基于二项logistic回归模型与CART树的煤层底板突水预测

为定量评价煤层底板突水信息对突水过程的影响程度,获得煤层底板突水规则,采用二项logistic回归与CART树相结合的方法进行煤层底板突水预测。在煤层底板突水信息分析的基础上,建立了包含全因素的煤层底板突水预测概率模型,基于向后逐步回归分析方法获得了包含6项主要突水信息的精简煤层底板突水预测概率模型。通过CART树算法获得了煤层底板突水规则,分类测试结果表明,所获得的突水规则分类准确率达到91.67%。

基于CART决策树的110 kV供电区域分布式光伏承载能力测算模型

分布式光伏受天气影响较大,测算110kV供电区域的分布式光伏承载能力,对区域供电来说意义重大。基于此,提出基于分类与回归树(calssification and regression tree,CART)的110kV供电区域分布式光伏承载能力测算模型。该模型以分布式电源输出功率、区域分布式电源发电量占比、局部分布式电源线损增量等数据为基础,利用CART决策树建立110kV供电区域分布式光伏承载能力测算模型,并使用改进鲸鱼优化算法求解测算结果。经实验测试发现,该模型对分布式光伏承载能力的测算精准度较高,可有效测算不同实验区域在不同季节时的分布式光伏承载能力,具有较高的应用价值。

一种面向对象的CART决策树火烧迹地提取方法

现有的火烧迹地遥感提取主要侧重于对光谱信息的判识,对遥感影像的形状、纹理、空间上下文等特征的挖掘尚不充分。为此,本文提出了一种面向对象的分类回归树算法(CART)决策树火烧迹地提取方法,旨在提升火烧迹地遥感信息提取的精度和可靠性。为验证方法的可行性,本文选取四川省冕宁县“4·20”森林火灾为研究区,以国产高分一号B星(GF-1B)卫星数据为数据源,对研究区影像进行面向对象的最优尺度分割,并采用CART决策树算法,根据不同地物的光谱、形状和纹理特征从中自动获取最优特征及其阈值,构建决策树实现火烧迹地提取。结果表明:该方法在火烧迹地上的提取精度(总体精度92.00%)和可靠性(Kappa系数85.56%)均优于既有的监督分类技术方法。相关研究方法和实验结果可为火烧迹地精准提取与灾后评估等研究提供参考。

基于Cart决策树与boosting方法的股票预测

针对股票预测模型的准确度不够高,存在过拟合及欠拟合等问题,在现有股票预测方法分析的基础上,给出了一种基于Cart决策树与boosting方法的股票预测方法。该方法针对现有预测模型在数据纵向性方面考虑较少,额外增添近10日均价及转手率两个纵向变化指标以提高股票走势预测的准确性;并且以Cart决策树方法为基础,采用boosting级联多棵决策树的方法建立股票模型来解决拟合度问题。预测实验结果表明,该方法对仪器仪表领域的股票预测效果较好,均方误差有所下降。

基于变化检测-CART决策树模式自动识别沙漠化信息

目前沙漠化遥感监测存在目视解译的局限性、数据源的约束性、遥感信息利用率低等问题。基于此,以民勤盆地为试验区,首先采用图像差值、最大值合成及二维最大类间方差等方法,检测1994年、2014年两期Landsat图像的变化像元,然后利用分类与回归树(CART)算法构建决策树,自动提取了2014年沙地信息,最后将变化检测结果与沙地信息进行空间叠置分析,并实现了沙漠化信息自动识别模式。研究表明,变化检测-CART决策树模式精度为89.43%~93.00%,在95%置信水平上其置信区间介于85.90%~98.00%,显然其精度具有较高可信度;该模式不仅能够充分利用丰富遥感信息而且可排除多余信息的干扰。可见,变化检测-CART决策树模式是识别沙漠化信息的有效方法之一,将对沙漠化防治工程具有重要应用价值。

