基于Sentinel-2A NDVI时间序列数据和随机森林方法的高山冷凉蔬菜识别

该研究基于Sentinel-2A卫星的归一化差值植被指数(NDVI)时间序列数据,结合随机森林(RF)分类方法,对高山冷凉蔬菜种植区域进行精准识别与分类。以西吉县为研究区,利用2023年覆盖高山冷凉蔬菜全生育期的Sentinel-2A遥感数据,构建10 m高空间分辨率的NDVI时间序列数据,结合田间实测数据,使用RF分类方法对高山冷凉蔬菜进行识别分类。结果表明文章提出的方法在高山冷凉蔬菜种植区域识别中表现出了较高的精度和稳定性,总体精度达93.52%,Kappa系数为0.89。

基于改进特征筛选的随机森林算法对锂渣混凝土强度的预测研究

本工作提出了特征变量筛选结合特征变量相关性的方法,对构建的锂渣混凝土28 d抗压强度数据库进行优化,分别建立了随机森林模型和深度神经网络模型用于测试数据库,并以相关系数(R)、均方根误差(RMSE)和平均相对误差(MAE)三个指标对模型的预测结果进行对比分析。结果表明,预测锂渣混凝土的28 d抗压强度时,采取改进的特征变量筛选方法能够有效提高模型的预测效果,此外,特征变量筛选的前后随机森林(RF)模型的预测效果明显优于深度神经网络(DNN)模型。

基于优化负样本采样策略的梯度提升决策树与随机森林的汶川同震滑坡易发性评价

强震诱发的滑坡具有数量多、分布广、规模大等特点,严重威胁人民生命财产安全。滑坡易发性评价能够快速预测灾害空间分布,对于减轻震后灾害的危险性具有重要意义。在同震滑坡易发性评价研究中,如何选取滑坡负样本并通过耦合机器学习模型提高评价精度的对比研究仍需进一步研究。以山区汶川地震诱发的滑坡为研究区,首先选取地形地貌、地质环境、地震参数等10个滑坡评价因子,分析滑坡空间分布规律;其次因子共线性分析检验数据冗余,接下来采用频率比法(FR)选取极低、低易发区滑坡负样本点的采样策略;最后采用基于决策树演化改进的梯度提升决策树(GBDT)、随机森林(RF)和耦合模型(FR-GBD与FR-RF),开展了基于机器学习的同震滑坡易发性区划并进行精度评价。研究结果表明:①滑坡空间分布受到多层级因子控制;②模型预测精度为:FR-RF(AUC=0.943)>FR-GBDT(AUC=0.926)>RF(AUC=0.901)>GBDT(AUC=0.856);③在低易发区选择滑坡负样本可以明显提高易发性精度。研究成果可为滑坡易发性中负样本的选择和评价模型构建提供参考同时也为震后滑坡的防灾减灾提供理论支持。

基于麻雀搜索算法与随机森林融合模型的个人信用评估

针对如何准确评估复杂的用户信用问题,提出一种基于麻雀搜索算法的随机森林(SSA-RF)模型,利用SSA优化RF模型中决策树和最小节点数,并基于优化后的RF模型对数据样本进行分类,并评估所提模型和传统模型的性能.研究结果表明:SSA-RF模型具备较高的准确性.

