基于Deep Forest算法的对虾急性肝胰腺坏死病(AHPND)预警数学模型构建

为预报池塘养殖凡纳对虾(Penaeus vannamei)急性肝胰腺坏死病(AHPND)的发生,自2020年开始,笔者对凡纳对虾养殖区开展了连续监测工作,包括与疾病发生相关的环境理化因子、微生物因子、虾体自身健康状况等18个候选预警因子指标,通过数据标准化处理后分析病原、宿主与环境之间的相关性,对候选预警因子进行筛选,基于Python语言编程结合Deep Forest、Light GBM、XGBoost算法进行数据建模和预测性能评判,仿真环境为Python2.7,以预警因子指标作为输入样本(即警兆),以对虾是否发病指标作为输出结果(即警情),根据输入样本和输出结果各自建立输入数据矩阵和目标数据矩阵,利用原始数据矩阵对输入样本进行初始化,结合函数方程进行拟合,拟合的源代码能利用已知环境、病原及对虾免疫指标数据对目标警情进行预测。最终建立了基于Deep Forest算法的虾体(肝胰腺内)细菌总数、虾体弧菌(Vibrio)占比、水体细菌总数和盐度的4维向量预警预报模型,准确率达89.00%。本研究将人工智能算法应用到对虾AHPND发生的预测预报,相关研究结果为对虾AHPND疾病预警预报建立了预警数学模型,并为对虾健康养殖和疾病防控提供了技术支撑和有力保障。

公众森林碳汇购买意愿影响因素研究——基于TPB—NAM整合模型

有效的碳普惠机制与森林碳汇产品的价值实现对中国生态文明的建设至关重要,理清公众森林碳汇购买意愿影响因素对森林碳汇政策的制定具有现实意义。基于计划行为理论、规范激活理论并融合生态文明思想内核,选用结构方程模型,利用515份社会公众问卷数据,实证检验了公众森林碳汇购买愿意影响因素及作用机理。结果表明:(1)公众森林碳汇购买意愿是理性和道德交互作用的结果,而非纯理性或纯道德驱动行为;(2)行为态度、感知规范和知觉行为控制都对公众森林碳汇购买意愿具有显著正向影响,但影响程度具有差异性,其中感知规范对购买意愿影响最大,因此公众环境道德素养是影响其森林碳汇购买行为的最重要因素;(3)社会公众森林碳汇购买意愿影响因素表征变量的具体作用表现不同:感知规范中,公众个体道德规范对其森林碳汇购买意愿影响最大;行为态度中,公众森林碳汇生态、政治效益认知对购买意愿影响最大;知觉行为控制中,森林碳汇信息量、森林碳汇价格等都是影响公众森林碳汇购买意愿的因素,但影响程度差异不大。

近40 a闽江流域森林景观格局动态变化

以1986年、2003年、2021年3期Landsat遥感影像数据和森林资源连续清查数据等为基础数据,从景观要素斑块特征、景观要素空间构型与景观异质性3个方面构建景观格局指数,分析闽江流域森林景观格局的动态变化及影响因素。结果表明:2021年,有林地面积占闽江流域林地面积的68.28%,是流域景观的基质类型;1986—2003年,有林地面积增加了349134.5 hm^(2);2003—2021年,有林地面积增加了392508.77 hm^(2)。有林地景观要素边缘密度、内缘比增大,平均形状指数与分维数均减小,斑块边界趋于光滑、简单、有规则。流域斑块总数减小,总周长与斑块平均面积增大,景观破碎化降低,分布趋于聚集。在景观异质性方面,优势度指数与香农多样性指数增大,均匀度指数减小,说明优势景观有林地对整个流域景观的控制作用增大,景观稳定性增强,异质性降低。综上可知,闽江流域森林景观边缘效应增加,破碎度降低,景观生态功能增强,生态环境质量提升。

