基于CTGAN与GDMPA-RF算法的活立木含水率诊断方法优化研究

活立木含水率的精准实时诊断是智慧林业领域的重要研究内容,其可为植物生理状态分析、林区生态水文调控、林火预警防范等做出关键指征。基于无线声发射传感器网络(Wireless Acoustic Sensor Network,WASN)系统的含水率测定方法既可实现高效无损探测,又能长期野外部署,尤为适合林场实际需求。为了进一步提升WASN的辨识准确率,首先利用条件表格生成对抗网络(Conditional Tabular GAN,CTGAN)对所采集的AE特征进行数据增广,其次基于分布式梯度提升框架(Light Gradient Boosting Machine,LightGBM)对扩增后的混合数据集进行特征优选,然后提出了黄金正弦动态海洋捕食者算法优化的随机森林(Golden-Sine Dynamic Marine Predators Algorithm-Random Forests,GDMPA-RF)策略,并以此建立含水率精准反演模型。实验对比结果显示,基于优选特征子集构建的GDMPA-RF模型在立木含水率诊断性能强化方面效果最佳,其准确率(Accuracy)、精确率(Precision)、F1分数(F1-Score)、加权平均(Weighted Average)和AUC分别为99.17%、99.52%、98.14%、0.9943和0.9850,均高于鲸鱼优化算法等结合RF模型的评估指标,说明方法具有优良的监测效能,较好地优化了活立木树干含水率的在线实时推演精度。