基于CART决策树和RBF神经网络的山东省空气污染状况预测评估

为了更好地监测空气质量,作出相应的空气保护措施,本文运用CART树对山东省2018年的空气质量级别进行建模,并用2019年上半年的数据进行分类预测,并将此方法与RBF网络进行对比,实证分析表明CART树拟合效果更好,模型准确率更高。而此模型也可以运用到山东省空气污染情况的预测治理上。

基于CART回归树的LIBS特征变量选择方法研究

激光诱导击穿光谱技术(LIBS)用于检测时,由于谱线多且复杂,存在许多冗余的信息,这些都会对定量分析造成影响。因此,提取有效的特征变量在LIBS的定量分析中具有非常重要的意义。对CaCl_(2)溶液中的Ca元素进行光谱特征选择方法分析,对比单变量模型、偏最小二乘回归和CART回归树定标模型的准确度和稳定性。针对水体表面的波动性较大,光谱稳定性差,同时光谱受基体效应和自吸收效应影响等问题,首先采用单变量模型得到的拟合系数(R_(2))仅有0.9332,训练均方根误差(RMSEC)、预测均方根误差(RMSEP)和平均相对误差(ARE)分别为0.0192 Wt%,0.0177 Wt%和11.604%。经偏最小二乘回归优化后,模型R 2提高到0.9753,RMSEC,RMSEP和ARE分别降低到0.0108 Wt%,0.013 Wt%和7.49%。为了进一步提高定量分析的准确度,建立CART回归树定标模型。该方法在构建树模型时,通过平方误差最小化准则,从复杂的光谱信息中选取最优的特征变量组合做分类决策,从而建立Ca元素的定标曲线。通过CART回归树的变量选择,特征变量个数从100个减少到6个,变量的压缩率达到了94%,显著降低了无关谱线的干扰,回归树模型的相关系数R^(2),RMSEC,RMSEP和ARE分别为0.9975,0.0035 Wt%,0.0061 Wt%和2.500%。相较于传统的单变量模型与偏最小二乘回归,CART回归树模型具有更高的精度、更小的误差。通过对特征变量的有效筛选,剔除无关信号的干扰,显著降低了基体效应和自吸收效应对LIBS定量分析的影响,提高了定量分析的准确度和稳定性。

基于CART回归树及模型树算法的钢结构整体提升调平技术

高层或超高层建筑的多塔互联、大跨度悬臂等建筑造型常采用钢结构技术来完成,对于大体量的钢结构桁架体系的安装,通常采用整体提升方法来进行。由于初始地面高度和提升行程偏差等原因,被提升的钢桁架在提升过程中并非总是处于理想的水平状态,导致构件受力复杂,增加了提升的危险性。首先通过SAP2000模拟计算桁架整体提升过程中,吊点不同位移差状态时构件上各测点的微应变,用API读取并导入到Python中,然后基于CART回归树及模型树算法对计算结果进行训练,建立起吊点相对位移行程与测点微应变之间的对应关系,并验证算法的有效性。将某实际工程提升过程时的实时应变监测数据作为输入,实时获知了钢桁架的提升状态,正确调整各液压提升器的位移行程,使被提升钢桁架始终处于水平位置,保证了提升过程的安全性。

基于决策树CART算法的虫害预测模型分析

频发的农田虫害给农业生产造成了极大的影响,严重影响了我国的农业经济。虫害的发生受到众多复杂环境气象因子的影响,传统的基于经验预测或是应用数学理论建模预测虫害发生状况等方法准确率低,适应性差。针对以上问题,文章提出了基于CART算法的虫害模型,使用CART算法结合复杂的环境因子与虫害发生数量建模,用于预测未来虫害发生数量,可为虫害预警提供可靠参考。

