腹血糖、胱抑素C。Logistic回归模型显示,空腹血糖、总胆固醇、CRP、胱抑素C及Hcy水平升高可增加老年缺血性脑卒中患者急性期发生PSF的风险。外部验证结果显示,随机森林模型和Logistic回归模型的曲线下面积、准确度、灵敏度、特异度、阳性预测值、阴性预测值分别为0.905和0.885、0.814和0.755、0.830和0.855、0.800和0.787、0.780和0.826、0.846和0.696。两种模型校准度均良好,在阈值0.08~0.86范围内具有较高的净收益率。结论空腹血糖、总胆固醇、CRP、胱抑素C、Hcy水平与老年缺血性脑卒中患者急性期PSF的发生密切相关。基于上述血清学指标构建的随机森林模型和Logistic回归模型在预测老年缺血性脑卒中患者急性期发生PSF方面均具有较好的价值,其中随机森林模型的预测效能相对较好,而Logistic回归模型能直观解释变量对PSF发生风险的影响程度,可以作为随机森林模型的补充。

机器学习随机森林模型在财政收入预测中的应用研究

财政收入预测在现代财政管理中扮演着不可或缺的角色。采用机器学习中的随机森林模型,结合陕西城市房产税收入和一般公共预算收入月度实际数据,挖掘影响各税种收入的关键因素,进而对陕西财政收入进行预测和分析。研究结论显示,随机森林模型能精准预测财政收入并分析其影响因素。相比于传统方法,该预测模型提高了预测准确性,能够为制定财政预算方案和优化财政政策提供科学依据,具有实际应用价值。基于财政收入影响因素与收入预测结果,为优化陕西财政政策提出建议。

德阳森林火险气象等级系统及预测应用

为探究德阳森林火险分区,为德阳市构建完备的森林火险预报系统提供技术参考,本文对德阳森林火险概况进行了探讨,并基于最新国家森林火险气象等级标准,结合四川德阳的气候环境及地形特点,建立本地森林火险精细化监测预报模型,并在此模型基础上进行相关的业务系统开发。结果表明,基于智能网格预报制作森林火险气象风险等级预报,其可用性、准确性、产品精细度有明显的提升。选取2023年冬季1月1~20日期间德阳森林火险预报产品进行分析,系统对于11日绵竹市和12~13日中江县西部的森林火险等级预报为3级(中等风险),这与在某一项或多项气象要素超过同期平均水平时,可能出现较高火险的情况相吻合,研究结果将为德阳森林火险预报和防灾减灾提供一定的支持。

基于粒子群算法和BP神经网络的多因素林火等级预测模型

针对现有小尺度林火预测模型预测结果有效性、可扩展性等方面的不足,通过考虑多种火险因素,构建BP神经网络预测模型以提高预测精度,在此基础上借助粒子群算法加快BP神经网络收敛速度,进而提出一种混成的多因素森林火险等级预测模型particle swarm optimization based back-propagation neural network (PSO-BP)。所构建的预测模型,能够同时考虑气候因素(日最高气温、日平均气温、24 h降水量、连旱天数、日照时数、日平均相对湿度、日平均风速)、地形地貌因素(海拔、坡度、坡向、土壤含水量)、可燃物因素(植被类型、可燃物含水率、地被物载量)、人为因素(人口密度、距人类活动区域的距离) 16个变量。基于南京林业大学下蜀林场森林防火实验站传感器网络所采集的实际数据及现场测量数据,通过一组试验验证提出模型的有效性。结果表明:基于训练数据集及检验样本所构建的模型能够开展有效的火险等级预测;模型的计算复杂度较单独使用BP神经网络模型明显下降。

基于随机森林算法的糖尿病肾病患者血液透析中发生低血压预测模型的建立

目的:建立预测糖尿病肾病患者血液透析中发生低血压的随机森林模型。方法:选取2020年01月—2021年12月进入我市三个透析中心进行血液透析的200例糖尿病肾病患者作为研究对象,采用Logistic回归分析筛选糖尿病肾病患者血液透析中发生低血压的危险因素,采用R软件建立预测糖尿病肾病患者血液透析中发生低血压的随机森林模型。结果:Logistic回归分析结果显示,年龄≥70岁、贫血、低白蛋白血症、身高<160 cm、透析液温度≥36℃、超滤量≥5%、干体重不合理及透析龄>5年等是糖尿病肾病患者血液透析中发生低血压的危险因素(P<0.05)。随机森林模型结果显示,影响糖尿病肾病患者血液透析中发生低血压的因素重要性排序依次低白蛋白血症、身高、透析龄、年龄、干体重、透析液温度、超滤量及贫血。随机森林模型预测糖尿病肾病患者血液透析中发生低血压的AUC为0.834。结论:低白蛋白血症、身高<160 cm、透析龄>5年、年龄≥70岁、干体重不合理、透析液温度≥36℃、超滤量≥5%及贫血等是糖尿病肾病患者血液透析中发生低血压的危险因素,随机森林模型有助于临床简单快速进行糖尿病肾病患者血液透析中发生低血压风险分析和及早制定相关的防治措施。

