基于面向对象随机森林算法的主被动遥感协同实现农作物自动识别

以Sentinel-1/2哨兵卫星获取的雷达和多光谱遥感影像为数据源,提取多时相光谱反射和微波后向散射特征变量,基于面向对象的随机森林算法对吉林省扶余市水稻、玉米和大豆分类,并与支持向量机算法比较,综合评估基于多源遥感数据的面向对象随机森林算法对大范围农作物自动识别的适用性。结果表明:利用多时相多源遥感数据能够有效提高作物分类精度。面向对象随机森林算法的分类总体精度为87.32%,高于支持向量机算法9.82%。利用面向对象随机森林算法结合多时相主被动遥感特征变量能够准确地自动识别大范围农作物,可为作物种植面积调查与产量估值提供重要的支撑。

应用无人机可见光影像和面向对象的随机森林模型对城市树种分类

为及时准确的了解城市树种空间分布信息,提升城市居民生活水平和推动城市生态系统可持续发展。以福州市仓山区城市森林为研究对象,应用无人机(UAV)监测城市树种空间分布及其动态变化的可见光影像,根据最佳尺度对影像进行分割,并提取分割对象的光谱、地形、指数、纹理和几何特征。通过对不同类型特征的组合构建不同的分类方案,利用递归特征消除法(RFE)筛选出优选特征子集,利用面向对象方法结合随机森林(RF)模型对城市树种进行分类。结果表明:在随机森林模型分类的过程中,利用光谱特征对树种分类的总体分类精度为82.12%;地形特征对树种分类的贡献度率为14.96%;指数特征和纹理特征的引入,在一定程度提高了树种的分类精度;几何特征的贡献较小,在分类过程中没有明显的贡献。特征优选子集的S10方案分类精度最高,总体精度达92.42%,Kappa系数为0.91。说明特征优选能够降低高维度特征的复杂性,在大幅减少数据冗余的同时提高了分类精度。在最优特征子集下,随机森林(RF)算法分类的总体精度比极致梯度提升(XGBoost)、轻量级梯度提升机(LightGBM)和k最近邻算法(KNN)分别提高了1.15%、1.81%和15.15%,Kappa系数分别提高了1%、2%和17%。

基于面向对象结合随机森林模型的Sentinel-2A影像耕地信息提取

为了更快、更准确地提取耕地信息,以山东省青岛市莱西市夏格庄镇为研究区,利用Sen⁃tinel-2A影像融合光谱特征、遥感指数特征、纹理特征和形状特征等31个特征变量,设计4种耕地信息提取方案,采用结合面向对象的随机森林(Random Forest,RF)分类模型提取耕地信息,并基于相同分类条件,与传统机器学习分类方法对比,评价模型的优适性。结果表明:结合所有分类特征变量的方案4耕地提取效果最佳,其中旱地提取精度高达99.6%,大棚提取精度达88.4%;5种分类方法中,结合面向对象的RF模型耕地提取精度最高,减弱了分类结果的“椒盐”现象,优化了分类结果。

一种随机森林增强的车载容迟网络路由算法

针对车载容迟网络(Vehicular Delay Tolerant Network,VDTN)中车辆节点高速移动造成的通信链路不稳定性问题,利用车辆节点的移动模式,提出了一种随机森林增强的VDTN路由算法.首先,引入与车辆节点运动相联系的属性并利用动态相遇奖励机制对车辆节点进行分类,以此构建初始随机森林模型.接着,从决策树的分类性能和多样性两个方面优化模型,选择分类性能好、多样性高的决策树构造改进的随机森林模型,其中,决策树的分类性能和多样性分别根据每棵树分类错误率及相应的惩罚权重和由不合度量定义的决策树之间的相似度来衡量.最后,根据改进的随机森林模型提出新的VDTN路由算法.仿真实验证明,所提出的路由算法能显著提高消息的投递率,降低消息的投递时延,从而验证了其有效性.