基于CART-熵权法的管道腐蚀状态评估及其应用

管道腐蚀状态评估是管道完整性管理的重要部分,为了评估管道腐蚀状态,根据长输管道腐蚀特点,采用两轮内检测数据计算管道的局部腐蚀速率。以局部腐蚀速率为依据,采用分类与回归树(CART)将管道划分为若干单元,利用熵权法建立腐蚀状态评估模型,并结合工程实例分析了管道腐蚀状态的相对等级。结果表明:平均预估维修比(ERF)对该管道腐蚀状态的影响最大,该模型确定了腐蚀最严重的管段为44、38、45、37单元,便于业主对这些管段进行重点监测和维修;基于CART-熵权法的腐蚀状态评估模型能够很好地用于管道腐蚀状态评估工作,为业主制定检维修策略提供科学合理的依据。

基于CART决策树的柴油机故障诊断方法研究

采用一种自适应局部有效值(RMS)计算方法提取柴油机缸盖振动信号时域特征,结合分类回归树(CART)算法建立故障分类模型并进行柴油机的状态识别。通过实验获取柴油机失火和撞缸两种故障工况及正常工况下的振动数据,计算出原始信号的局部RMS后,根据自适应阈值确定点火冲击区域和非点火上止点冲击区域提取局部特征,最后将特征输入CART算法中构建分类模型来验证所提取特征的有效性。结果表明:柴油机在3种状态下的识别率均达到100%,基于CART算法和局部特征提取的方法能够有效诊断柴油机故障。

基于多因子模型和CART分类回归树的证券市场的预测及应用

本文基于多因子模型和CART分类回归树算法,利用因子分析法,研究了证券市场的预测问题。首先依据Fama和French因子分析方法选取了8大类公司财务指标建立了多因子分析模型,其次利用统计学中的因子分析法对所选因子进行了特征提取,得到贡献最大的五个特征,并分析了所得市场特征的市场意义,然后根据提取的市场特征及其市场技术指标建立了预测市场季收益率的CART分类回归树模型,并随机选取了了上交所20家公司进行了实证分析,结果表明预测模型具有较好的预测精度,其次,依据预测结果构造了顺势投资策略,获得了优于市场平均收益的良好回报。

基于聚类和分类与回归树的地力等级评价研究

以黄淮海平原粮食主产区河南封丘县为研究区域,利用基于GIS的土壤空间和属性数据库,采用聚类分析和分类与回归树(CART)相结合的方法建立了耕地地力评价模型。研究结果表明,基于聚类分析和CART的地力评价模型准确度为93.56%,较单独使用决策树模型的准确度有明显提高;根据耕地地力分级规则,一等地至五等地分别占全县61 733.3 hm2耕地的28.167%、49.518%、9.389%、5.77%和7.156%;地力等级较高的耕地主要分布于封丘西北部,地力较低的区域主要在东南部,由西北向东南地力呈带状递减趋势。本文的研究结果可为当地中低产田及其障碍因子的解析和农田精准管理提供参考依据。

自杀未遂影响因素与高危人群的分类树分析

目的了解自杀未遂的影响因素和高危人群,为自杀行为的干预提供科学依据。方法采用病例对照研究,对220对自杀未遂与对照进行分类树(CART)分析。结果抑郁、情感冲突、给予了朋友精神支持、载脂蛋白E(ApoE-E),2/3、低人均月收入、对现在生活不满意、吸烟、内向性格是自杀未遂的重要分类因素。高危人群有(1)情感冲突+抑郁;(2)情感冲突+无抑郁+较低人均月收入;(3)无情感冲突+抑郁+没有给予朋友精神支持;(4)无情感冲突+抑郁+给予朋友精神支持+ApoE-E2/3;(5)情感冲突+无抑郁+较高人均月收入+内向性格+不吸烟;(6)情感冲突+无抑郁+较高人均月收入+非内向性格+对现在生活不满意。所含病例数占总病例数的90%。结论为降低自杀行为发生率,临床医生及社区中相关人员应加强对该类人群的防治。