湖南省森林火险天气等级预测模型研究

为提高湖南省森林火险天气等级预测精度,降低空报和漏报比例,基于湖南省各县2005—2015年森林火灾数据及各县气象站对应的同期气象资料,利用变异系数方法确定了日最高气温、风速、相对湿度、降雨量等天气因子的分段区域,设定了各区域的得分值,并运用主成分分析方法确定了不同分段区域对湖南省森林火灾的影响权重,建立了加权森林火险天气指数模型,根据天气指数确定森林火险天气等级。经2015年森林火灾数据验证模型精度达到了74.2%,表明了该森林火险天气等级预测模型具有适用价值。

井冈山森林气象火险预测模型及火险等级区划研究

利用江西省2003—2018年全省林火数据,探讨江西省林火发生的时空变化及对应气象影响因子的特征,并建立出包含气象要素变量的林火预测模型。结果发现,江西火点主要集中在赣南地区,2007—2009年期间森林火灾多发,冬季1—3月易发生森林火灾。通过逐步回归的方法选取10个显著相关的气象要素变量进行林火预测模型的建立。模型对林火和非林火的预测概率分别为85.1%和38.8%,预测总准确率可达65.6%,使用井冈山地区林火数据代入模型进行验证,模型对井冈山区域的林火发生预测准确率为84%,研究结果可为当地林火预报服务及森林防灾减灾决策提供技术支持。

森林可燃物含水率气象预测模型在森林火险预报中的应用

森林可燃物含水率是森林火险预报中的主要指标之一。利用黑龙江省伊春林区5个气象站1961—2005年逐日气象资料、森林火灾次数资料和五营林业气象试验站1991—2005年森林可燃物含水率观测资料,采用统计回归法,建立森林可燃物含水率与气象要素关系模型,并将可燃物含水率预测模型引入到森林火险气象指数模型中。结果表明:森林可燃物含水率模型模拟效果较好,引入森林可燃物含水率气象预测模型可提高森林火险气象指数模型的应用效果,并划分了森林火险气象指数在伊春林区森林火险等级预报中的应用指标值。森林可燃物含水率模型可祢补可燃物含水率组份缺少观测资料的不足,促进森林火险等级预报的应用水平。

基于随机森林算法建立肾结石腔内手术后并发尿脓毒血症预警模型的价值

目的探讨基于随机森林算法建立肾结石腔内手术后并发尿脓毒血症的预警模型的价值。方法以行腔内手术治疗的362例肾结石患者为研究对象,根据患者术后是否发生尿脓毒血症将其分为尿脓毒血症组和非尿脓毒血症组,收集患者的临床资料,采用多因素logistic回归筛选影响患者术后并发尿脓毒血症的危险因素,运用R软件建立预测肾结石腔内手术患者术后并发尿脓毒血症的随机森林模型,并验证模型效能。结果34例患者肾结石腔内手术后发生尿脓毒血症、发生率为9.39%;尿脓毒血症组和非尿脓毒血症组患者的年龄、性别、糖尿病、结石直径、结石数量、感染性结石、手术时间等资料比较,P<0.05;多因素logistic回归筛选结果显示,年龄、性别、糖尿病、结石直径、结石数量、感染性结石、手术时间均为肾结石腔内手术患者术后发生尿脓毒血症的独立危险因素(P<0.05),随机森林模型对肾结石腔内手术后并发尿脓毒血症重要性预测的排序为手术时间、糖尿病、感染性结石、性别、结石直径、结石数量以及年龄,两种模型均具有较好的预测效能。结论随机森林算法建立的风险预测模型对肾结石腔内手术后并发尿脓毒血症具有较好的预测效能。

基于随机森林算法的COPD病人功能障碍的影响因素

目的:探讨慢性阻塞性肺疾病(COPD)病人的功能障碍现状及其影响因素,为COPD的防控提供参考依据。方法:选取2020年6月—2021年3月天津市3所三级甲等医院的214例COPD病人,采用一般资料调查表、改良版呼吸困难问卷(mMRC)、COPD疾病评定量表(CAT)以及简明版ICF-COPD核心集进行问卷调查,通过随机森林算法对影响因素进行重要性排序,筛选出重要影响因素,应用Logistic回归模型探索其影响因素。结果:COPD病人功能障碍总得分为(15.13±8.36)分。随机森林算法选取的6个影响因素为CAT得分、近1年有无急性加重、个人消费用的用品或物质、气候、慢性阻塞性肺疾病全球倡议(GOLD)分级以及有无合并症。将这6个变量纳入Logistic回归分析,结果显示CAT评分(OR=11.091)、个人消费用的用品或物质(OR=5.136)、有无合并症(OR=2.480)、近1年急性加重(OR=2.347)是COPD病人功能障碍的影响因素。结论:疾病症状严重、药物获取或有效利用存在障碍、具有合并症、近1年有急性加重史和GOLD分级较高对COPD病人功能障碍影响较大。临床护理人员应重视COPD病人的功能障碍,有针对性地进行早期识别与干预。