一种基于随机森林的OFDM系统自适应算法

针对动态变化的信道环境,自适应正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统可以对子载波间隔和循环前缀长度进行调整,以最大化系统的吞吐量。为了能够快速准确地找到OFDM系统在不同信道环境中的最优子载波间隔和循环前缀长度取值,本文提出了基于随机森林的OFDM系统自适应算法。随机森林算法基于集成的思想,能够有效处理高维度数据,并且具有高效率、高准确率和强泛化能力等优势,可以在复杂的数据场景下进行有效的分类。通过提取通信过程中信噪比、用户移动速度、最大多普勒频率和均方根时延扩展等信道特征与OFDM系统的子载波间隔和循环前缀长度组成训练样本,利用随机森林算法创建了OFDM系统参数多分类模型。所提模型可以根据输入的信道特征,实现OFDM系统子载波间隔和循环前缀长度的自适应分配。同时,针对训练样本主要集中在少数几个系统参数类别的情况,利用合成少数类过采样技术对较少样本数的类别进行扩充,满足了随机森林算法对训练样本类别平衡化的需求,进一步提高了算法的分类准确率。相比传统的自适应算法,所提算法具有更高的分类准确率和模型泛化能力。分析和仿真结果表明,与子载波间隔和循环前缀长度固定的OFDM系统相比,本文所提出的自适应算法能够准确选择出最优的系统参数,可以有效地减轻信道中符号间干扰和子载波间干扰的影响,从而在整个信噪比范围上提供最大的平均频谱效率。基于随机森林的OFDM系统自适应算法能够动态地分配子载波间隔和循环前缀长度,增强OFDM系统的通信质量和抗干扰能力,实现在不同信道环境下的可靠传输。

基于随机森林算法的图书馆文献信息自动检索方法

传统图书馆文献信息自动检索工具只建立了图书馆文献自动检索索引,而未对图书馆文献进行分类存储,导致传统方法检索效率低。基于此,文章提出基于随机森林算法的图书馆文献信息自动检索方法。该方法可以对用户的问题关键词进行提取,从而提高文献信息检索的准确度;可以对图书馆文献进行分类,建立图书馆文献自动检索索引,实现了图书馆文献信息的自动检索。经对比实验证明,该方法的文献信息检索效率较高,值得推广。

基于改进随机森林的大坝监测数据质量评价算法

针对大坝安全监测数据质量评价效率低下、智慧化不足等难题,为了满足大坝高频率自动化采集的实时数据质量评价需要,从准确性、完整性、时效性和连续性4个方面出发提出了6项评价因子及由相关评价规范构成的安全监测历史数据质量评价标准,通过基于AUC值改进的随机森林算法建立了大坝安全监测历史数据质量评价算法,并将该算法应用于新疆柳树沟面板堆石坝多年安全监测历史数据评价。结果表明:通过AUC值改进的随机森林算法优于原始算法,在特征属性数量取3时效果最好,测试集的泛化误差最小仅为0.0195,平均准确率稳定在96.97%附近,10折交叉验证平均准确率达到97.77%,证明了该算法的可行性。

基于随机森林算法的急性持续性眩晕患者脑卒中风险预测模型构建

目的构建基于随机森林算法的急性持续性眩晕患者脑卒中风险预测模型。方法回顾性选取2019年1月至2022年12月郑州市第七人民医院400例急性持续性眩晕患者为研究对象,采用6∶4比例将患者分为训练集(240例)及验证集(160例)。利用R 4.1.3软件包将最终获得的训练集数据中未发生脑卒中的患者定义为0,发生脑卒中的患者定义为1,收集受试者临床数据,采用软件包中随机森林等数据包筛选急性持续性眩晕患者脑卒中发生的影响因素,并构建基于随机森林算法的预测模型,通过绘制列线图对预测模型进行可视化处理,使用一致性指数(C-index)、决策曲线分析预测结果;通过验证集数据验证该模型预测效能。结果随机森林算法共筛选出中枢性眩晕史、高血压、房颤史、高脂血症4个变量为急性持续性眩晕患者脑卒中发生的影响因素,构建基于随机森林算法的预测模型,绘制列线图显示,预测急性持续性眩晕患者脑卒中的C-index为0.846(95%CI 0.760~0.910),校正曲线显示绝对误差为0.043;验证集C-index为0.827(95%CI 0.738~0.895),绝对误差为0.048。受试者工作特征(ROC)曲线分析显示,预测模型预测急性持续性眩晕患者脑卒中的ROC曲线下面积(AUC)为0.820,敏感度为81.00%,特异度为78.00%。决策曲线分析训练集的阈值概率范围为22%~100%,在该范围内根据模型的预测概率进行干预的临床净收益高于对所有人不进行(无)和对所有人进行干预(所有)。结论中枢性眩晕史、高血压、房颤史、高脂血症是持续性眩晕患者脑卒中风险预测因子,基于此建立的随机森林算法预测模型可用于急性持续性眩晕患者脑卒中发生风险的预测。