基于随机森林算法的中国及周边区域电离层f_(o)F_(2)预测模型

电离层F2层的临界频率(f_(o)F_(2))的平方与峰值电子密度(N_(m)F_(2))成正比,是影响GNSS性能的关键参数之一,提升电离层f_(o)F_(2)的预测精度对于优化GNSS广播电离层模型性能并提升GNSS的定位精度具有重要意义.本文基于中国及周边区域的18个测高仪台站和COSMIC(constellation observing system for meteorology,ionosphere,and climate)掩星观测数据,综合考虑世界时、年积日、地理位置、太阳和地磁活动等多维特征,利用随机森林(random forest,RF)算法构建了电离层f_(o)F_(2)预测模型.通过与国际参考电离层(international reference ionosphere,IRI)-2020模型对比分析,验证了该模型的预测精度.研究结果表明,与IRI国际无线电咨询委员会(International Radio Consultative Committee,CCIR)和IRI国际无线电科学联盟(International Union of Radio Science,URSI)模型相比,RF模型的平均绝对误差(mean absolute error,MAE)分别降低了14.81%和17.11%,均方根误差(root mean squared error,RMSE)分别降低了11.21%和13.14%.此外,该模型在不同纬度、地方时、太阳活动和地磁活动条件下,均展现出优于IRI-2020的预测精度.本研究不仅有效提升了中国及周边区域电离层f_(o)F_(2)的预测精度,还为提高GNSS的准确性和可靠性奠定了重要基础.

基于随机森林和SVM算法的信息技术企业财务困境预测

信息技术企业在快速发展的同时,面临激烈的市场竞争与高度的不确定性,近年来,不断有信息技术上市企业陷入财务困境,因此信息技术上市企业的财务困境预测对于投资者、企业和市场监管部门等十分重要。采用随机森林与支持向量机(SVM)两种机器学习算法,以A股上市的信息技术企业为例对样本公司在T年的财务困境情况进行了研究,并利用算法的评价指标对各个模型在不同时期的预测结果进行比较。研究结果表明,在同一数据集上的两种模型都具有较高的准确率,而SVM模型的预测效果要优于随机森林模型,并且越靠近T年,两个模型的预测效果越好。

基于LSTM-RF的电动钻机绞车齿轮箱故障诊断

针对提高石油电动钻机绞车齿轮箱故障诊断的准确性和效率,提出了一种基于长短期记忆网络(long short-term memory,LSTM)和随机森林(random forest,RF)融合模型。首先,运用LSTM能够从大规模数据中学习复杂特征,将这些特征作为随机森林的输入。然后,通过随机森林处理非线性和高维数据以及对特征的分类,以实现对齿轮不同故障状态的识别。最后,利用电动钻机绞车齿轮箱运行过程中的实时数据,建立了一个包含多种齿轮故障类型的综合数据集。试验结果表明,LSTM齿轮故障诊断准确率为94.67%,RF齿轮故障诊断准确率为94.34%,支持向量机齿轮故障诊断准确率为82.00%,K近邻齿轮故障诊断准确率88.33%,而融合模型LSTM-RF在齿轮故障诊断准确率方面达到了98.33%,克服了单一模型的局限性,提高了诊断准确性。研究表明了融合模型具有更优的电动钻机绞车齿轮箱故障诊断能力。

基于RF-SFLA-SVM的装配式建筑高空作业工人不安全行为预警

为有效预警装配式建筑高空作业工人不安全行为的发生趋势或状态,增强对装配式建筑工人不安全行为(PBWUBs)的管控,采用随机森林(RF)-混合蛙跳算法(SFLA)-支持向量机(SVM)模型,开展工人不安全行为预警研究。首先,采用SHEL模型分析处于高空作业危险中的PBWUBs的影响因素,并通过RF确定关键预警指标;然后,采用SFLA对SVM的参数进行寻优改进;最后,利用RF-SFLA-SVM预警高空作业PBWUBs,提出应对措施,并与其他预警模型对比。研究结果表明:基于RF-SFLA-SVM预警高空作业PBWUBs,准确率最高,为91.67%,与其他模型的预警性能相比,最高提升14%。研究结果可为高空作业PBWUBs的防控提供参考。

基于随机森林算法和粗糙集理论的改进型深度学习短期负荷预测模型

精准的电力负荷预测有利于保障电力系统的安全、经济运行。针对现行预测算法存在的预测准确度低、模型耗时长等问题,提出一种基于随机森林(random forest,RF)算法和粗糙集理论(rough set theory,RST)的改进型深度学习(deeplearning, DL)短期负荷预测模型(RF-DL-RST)。该模型首先基于历史数据,利用随机森林算法提取影响负荷预测的关键特征量;然后将关键特征量和历史负荷值作为深度神经网络的输入、输出项进行训练,并通过粗糙集理论修正预测结果。最后,通过算例进行仿真验证,结果表明,该模型的预测准确度比单一的深度学习模型及不进行预测修正的模型更高。