随机森林模型和Logistic回归模型预测髋部骨折患者住院时间延长的效能比较

背景:髋部骨折发生率与日俱增,由于此类人群身体状况较差,常需要长时间住院,而住院时间延长导致床位流通率下降和经济负担增加。目前针对髋部骨折延迟出院的预测模型较少,此次研究旨在寻找针对髋部骨折延迟出院的最佳模型,指导临床决策。目的:探究髋部骨折患者住院时间延长的危险因素,建立两种不同的风险预测模型,获得最佳风险预测工具,为临床干预及管理提供参考。方法:回顾性分析2019年1月至2021年12月天津市天津医院收治的老年髋部骨折患者683例,将全部患者按7∶3比例随机分成建模组(479例)和验证组(204例),以住院时间的第75百分位数为分界点(>28 d),分为住院时间延长组和正常组。基于建模组采用SPSS和R软件进行单因素分析和多因素Logistic回归分析和变量重要性排序筛选最佳预测变量,构建列线图及随机森林模型。基于验证组通过ROC曲线下面积、准确度、灵敏度、特异度、阳性预测值和阴性预测值评价并比较两种模型的预测效能。结果与结论:(1)Logistic回归分析显示,骨牵引、肺炎、再骨折、多发性创伤、静脉血栓、肺感染和年龄校正Charlson合并症指数(ageadjusted Charlson Comorbidity Index,ACCI)是髋部骨折患者住院时间延迟的危险因素。(2)随机森林模型根据基尼指数减少平均值排序显示,年龄、骨牵引、手术类型、ACCI、肺炎是前5个指标,对延迟出院的预测有重要影响。(3)Logistic回归模型和随机森林预测模型的ROC曲线下面积、准确度、灵敏度、特异度、阳性预测值、阴性预测值分别为0.774(95%CI:0.696-0.853)和0.708(95%CI:0.627-0.789)、60.78%和90.85%、80.39%和23.53%、50.82%和78.09%、86.01%和46.15%,结果显示Logistic模型具有较好的预测效能。(4)上述结果证实,Logistics回归模型和随机森林模型对髋部骨折患者住院时间延长均具有较高的预测价值,这对临床医护人员及时识别高危患者并采取有效干预措施降低髋部骨折患者住院时间具有重要意义。

基于高频超声定量参数及临床相关资料构建早产儿主动脉瓣二瓣化畸形发病预测模型

目的 基于高频超声定量参数及临床相关资料构建早产儿主动脉瓣二瓣化畸形(BAV)发病预测模型。方法 选取2020年1月—2022年12月收治的86例BAV早产儿作为研究组,按照1︰1比例选取86例无BAV的早产儿作为对照组。统计2组临床资料、高频超声定量参数及表现,构建随机森林模型和多因素Logistic回归方程模型,采用受试者工作特征(ROC)曲线分析2种模型预测早产儿BAV发病的效能。结果 2组早产儿25-羟基维生素D、心肌型脂肪酸结合蛋白(H-FABP)、心肌肌钙蛋白I(cTnI)、心肌型肌酸激酶同工酶、家族史、高频超声主动脉瓣正向最大血流速度(V_(max))、高频超声跨瓣压差、高频超声主动脉瓣狭窄、高频超声主动脉瓣反流、高频超声主动脉受累扩张及早产儿母亲年龄比较差异有统计学意义(P<0.01)。采用随机森林算法构建早产儿BAV发病预警模型,根据平均准确度下降程度进行重要性排序,从高到低依次为早产儿高频超声V_(max)、高频超声跨瓣压差、高频超声主动脉瓣狭窄、H-FABP、cTnI、家族史,该模型预测早产儿BAV发病的曲线下面积(AUC)为0.974,敏感度为0.954,特异度为0.988;多因素Logistic回归方程显示,早产儿高频超声V_(max)、高频超声跨瓣压差、高频超声主动脉狭窄及H-FABP、家族史、cTnI是早产儿BAV发病的影响因素(P<0.01),据此构建的多因素Logistic回归方程预测模型预测早产儿BAV发病的AUC为0.924,敏感度为0.919,特异度为0.930。结论 基于高频超声定量参数及临床相关资料构建早产儿BAV发病预警模型具有可行性,且预测效能良好,能为临床诊疗工作提供参考。

基于气象和时空因子的森林火险等级预测

传统森林火险预测方法在特征选择上主要依据气象因子,未考虑时间因子、空间地理位置、地形地貌等因素,可能在林火预测中产生较大误差,传统预测模型在面对不同林区更大的数据集和预测任务时,无法快速自动调参和自适应调整输入特征维度。笔者引入时间因子和空间因子,丰富火险预测特征,以降低森林火险等级预测中产生的误差;为解决传统火灾预测算法在大数据集和多分类问题上效率逐渐下降问题,提出核主成分分析算法(kernel principal component analysis,KPCA)和改进的极限学习机算法(extreme learning machine,ELM)相结合的森林火险等级预测模型。结果表明,该模型能有效提高森林火险等级预测的准确率和执行效率。相对传统预测模型,其准确率可达89%,在预测时间上也有一定优势。