基于超参数优化算法的随机森林模型预测奶牛呼吸频率

奶牛呼吸频率是评估环境造成的奶牛热应激程度的重要指标之一。该研究基于随机森林(random forest,RF)算法提出了适用于生产条件下的奶牛个体呼吸频率准确预测模型,为了平衡模型精度与计算效率问题,利用遗传算法(genetic algorithm,GA)、差分进化(differential evolution,DE)算法、粒子群优化(particle swarm optimization,PSO)算法、贝叶斯优化(Bayesian optimization,BO)算法对模型超参数进行优化,并与网格搜索(grid search,GS)下的人工神经网络(artificial neural network,ANN)和极限梯度提升机(extreme gradient boosting,XGBoost)模型进行了对比分析。研究结果表明,使用融合环境参数的修正温湿指数(adjusted temperature-humidity index,ATHI)、时间区域、奶牛产奶量、泌乳天数、身体姿势以及胎次作为输入特征时,基准RF模型的预测性能最佳。在此基础上,4种智能优化算法下的RF模型性能优于GS-ANN和GS-XGBoost,其中BO-RF的综合性能最优,其决定系数、平均绝对误差、平均绝对百分比误差以及均方根误差分别为0.614次/min、7.723次/min、14.4%、9.737次/min,超参数优化耗时约为DE-RF的1/220。特征重要性分析表明,输入因子对奶牛呼吸频率的影响程度不同,ATHI是影响力最高的因子,相对重要性(relative importance,RI)为0.73,其次是时间区域(RI=0.09)和奶牛产奶量(RI=0.07)。研究为奶牛生产、健康评价及牛舍环境精准调控提供了有效方法和基础。

基于随机森林算法的重型颅脑损伤患者并发急性胃肠损伤的现状及风险模型构建

目的探讨重型颅脑损伤患者并发急性胃肠损伤的危险因素,为预防急性胃肠损伤提供借鉴。方法2021年1月至2023年1月,便利抽样法选取某院收治的重型颅脑损伤患者150例为研究对象,建立基于重型颅脑损伤并发急性胃肠损伤的危险因素的随机森林算法的预测模型。结果150例重症颅脑损伤患者中,并发急性胃肠损伤患者94例,占62.67%。是否并发急性胃肠道损伤的患者在糖尿病、白蛋白、APACHE-Ⅱ评分、休克指数、液体负平衡、酸中毒、深度镇静、呼吸衰竭方面的差异均有统计学意义(均P<0.05)。构建重型颅脑损伤并发急性胃肠损伤的随机森林模型,树的数量为103时出现的错误率最低;影响重型颅脑损伤并发急性胃肠损伤的因素重要性排序为糖尿病、液体负平衡、急性生理与慢性健康评分、白蛋白、深度镇静及酸中毒;随机森林模型预测重型颅脑损伤并发急性胃肠损伤的受试者工作特征曲线(receiver operating characteristic,ROC)下面积(area under curve,AUC)为0.798,Logistic回归模型的AUC为0.773。结论构建的重型颅脑损伤并发急性胃肠损伤的风险预测模型预测效能较高,临床值得推广应用。

柱塞泵滑靴磨损信号随机森林算法故障诊断

为了提高低负载下柱塞泵滑靴磨损故障状态诊断精度,提出基于随机森林算法的柱塞泵滑靴磨损故障状态识别方法。重点分析了低负载条件下各类柱塞泵滑靴故障信号的频域特征值,构建了特征数据库。验证了上述方法的适应性,并测试了柱塞泵不同程度松靴故障的诊断情况。研究结果表明:滑靴磨损后频域表现出明显的波动性,袋外错误率和决策树数量呈现反比变化规律,基本都在0.05附近,将决策树最优棵数n设定在400。以随机森林算法诊断特征数据库时,在250组样本中只发生了1组误识别情况,达到了98.75%的识别准确度。随机森林方法训练时间、训练准确度与测试准确度都比其它各算法更优。松靴故障诊断结果获得了高于99.5%的总体诊断准确度。采用随机森林方法柱塞泵磨损故障状态诊断表现出优异适应性,能够对柱塞泵各故障状态进行准确诊断。

