随机Dirichlet空间上的点态乘子

设∑a_(n)z^(n)∈D_(α)^(p),R _(f)(z)=∑■_(n)a_(n)z^(n)是f的随机化函数,利用闭图像定理和Carleson测度讨论了随机Dirichlet空间上的点态乘子的有界性,得到了R_(f)(z)∈M(D_(α)^(p),D_(β)^(q))的一些判别条件.

考虑空间溢出效应的高速公路交通事故随机参数频次模型

为提高高速公路事故频次模型参数估计的准确性,本文以精细的事故记录、道路属性、交通流状态和天气条件数据为样本,首先,构建传统的事故频次模型并对比拟合效果,选择效果最佳的泊松-对数正态分布模型作为优化的基础模型;之后,为挖掘更多的影响高速公路事故频次的空间效应,在加入条件自回归先验的基础上,本文考虑相邻路段的空间溢出效应,建立一个带有空间溢出协变量的模型分析空间溢出效应对路段事故频次的影响。同时,为描绘数据的异质性对路段事故频次的影响,进一步构建一个随机参数模型。结果表明,空间溢出效应显著有效,考虑空间自相关和空间溢出效应的随机参数模型的拟合优度相较于对照模型明显提升。根据最优模型的参数估计结果进行风险因素甄别,其中,“ln(MADT)”“ln(路段长度)”“1类车”“4类车”“降水”等普通变量以及“1类车S“”圆曲线长S”等空间溢出协变量与事故频次显著相关。

空间结构模型优化的弹性参数FFT-MA随机建模

快速傅里叶变换滑动平均(FFT-MA)法是一种灵活高效的随机建模方法,在地下介质高分辨率建模、复杂介质非平稳建模和不确定性评价等方面具有重要的应用价值。准确构建空间结构模型是利用FFT-MA方法生成合理的随机模型的关键。然而,以往对FFT-MA方法的研究并未提出准确构建空间结构模型的有效方法。为此,文中提出了一种有效的空间结构模型估计方法。该方法基于反演思想,通过最小化随机模型与测井数据和地震数据的空间结构差异,分别估计空间结构模型的纵向自相关长度和横向自相关长度。同时,为了优化空间结构模型的估计效果,在纵向自相关长度的反演过程中引入边界保护正则化,以提高反演的稳定性。此外,将地震约束引入模型优选以提高随机模型的稳定性。实验结果表明:该方法能够稳定估计地下介质的非平稳空间结构模型,从而建立准确描述复杂储层非平稳空间相关特征的高分辨率随机模型。与基于序贯高斯协模拟的随机建模方法相比,使用空间结构模型优化的FFT-MA随机建模方法能够有效刻画多种复杂地质构造从而实现复杂储层建模。

基于随机森林算法的FY-4A地表入射太阳辐射空间订正

筛选时次、天顶角、FY-4A AGRI全圆盘地表入射太阳辐射(SSI)、云覆盖率(CFR)、云检测(CLM)以及云类型(CLT)产品构建特征向量,采用随机森林方法开展FY-4A SSI逐时产品的空间订正研究。结果表明、随机森林算法对于提升FY-4A SSI产品的空间分布精度具有明显作用,订正后相关系数、平均偏差、平均绝对误差均有不同程度的改善,且能很好地解决FY-4A SSI产品的过高估计及FY-4A SSI产品在太阳天顶角大于70°时无观测问题,有效提高FY-4A SSI产品在高纬度地区的可用性。