基于RF-RNN模型的DNS隐蔽信道检测方法

为提高检测隐蔽信道的灵敏度,提出一种基于随机森林(Random Forest,RF)和循环神经网络(Recurrent Neural Network,RNN)的域名系统(Domain Name System,DNS)隐蔽信道检测方法。该方法采用域名检测作为主要手段,使用RF模型对域名进行分类,通过深度学习方法挖掘更高阶的特征表示。实验结果表明,与单一模型相比,该方法在检测准确性和健壮性方面均取得了显著提升。

基于DBSCAN-RF洪水分类的洪水预报应用研究

【目的】洪水分类预报能有效提高洪水预报准确性,为防灾减灾工作提供科学依据。【方法】针对分类因子和分类算法优选问题,以海河流域徒骇河宫家闸上游为例进行研究,(1)充分考虑产汇流影响因素与洪水特征,选取洪峰流量、洪水总量、时段洪量、洪水历时、起历时、落历时、峰度、偏度、涨水仰角、落水仰角、C_(s)、C_(v)、前3 d面雨量、前10 d面雨量、累计面雨量及最大面雨量等16维分类因子,使用主成分投影法(Principal Component Analysis,PCA)对分类因子降维提高计算效率;(2)基于密度聚类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)-随机森林(Random Forest,RF)算法进行洪水分类,减少对分类先验知识的依赖,提高了分类精度;(3)在徒骇河流域进行了方法应用,选择适用于半干旱半湿润地区的超渗-蓄满同时作用的产流模型及单位线汇流模型进行洪水分类预报研究,分别针对各类洪水进行模型率定。【结果】结果表明:轮廓系数为0.7015,表明DBSCAN算法聚类效果理想,基于RF算法的洪水分类准确率为91.67%,分类效果理想;经洪水分类预报,NSE系数均高于0.8,分类预报结果优于直接预报。【结论】结果说明:基于DBSCAN-RF洪水分类的洪水预报能较好地反映研究区域洪水演进过程,为研究区域洪水预报及防灾减灾工作提供依据。

基于RF-RFE算法的地铁车站洪涝灾害预测研究

地铁车站形式以地下段为主,进入雨期时受到洪涝灾害的威胁,易发生雨水倒灌现象,严重影响居民出行和地铁安全运营。为进一步提高地铁车站洪涝灾害预测的效果,提出基于RF-RFE和DNN神经网络的地铁车站洪涝灾害预测方法。首先,通过收集并分析已发生地铁车站洪涝灾害的案例,采用文献综述结合专家访谈的方法,构建地铁车站洪涝灾害初始变量集;然后,利用随机森林—递归特征消除(RF-RFE)算法,计算初始变量重要性并完成变量分类正确率排序,从初始变量集中筛选出重要变量;最后,建立DNN神经网络预测模型,并以筛选出的重要变量作为输入样本,训练DNN神经网络,完成对地铁车站洪涝灾害的预测。研究结果表明:(1)变量选择可提高预测模型精度,与初始变量集的DNN神经网络预测模型相比,数据筛选后的DNN神经网络预测模型准确率提高了4.36%;(2)RF-RFE和DNN神经网络算法结合具有良好的效果,预测模型准确率为88.1%,F1分数为0.9。

基于混合式SMOTE和RF模型的小额贷款公司客户信用风险研究

小额借贷中的个人信用风险问题持续制约着小额贷款行业的健康可持续发展。针对小贷公司在进行信用风险评估时对高违约风险客户识别准确率较低的难题,运用混合式SMOTE、RF算法来同时处理业务数据中高维、非均衡两个问题。本文借助江苏J小贷公司的实例数据,依次构建随机森林(Random Forest, RF)模型、SMOTE-RF模型以及Borderline-SMOTE-RF模型并进行模型测试;再选用SVM算法进行对比实验以此衡量模型的信用风险评价精度。随后基于模型对于指标重要性的评分筛选出6项指标作为影响个人信用风险的关键指标。实验证明基于Borderline-SMOTE-RF算法对于小额贷款个人信用风险评价模型的分类性能最佳;在筛选关键指标时,为避免人工合成虚拟样本对指标重要性影响,需要结合三类模型评分进行综合选择。