基于随机森林算法和K-means算法的网络攻击识别方法

5G网络与核电的深度融合能够提升核电厂生产安全管控水平,减少人为事故,促进核电行业安全和经济发展。但由于网络的接入,为核电安全生产带来了一定的安全风险,恶意攻击者会通过向核电5G网络发起攻击进而破坏核电生产。为了解决核电5G网络场景下面临的网络异常和恶意攻击的问题,提出了一种在核电5G网络场景下基于随机森林算法和K-means算法的实时网络异常检测和网络攻击识别方法,对于提高核电网络安全具有重要的意义。

基于随机森林算法的二氧化碳驱油与封存主控因素研究

在碳达峰、碳中和目标背景下,二氧化碳驱油与封存是经济可行的碳减排的主要技术手段。明确影响二氧化碳驱油与封存效果的主控因素,是实现二氧化碳高效驱油与封存的基础。在行业标准算例PUNQ-S3模型的基础上,综合考虑二氧化碳与原油混相作用和二氧化碳构造、残余、溶解、矿化封存机理,构建了二氧化碳提高原油采收率与地质封存一体化数值模拟模型,结合随机森林智能算法,开展了影响二氧化碳驱产油量和封存量的储层和生产参数特征重要性分析,考虑驱油与封存时间尺度的差异,建立了参数时序特征重要性分析方法,实现了在不同二氧化碳驱油与封存阶段的主控因素分析。结果表明,二氧化碳驱油与封存时序随机森林模型准确性高,在二氧化碳驱油与封存前期,二氧化碳构造封存量受储层含水饱和度控制,溶解封存量受地层水矿化度控制;在二氧化碳驱油与封存中、后期,二氧化碳构造封存量则受储层渗透率控制,溶解封存量则受储层渗透率与地层水矿化度控制;残余封存量在二氧化碳驱油与封存前期较小,导致其主控因素不明显,在二氧化碳驱油与封存中后期受储层渗透率与含水饱和度控制;二氧化碳矿化封存量在整个二氧化碳驱油与封存阶段受地层水pH值与矿化度控制;二氧化碳驱油量在整个二氧化碳驱油与封存阶段受储层渗透率及含水饱和度控制。时序随机森林算法可以明确不同二氧化碳驱油与封存阶段的主控因素,为二氧化碳提高原油采收率和地质封存的高效实施提供了技术支撑。

基于随机森林模型与SHAP算法的渝东北烟区土壤交换酸含量影响因素分析研究

【背景和目的】土壤交换酸含量在农业生产中对于指导施肥和调节土壤pH具有重要作用,研究环境因子(气候、地形、成土母岩)和种植年限对土壤交换酸(Exchangeable Acidity, EA)含量的影响。【方法】以重庆市东北烟区为研究区,对该区中483个采样点的土壤交换酸数据进行统计分析,构建随机森林(Random Forest, RF)模型并结合Shapley Additive exPlanations(SHAP)算法,探讨影响土壤交换酸含量的主控因素。【结果】(1)研究区土壤交换酸含量在1.56~27.50 cmol/kg之间,与降水、日照时数、坡向、种植年限呈极显著负相关性。二叠系石灰岩发育的土壤交换酸含量显著高于三叠系石灰岩发育的土壤。(2)RF模型可解释土壤交换酸含量空间变异的64%,影响因子对土壤交换酸含量的重要性为气候>成土母岩>种植年限>地形。(3)SHAP算法揭示了土壤交换酸含量在不同气候条件下存在明显的阈值效应。当年均降水量、日照时数和均温分别超过1250 mm、1290 h和12℃时,会导致土壤交换酸含量的减少,反之则会促使其增加。【结论】气候是影响土壤交换酸含量变异最重要的环境因素,其中降水和日照时数是最重要的气候因子,研究结果可为烟田土壤酸化管理调控提供参考。