基于随机森林模型的城市非法营运车辆识别

区域经济社会的快速发展与交通出行的需求发展不匹配,在一定程度上为非法营运车辆提供了市场契机。城市高速公路的ETC(Electronic Toll Collection)数据可有效稽查高速公路的非法营运车辆,从而优化运行秩序并提升管理水平。文中提取ETC数据的有效字段,采用随机森林算法建立非法营运车辆识别分类器,加入CART(Classification and Regression Tree)分类树模型分类器和二元逻辑回归模型分类器与之对比,并以西南某市高速公路自2022年2月6日~2022年3月8日的ETC指标数据进行实证分析。结果表明,随机森林模型分类器比CART分类树模型分类器和二元逻辑回归模型分类器预测效果更好,其准确性高达98.75%。

融合多尺度分割与CART算法的矸石山提取

结合多尺度分割和CART算法的特性,提出一种新的目标信息提取方法。其基本思想是将小尺度分割与大尺度分割相结合,将影像分割成一系列同质性对象;以同质性对象为基本单元选择训练样本,后利用CART算法提取目标信息。实验结果表明:与单纯像素级的CART算法相比,该方法可有效减少提取结果的噪声,一定程度上排除了其他地类对目标信息的干扰,提取精度显著提高。

基于决策树算法的学生毕业去向预测

为找到影响高校学生去向的关键因素,更好地指导高校学生就业,本文对基于决策树算法的就业预测进行研究,在对学生在校期间的学习生活相关数据进行分析的基础上,提出CART树毕业去向预测模型,找到学生成绩和奖学金获得数量是影响学生毕业去向的关键因素,以期为主管学生就业的高校教职工提供决策参考。

基于CART的长输管道腐蚀速率计算方法

管道腐蚀速率评估是管道完整性管理的重要部分,为了得到比较准确的管道腐蚀速率,利用连续两轮内检测(ILI)的数据计算管道局部腐蚀速率,以局部腐蚀速率为依据,采用分类与回归树(CART)将管道划分为若干管段,通过对管段腐蚀速率的评估,建立管道腐蚀速率计算模型,并结合工程实例,比较分析了局部腐蚀速率、管段最大腐蚀速率、管线最大腐蚀速率对制定维修计划的影响。结果表明:该模型确定了腐蚀最严重的管段为1、6、12、25、38号管段,便于业主对这些管段进行重点监测和维护,并检查相关防腐蚀设施的有效性;基于CART管道划分的管段最大腐蚀速率方法最适用于作为管道评估腐蚀速率,该方法在确保管道安全的前提下,既能很好地表征各管段的腐蚀速率,又能防止管道的过度维修。

随机效应-最大期望回归树模型的模拟研究与评价

目的介绍随机效应-最大期望回归树模型(random effect-expectation maximization regression tree,RE-EM回归树)方法原理,比较RE-EM回归树与CART回归树在具有系统结构特征的纵向数据中的估计效果。方法通过计算机生成不同参数设置的模拟数据,比较在不同随机效应及残差存在相关结构的纵向数据中两种树模型对特征空间的预测能力,并通过均方残差指标对拟合效果进行评价。结果本研究所构建的RE-EM回归树在不同参数设置下的预测性能均优于CART回归树。结论RE-EM回归树具有较强的预测性能,能准确预测特征空间且数据拟合效果好,相对于CART回归树具有明显的优势。

基于决策树算法的广州南至珠海旅客发送量预测

本文根据决策树理论,选取CART回归树算法对广州南至珠海间的旅客发送量进行预测,并同时采用多元回归算法和时间序列中的ARIMA模型进行比较验证。结果表明:在选择RMSE和MAE作为评价指标的前提下,利用CART回归树模型能够较好地对广州南至珠海的旅客发送量进行预测,且精度优于多元回归算法和ARIMA模型等传统预测方法,验证了CART回归树算法的有效性和可靠性。