基于随机森林的SA-BiGRU模型的股票价格预测研究

为获取准确可靠的股价预测结果,针对股票数据非线性、多因子和时序性等特性,提出一种基于随机森林的SA-BiGRU(RF-SA-BiGRU)模型来预测股票收盘价。该方法在融合自注意力机制(SA)和双向门控循环单元(BiGRU)网络,构建SA-BiGRU模型的基础上,引入降维处理技术随机森林(RF)。采用2008-2022年顺鑫农业(000860)共260个因子数据,通过RF对260个因子进行降维筛选,将经过降维的股票数据作为SA-BiGRU模型的输入,先通过BiGRU充分提取股票数据本身的时空特征,再利用SA自动为BiGRU隐藏层状态分配相应的权重,减少历史信息的丢失和加强对重要因子的关注,然后传递给后续的神经网络层进行股价预测,实验显示RF-SA-BiGRU模型的预测精度和稳定性均优于其他模型。

基于RF建立的双层桥墩矢量式损伤极限状态能力模型

为了确定双层桥墩的抗震能力,基于随机森林(RF)算法构建了双层桥墩的矢量式损伤极限状态能力模型.将地震动激励角视作为一个符合均匀分布的随机变量,通过大量推倒(Pushover)分析构建双层桥墩的能力样本数据库,以训练其能力值预测模型,并利用SHAP进行特征重要性分析.结果表明:双层桥墩的能力阈值不服从对数正态分布,且分布参数明显不同于以往研究的建议值;矢量式损伤极限状态能力模型能有效识别双层桥墩能力的分层现象,决定系数R^(2)>0.95,具有良好的预测性;地震动激励角显著影响双层桥墩的抗震能力.相比于上层墩柱,双层桥墩严重损伤极限状态的目标值更容易受到下层墩柱特征参数的影响,可适当关注下层墩柱属性以增强双层桥墩整体的抗震性能.

基于RF和MLR的土壤重金属影响因素分析及生物有效性预测

为探究影响土壤中重金属累积和生物有效性的因素,以桂北地区某铅锌矿流域为研究对象,综合运用单因子指数法、风险评价编码法(RAC)、多元线性回归模型(MLR)和随机森林模型(RF)进行土壤重金属(Pb、Zn、Cu和Cr)累积影响因素分析及生物有效性预测。结果表明:研究区Cr含量无超标且空间分布相对均匀(变异系数为0.51);Cu、Pb和Zn的含量均值(分别为52.58、280.31 mg·kg^(-1)和654.71 mg·kg^(-1))均大于广西西江流域土壤重金属背景值,在思的河山前和地下河入口处全量和生物有效性均较大,对土壤生态环境具有一定风险;对于重金属全量分布和生物有效态的影响因素,阳离子交换量(CEC)、黏粒(Clay)、土壤有机质(SOM)和铁铝氧化物对Cr影响较大,SOM、Clay、pH和铁铝氧化物对Cu影响较大,pH、电导率(EC)和Clay对Pb影响较大,CEC、pH、土壤质地和铁铝氧化物对Zn影响较大;生物有效性预测结果显示RF和MLR均可较好地预测土壤重金属的全量与次生相,其中RF预测的R2区间为0.44~0.93,MLR预测的R2区间为0.30~0.72,RF预测结果表现更为准确。