基于随机森林模型的合肥市主城区轨道交通站域空间活力与建成环境关联性测度

以合肥市主城区轨道交通站域为例,基于百度热力指数等多源数据分析其空间活力特征,采用随机森林模型测度地理区位、土地利用、功能设施、开发强度、交通便利度以及环境品质6个维度的建成环境要素与轨道交通站域空间活力的关联性。同时,结合K-means聚类算法,划分轨道交通站域类型并识别典型站域存在问题,从而针对不同类型轨道交通站域提出空间活力优化策略。结果表明:①合肥市主城区轨道交通站域空间活力在时序上呈现“晚高峰高于早高峰,休息日晚高峰高于工作日晚高峰”特征,在空间上呈现“内高外低”由二环线向外逐渐递减的空间分异格局;②综合工作日与休息日早/晚/非高峰时段建成环境变量对轨道交通站域空间活力的相对重要性排序,由大到小依次为:功能设施>开发强度>地理区位>土地利用>交通便利度>环境品质;③合肥市主城区轨道交通站域可划分为成熟型、成长型、初熟型、孕育型4类,聚类特征明显,在空间上呈现“圈层结构”。其中,成熟型站域集聚分布在二环线内,成长型站域沿二环线呈环状分布,初熟型站域主要呈零散状分布在二环线外滨湖区与经开区,孕育型站域主要分布在二环线外城市各区,分布范围较广。研究旨在从建成环境视角为轨道交通站域空间活力提升与低碳交通策略提供政策启示。

中国流动矿工结核病健康教育空间分布及影响因素基于随机森林模型

目的:利用空间分析描述流动矿工结核病健康教育空间分布与空间聚类,再利用随机森林模型和logistics有序回归筛选影响流动矿工人口结核病健康教育的因素,加强流动矿工人口的结核病管理。方法:基于2017年全国流动人口动态监测调查数据,使用全局和局部空间自相关描绘结核病健康教育空间分布格局,使用随机森林算法对影响因素进行重要性排序并降维,将筛选后的变量纳入有序logistic回归。结果:在1165流动矿工人口中共计545(46.78%)人接受结核病健康教育,矿工中男性比重较大,年龄大部分集中于30~50岁。流动矿工的结核病健康教育水平较高的地区分布在四川、陕西和山西。通过全局空间自相关分析,显示流动矿工接受结核病健康教育的分布具有一定空间集聚特征。随机森林模型显示,变量数为10时袋外估算误差率最低,依次为年龄,教育,和谁来往,就业身份,居住意愿,和谁流动,周劳动时间,性别,婚姻,参保情况。有序logistics回归分析显示,小学及以下(OR=1.585,95%IC:0.074~0.847)、无固定雇主的雇员(0.538,95%IC:-1.225~-0.016)、家庭型或团体性迁移(0.714,95%IC:-0.593~-0.08)、没想好居留(0.536,95%IC:-1.01~~-0.238)的流动矿工接受结核病健康教育的可能性更小;与其他人员交往(1.593,95%IC:0.192~0.739)、已参保(2.069,95%IC:0.032~1.422)的流动矿工接受结核病健康教育的可能性更大。结论:2017年全国流动矿工人口结核病健康教育水平较低。较低的文化水平、考虑是否留居本地、家庭型迁移、无固定的雇主、未参保是影响流动矿工人口接受结核病健康教育的危险因素。

基于随机森林算法的荆州市降水量空间插值研究

精确的降水量空间分布式信息对气象灾害预警和水资源管理至关重要。文章以荆州市观测降水量资料为基础,构建基于随机森林(RF)的降水量插值模型,对荆州市降水量进行空间插值。结果显示,2022年荆州市降水量介于726.00~1269.00mm,呈现中等程度离散性。观测降水量与协变量之间呈非线性复杂关系,所使用的环境变量具有一定解释意义。基于该模型插值得到荆州市降水量呈现东西部高、中部低的地带性特征。结果可为类似地区的降水量插值研究提供参考。

基于空间聚焦机制的混沌随机蚁群算法

为了提高蚁群算法在大规模旅行商问题上的性能,本文提出了一种基于空间聚焦机制的混沌随机蚁群算法(CRACS)。首先,使用空间聚焦机制将旅行商问题划分为几个子类;其次,提出了一种改进混沌随机蚁群算法来求解子类;最后,将各个子类路线进行聚焦,选择最优连接路线动态连接各个子类,形成旅行商问题的最优解决方案。本文选取不同规模的典型旅行商问题进行了仿真实验,实验结果表明本文提出的算法在大规模问题上具有优秀的性能,相比于其他智能算法具有更优质的解和更快的搜索速度。

Dirichlet空间上拟齐次符号H-Toeplitz算子的交换性

文章刻画了拟齐次符号的H-Toeplitz算子在Dirichlet空间上的交换性.当不同次拟齐次符号H-Toeplitz算子满足交换性,则必有一符号函数在1点的取值为0;相同次拟齐次符号H-Toeplitz算子必满足交换性.这与Bergman空间上具有相同符号的H-Toeplitz算子的交换性不同.