基于随机森林算法的薄煤层工作面开采效能预测研究

薄煤层开采环境恶劣,开采效能受井下多种因素影响。为研究各因素对开采效能的影响程度,预测薄煤层开采效能,首先,从130个已开采薄煤层工作面中提取了煤层厚度、工作面长度、煤层平均倾角、煤层硬度、煤层断层、煤层顶底板、煤层水文、煤层夹矸、瓦斯矿井类型、煤层自燃性、煤层稳定性、煤层层状起伏、采煤工艺、工作面月产量和工作面主要装备等15种开采效能影响因素,将其详细划分为20个影响因子;其次,筛选了37个数据较完整的工作面样本,并基于随机森林算法、网格搜索法和3折交叉验证法训练了薄煤层工作面开采效能最优预测模型,其测试集准确率约95.2%,R2为0.924;同时,最优模型绘制了开采效能影响权重图,月产量、采煤机装备、工作面长度和煤层厚度对开采效能影响较大,其他参数影响较小;最后,以双阳煤矿某薄煤层工作面为例,对其开采效能进行预测,并从工作面产量、工人工效和装备利用率三方面对预测值进行理论校验,校验结果在随机森林模型的预测范围内,验证了随机森林开采效能预测模型的可靠性,为薄煤层工作面开采设计提供了一种参考。

基于随机森林算法的隧(巷)道光面爆破参数选择模型研究

为解决隧(巷)道光面爆破中参数选择困难的问题,构建了基于随机森林算法的隧(巷)道光面爆破参数选择模型。模型以围岩质量分级BQ、隧(巷)道断面面积、炮眼直径为输入参数,以最小抵抗线长度、炮眼间距、炮眼深度为输出参数。使用了24个训练样本、7个测试样本进行模型训练及测试,结果表明,炮眼间距、最小抵抗线长度、炮眼深度3个输出参数值与测试样本对应参数值之间的平均相对误差分别为17%、8.8%、22%,可见模型对于最小抵抗线长度的选择效果较好,对炮眼间距、炮眼深度的选择效果欠佳。

基于多特征组合优选与随机森林算法的石漠化信息提取——以云南省昭通市为例

石漠化是我国西南地区最主要的地质生态灾害之一,其引发的土地资源丧失、生态系统退化、干旱缺水等问题严重威胁着地区的生态安全、粮食安全和不发生规模性返贫。因此精确提取石漠化信息对区域经济社会持续发展至关重要。针对当前石漠化信息提取中存在的时相单一、时效性差、区域尺度提取结果精度低等问题,以云南省昭通市为例,提出一种多特征组合优选的分类方法。在优选样本和特征的基础上,利用Sentinel-2影像和DEM数据提取光谱、指数、植被覆盖度、基岩裸露率、纹理、地形等多特征,构建5种分类方案,并采用随机森林分类算法完成提取。结果表明:2020年昭通市石漠化土地面积为2820 km2,占全市土地利用/覆被面积的11.11%,分类结果与实地调查区域一致性较好;利用Jeffries-Matusita distance(JM距离)得到的特征优选方案总体精度为88.0%,Kappa系数为0.85,石漠化土地生产者精度和用户精度分别达到91.2%和83.8%。本研究提出的方法能够较为准确地获取区域尺度石漠化空间分布信息,可为相关部门开展石漠化防治与监测工作提供参考。

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.

基于灰狼算法改进随机森林算法的爆破振动速度预测研究

为改善露天矿爆破作业过程中的峰值质点速度在采用传统经验公式和单一仿生算法时预测精度不够的问题,引入灰狼算法(GWO)优化了随机森林算法(RF)中决策树的棵数和层数2个超参数,成功构建了基于灰狼算法改进的GWO-RF爆破振动速度预测模型。结合某爆破工程69组爆破监测数据,以爆心距、最大段药量、总装药量、微差时间、炮孔数、孔距、孔深及排距为输入参数,运用GWO-RF预测模型和RF模型进行爆破振动峰值速度预测对比。结果表明:GWO-RF组合算法能够考虑更多符合实际的爆破振动速度影响因素,GWO-RF组合算法误差率比RF算法提高了37.83百分点;GWO-RF组合算法的爆破振动速度预测精度达到97.72%。说明GWO成功优化了RF中决策树的2个超参数,也证明GWO-RF组合算法能很好进行露天矿爆破振动速度预测。

基于随机森林算法的电力工程数据预测分析建模与仿真

针对电力工程数据量大、种类较多且传统分析模型处理效果不佳等问题,文中构建了一种基于随机森林算法的电力工程数据预测分析模型。该模型通过采集层获取各种工程数据,并在数据分析层运用经灰狼优化算法改进的随机森林算法对各种数据进行深度挖掘及学习,以获得电力工程数据的预测结果,从而满足应用层的业务需求。基于Matlab仿真平台进行数值实验论证的结果表明,所提模型的平均绝对百分比误差与均方根误差分别为4.15%、34.19万元,且均优于其他对比模型。