基于RSIV-RF模型的凉山州泥石流易发性评价

针对随机森林(RF)模型进行泥石流易发性评价过程中存在连续型因子依靠主观意识分级、随机选取的非泥石流样本准确度较低等问题,以位于四川西南部的凉山彝族自治州为研究区,提出基于统计学先验模型抽样的随机森林对研究区进行泥石流易发性评价分区。利用累计灾害频率等曲线的相对变化对连续型因子进行分级处理;采用粗糙集理论(RS)和信息量法(IV)计算加权信息量值,划定极低和低易发性区并从中选择负样本数据。通过袋外误差(OOB)变化曲线确定RF模型的最佳树棵数n_estimators和分裂特征数max_features,随后构建加权信息量-随机森林(RSIV-RF)模型预测凉山州泥石流易发性。进一步地,与从全区随机选择非泥石流样本的RF模型开展对比研究。结果表明,训练集和测试集下RSIV-RF模型的准确度分别为0.89,0.83,且对应的ROC曲线的AUC值分别为0.920,0.895,均高于单独的RF模型;RSIV-RF绘制的泥石流易发性评价图与历史灾害分布较为一致,较高和高易发性等级区域占研究区面积比为18.625%,包含了78.57%的泥石流点。性能评估和易发性统计结果均表明基于RSIV-RF能够解决单独模型存在的非泥石样本采样不准确的问题,其泥石流易发性预测精度更高,在凉山州地区泥石流易发性评价研究中具有较好的适应性。

RF-MIP-LSTM股价预测模型

长短时记忆(LSTM)神经网络在预测股价波动这类复杂的非线性系统中展现了较好的性能,然而LSTM模型没有考虑三个门控机制的耦合关系和长时记忆对模型输入的影响。通过增加输入门控的长时记忆窥视和耦合了三个门控机制的唯一门机制,增强了长时记忆信息传递和模型的稳定性,构建了基于随机森林特征选择的RF-MIP-LSTM模型,并推导了模型的前向与反向传播算法。通过对中国农业银行、盐田港、格力电器三只股票价格和上证指数的预测和比较,表明RF-MIP-LSTM模型的收敛速度和预测精度均优于LSTM模型。

基于PCA-GA-RF的矿井突水水源快速识别模型

矿井突水已成为影响矿山安全生产的主要危害之一,快速准确识别突水水源类型是矿井突水灾害治理的关键步骤。提出了1种基于PCA-GA-RF的矿井突水水源识别模型;基于安徽省颍上县谢桥煤矿的88组水样实测数据,遵循分层随机抽样的原则,按照7∶3的比例将其分为62组训练样本和26组预测样本,经PCA提取4个主成分,构建PCA-GA-RF模型,并与PCA-RF、PCA-ABC-RF和PCA-FA-RF模型对比。结果表明:PCA-GA-RF模型判别结果准确率为96.153 8%,与其他模型相比准确率、精确率、召回率和F1值(精确召回率)最高,具有优越性。

小样本下基于SMOTE-IGWO-RF的轮毂电机轴承故障诊断

轮毂电机复杂多变的运行环境可能导致轴承故障而危及电动车辆行驶安全,为解决传统故障诊断方法在小样本条件下识别精度低的问题,提出一种基于SMOTE-IGWO-RF的轮毂电机轴承故障诊断方法。首先,通过合成少数过采样技术(SMOTE)扩展训练数据集,生成与真实样本分布相似的故障样本,并使用主成分分析(PCA)优化其时域和频域的特征。然后,通过引入非线性收敛因子和Levy飞行策略改进传统的灰狼优化算法(GWO),使用改进的灰狼优化算法(IGWO)优化随机森林(RF)模型的参数。最后,基于SMOTE-IGWO-RF的轮毂电机轴承故障诊断模型实现故障状态的识别,并在轮毂电机试验台架上进行了实验验证。结果表明,所提出的轮毂电机轴承故障诊断方法在7种转速工况下平均准确率均超过96%,具有高精度和稳定性。与遗传算法(GA)、粒子群优化算法(PSO)、GWO优化RF相比,提出的IGWO-RF模型在3种小样本训练集下的诊断准确率均超过90%,且准确率均明显高于其他3个对比算法,能够有效实现小样本条件下的轮毂电机轴承故障诊断。