基于随机森林模型算法的城市创新空间演变影响要素研究——以武汉市主城区为例

城市创新空间的发展演变存在显著差异,关注其成因及关键影响要素具有重要现实意义。文章以武汉市主城区为研究对象,运用随机森林模型这一机器学习方法,对影响研究区域内创新空间演变的因素进行分析。结果表明,随机森林模型在处理该数据集方面表现出较好的拟合效果,能够有效捕捉影响因素与创新空间演变的复杂非线性特征。同时,该模型还揭示了影响创新空间演变的重要因素为人口密度、距商业中心距离、地铁站密度和路网密度。基于以上分析,为城市创新空间未来的发展提出建议。

上游空间信息融合对随机森林模型预报长三角日尺度臭氧污染的性能提升研究

我国大气臭氧污染呈加剧态势,准确的臭氧污染预报是开展应急防控以降低其污染水平的前提条件.机器学习模型具有计算效率高、操作简单等优点,在臭氧污染预报中的应用日趋广泛.臭氧污染水平除了取决于本地光化学反应生成外,也与区域传输密切相关.然而,现有基于机器学习的臭氧日最大8 h滑动平均(MDA8)预报并未通过考虑空间信息以体现臭氧区域传输的影响,或在融合空间信息时只考虑了目标站点同一聚类监测站点,不能全面反映区域传输对臭氧浓度的重要作用,导致模型预报臭氧MDA8和污染事件的准确率都较低.鉴于此,本研究开发了一种融合上游空间信息的随机森林算法,该算法能从大范围臭氧监测站点中提取与预报目标站点相关的臭氧上游空间信息,提取后的上游空间信息包含丰富的臭氧急剧变化信号,从而提高随机森林模型对臭氧MDA8的预报精度和对臭氧污染事件的预报准确率.将融合上游空间信息的随机森林模型(L-RF)应用于长三角地区163个空气质量监测站点,选取位于南京、上海和杭州的6个站点为目标站点,其余站点为目标站点提供空间信息.结果表明,与未融合空间信息模型(RF)相比,L-RF对臭氧MDA8的预报性能有了显著提升,决定系数R2从0.67提升到0.80,平均绝对误差MAE从20.95降低到16.19.L-RF能准确预报MDA8急剧上升的趋势且峰值浓度与实测值最为接近,其预报臭氧污染事件的准确率最高可达84%,远大于RF的40%;预报臭氧骤升骤降事件的准确率可达52%,远大于RF的18%.L-RF特征变量重要性分析表明上游空间信息融合是臭氧污染预报性能提升的关键原因.

加权再生核空间中信号的随机采样稳定性

针对一般概率分布获取的独立随机样本,在核函数不满足对称性的条件下,在加权再生核子空间中研究了信号的随机采样稳定性。首先,基于加权再生核子空间的框架刻画,在有界区域上用有限维子空间逼近加权再生核空间。其次,通过研究加权再生核子空间中信号的无穷范数与p范数的关系,估计标准化有限维子空间的覆盖数。最后,证明了当采样量足够大时,能量集中于立方体上的加权再生核信号的随机采样稳定性以高概率成立。

基于GPM遥感数据与随机森林算法唐山市降水量空间制图研究

准确预测降水空间分布是水文气象研究与应用中的重要研究方向之一。以衡水市2020年12个气象站点年降水量为基准值,以GPM卫星降水产品、DEM地形因子、经纬度信息作为协变量,采用随机森林(RF)方法拟合降水量空间分布规律,并预测生成30m空间分辨率的降水量分布图。结果表明,降水量制图建模的样本数据具有统计学意义,GPM卫星数据符合高斯分布;RF准确拟合了降水量分布细节信息,降水呈现自动向西、自南向北减少的格局,其验证精度R2达0.62,MAE和RMSE分别为MAE和RMSE仅为55.81 mm、65.88 mm。该制图结果克服了该地高分辨率水文气象信息缺失的问题,可为类似站点稀疏地区异源降水数据融合提供基础。

基于随机森林模型的卡马兰河流域土壤有机碳储量空间分布研究

大兴安岭林区土壤有机碳储量对于区域碳源汇变化及气候响应研究具有重要意义。本文基于土壤剖面数据,结合多种环境变量,采用随机森林(RF)模型,估计了大兴安岭卡马兰河流域0~30 cm深度的土壤有机碳储量(SOCS)及其空间分布特征。结果表明:RF模型(R2 = 0.75, RMSE = 6.81)对小尺度区域的模拟细节表现较好,研究区0~30 cm的SOCS主要分布在地势相对平坦的河流沿岸,与河流走向基本保持一致。研究结果得出了相对精确的卡马兰河流域表层土壤有机碳储量及空间分布特征,该成果能够丰富大兴安岭多年冻土区土壤有机碳储量的认识,并为生态过程相关模拟研究提供数据支持。Soil organic carbon stocks in the forested areas of Great Khingan are of great significance for the study of regional carbon source and sink changes and climate response. In this paper, based on soil profile data and combining multiple environmental variables, we estimated the soil organic carbon stock (SOCS) and its spatial distribution characteristics at 0~30 cm depth in the Kamalan River watershed of Great Khingan by using the random forest (RF) model. The results showed that the RF model (R2 = 0.75, RMSE = 6.81) performed well in simulation details for small-scale areas, and the SOCS at 0~30 cm in the study area was mainly distributed along the river with relatively flat topography, which was basically consistent with the river course. The results of the study yielded a relatively accurate characterisation of the surface soil organic carbon stock and spatial distribution in the Kamalan River basin, which can enrich the understanding of soil organic carbon stock in the perennial permafrost region of the Great Khingan and provide data support for simulation studies related to ecological processes.

基于随机森林算法的人口空间化研究

大幅度人口数量的增加和城市化水平的不断发展,加大了城市管理和资源配置的难度。为更好探究人口空间化变化特征以协调资源配置,研究在基于随机森林算法基础上,选取夜间灯光和信息点等多源数据进行影响机制分析,发现森林算法模型估算的人口数值主要集聚在网格的左下角部分,且其分布呈现出“中心高值聚集-四周低值环绕”的空间格局,该模型可以解释因变量约86.3%的变异,拟合效果较好。同时住宅用地特征数量与其特征贡献值之间呈现上升态势,生活服务点核密度为0.3-0.9时的特征贡献值基本维持在200-400之间,表明两者对人口估算值具有正向作用,有助于探究人口空间精细分布的影响因素,并为后续研究人口空间化分布态势提供了新的思路。

卷积神经网络与随机场分析桩梁基础承载力

岩土体的参数在空间上随机分布,为能更好地反应实际工程地质条件,在桩基础承载力研究中考虑土体的不确定性,并建立具有重要工程价值的承载力预测模型,将基于随机场理论的岩土参数空间变异性引入桩梁基础的研究中,采用数值方法建立桩梁基础与群桩基础的二维随机有限元模型分析承载能力,并与模型试验结果验证。随后通过卷积神经网络建立土体参数随机场图像与基础极限承载力之间的模型进行承载力预测,并基于预测模型研究不同参数的影响。结果表明:考虑土体空间变异性的基础承载力与试验结果基本吻合,随机结果均高于确定性分析;随机场下桩梁基础与群桩基础的承载力均为正态分布;采用卷积神经网络建立的基础承载力预测模型精度较高,且可以用于参数分析,基础承载力随着土体参数的增加而增加,随变异系数的增加而下降。随机条件下,桩梁基础的承载力高于群桩基础,可以充分发挥土体强度并抵御参数不确定性带来的承载力损失。

近40年海南岛国土空间格局演化的生态效应及其影响因素

科学认知国土空间格局演化与生态服务的关联作用及主导影响因素,可为区域国土空间开发和生态环境保护提供决策支持。采用空间转移矩阵、InVEST模型分析1980—2020年海南岛国土空间格局及生态系统服务的时空演化特征,并在此基础上引入综合生态服务指数(CESI)和国土空间转型生态贡献率评估国土空间格局演化的生态效应,最后运用随机森林模型探究生态系统服务演化的主导因素及作用机制。结果表明:(1)近40年海南岛城镇空间持续扩张,农业空间不断缩减,生态空间先增后减,全域国土空间交叉转化总规模达到2717.11km^(2),其中以生态空间与农业空间的动态转换最为显著,生态空间和农业空间向城镇空间转换次之,城镇空间向生态空间和农业空间的转换最弱。(2)生态系统服务功能中产水量分布呈现“东北部高、西南低”的分布特征,土壤保持、碳储量、生境质量及综合生态服务指数分布则表现为“中部高、四周低”,40年间各类生态系统服务功能均呈现不同的程度的下降趋势,这是海南岛生态系统服务功能恶化趋势大于改善趋势的结果,其中生态空间向农业空间和城镇空间的转换是区域生态服务功能恶化的重要原因。(3)海南岛生态服务功能受到自然地理、交通区位、社会经济和政策的综合作用,交通区位、社会经济以及自然地理类因素影响作用显著,政策类因素影响相对较弱,且各影响因素与生态系统服务功能间呈现非线性相关关系。

考虑渗透系数空间变异性的堤防工程渗流分析

水力参数的空间变异性对堤防的渗流状态有明显影响,对其进行量化分析可为堤防的安全运行提供保障。为此,基于随机场理论建立了非侵入式随机渗流分析框架,研究了复杂堤防在不同随机场参数下堤防内水力坡降、渗流量等渗流控制指标的变化规律。结果表明,变异系数每增大0.2,堤防内粘土的水力坡降最大值增加20.4%,中砂则增加60.5%,水力参数空间变异性的影响不可忽视。此外,同时考虑堤防内所有材料的随机渗流特性与仅考虑粘土随机渗流特性相比,粘土内最大水力坡降和流量存在较小波动,这意味着粘土作为主要防渗材料,其渗流安全主要受自身材料属性的影响。

基于随机数据驱动SDMD的电力系统区域惯量评估方法

准确评估系统惯量对于支持未来低惯量电力系统的系统安全运行至关重要。文中提出了一种随机数据驱动下基于机电响应特征的系统惯量评估方法,从随机响应信号中实现了区域有效惯量的评估。首先,通过将随机Koopman理论与随机动态系统相结合,推导出了随机Koopman空间上机电特征与系统惯量的耦合关系。然后,利用子空间动态模式分解(SDMD),以数据驱动的方式提取系统机电响应特征。该算法通过正交投影和奇异值分解,在压缩数据的同时实现了系统状态矩阵的低秩近似,可以有效减弱观测噪声对计算结果的影响。最后,采用IEEE 4机2区系统和IEEE 10机39节点系统的数值模拟算例验证了所提算法的有效性和鲁棒性。

改进随机森林模型在人口空间化中的应用

基于随机森林模型的人口空间化方法未考虑人口空间分布非平衡性,利用Bootstrap采样加剧样本的不均衡性,使其不具有代表性,造成模型预测精度较低。针对此问题,本文以成都市为例,通过相关性分析提取影响人口分布的特征因子,基于K-means++聚类算法对数据集进行聚类处理,然后利用Bootstrap采样法从各簇中抽取等量的数据融合作为训练子集构建改进随机森林模型,并与传统随机森林模型进行对比。运用改进后的随机森林模型对成都市2020年人口数据进行空间化,并与WorldPop数据集进行精度对比。结果表明,基于改进随机森林的人口空间化模型整体精度达80.5%,较改进前提高了约3.4%,有效提高了模型预测精度;相较于WorldPop数据集,基于改进随机森林模型的人口空间化结果在拟合度及精度方面均较优。