基于LandTrendr算法的广东省1990-2020年森林干扰与森林恢复的动态变化分析

为准确掌握广东省森林干扰与森林恢复的动态特征,文章基于谷歌地球引擎(Google Earth Engine,GEE)云平台构建Landsat长时序年度无云地表反射率影像集,采用LandTrendr(Landsat-based detection of Trends in Distur-bance and Recovery)算法提取广东省1990—2020年森林干扰与森林恢复的时空分布特征,并分析其演变的驱动因素,比较不同森林类型的干扰与恢复特征。结果表明:(1)1990—2020年,广东省的森林干扰总面积约为1.35×10^(4)km^(2),集中分布在广东省西部、东部和中部小范围地区,干扰面积最大的3个城市分别为韶关、梅州、清远市;森林恢复总面积约为1.91×10^(4)km^(2),集中分布在广东省北部和西部地区,恢复面积最大的3个城市分别为韶关、清远、肇庆市。(2)广东省森林干扰与森林恢复均集中发生在海拔小于等于600 m的地区,高海拔地区的森林面积较为稳定;广东省森林干扰集中发生在坡度小于等于25°的地区,森林恢复集中发生在坡度小于等于35°的地区。(3)广东省森林干扰在1996年后发生较为频繁,其中2011年的森林干扰面积最大;森林恢复主要集中在2001—2016年,其中2012年的森林恢复面积最大。(4)广东省的森林干扰与森林恢复主要受雨雪冰冻灾害、台风、病虫害等自然因素以及森林火灾、城市化、采伐、林业政策等人为因素的综合影响,其中雨雪冰冻灾害对广东省北部地区的常绿针叶林的影响较大,但该类型的森林恢复也较快。

基于ADASYN和WGAN的混合不平衡数据处理方法

为了解决不平衡数据集中少数类样本分类精度较低的问题,提出了一种处理不平衡数据集的ADASYN-WGAN方法。首先,采用ADASYN(adaptive synthetic sampling)算法生成少数类样本,用这些生成样本代替WGAN(wasserstein generative adversarial networks)中的随机噪声;其次,利用WGAN算法生成符合原始数据集分布规律的少数类样本,构建平衡数据集;然后,在6个公开数据集上,采用随机森林分类器对所提方法和4种过采样算法得出的处理结果分别与原始数据集进行对比;最后,通过F1-Score,G-mean和AUC等分类评估指标的表现验证所提方法的有效性。结果表明:在对比实验中,经过ADASYN-WGAN方法得到的平衡数据集在随机森林分类器的十折交叉验证中,4个公开数据集中的各项分类评估指标值均达到最优,虽然另2个公开数据集中的AUC值略低,但其F1-Score和G-mean取得了最高值。所提出的ADASYN-WGAN方法可生成高质量的数据样本,并可为解决不平衡数据集中少数类样本的预测偏差问题提供参考。

基于GAN的软测量缺失数据生成方法研究

针对工业过程中传感器数据缺失造成软测量模型精度低的问题,提出一种基于生成对抗网络(generative adversarial nets,GAN)的传感器缺失数据生成方法。利用孤立森林算法检测出传感器数据的缺失区域;利用缺失数据属性特征训练条件生成对抗网络(conditional generative adversarial nets,CGAN),在CGAN的输入条件中添加随机序列作为附加信息迭代送入CGAN中生成数据,并借助WGAN-GP(wasserstein generative adversarial nets gradient penalty)成本函数提高网络训练的稳定性;针对缺失区域检测结果引入采样器,将采样的数据填补进缺失区域,形成完整数据集,以提高软测量模型精度。以镍闪速炉温度传感器数据为目标变量进行软测量建模,验证所提出的提高软测量模型精度方法的可行性与有效性。

结合ResNet和特征工程的QAR数据预测方法

为解决QAR数据存在的数据缺失、数据异常等问题,提出一种将神经网络模型与特征工程相结合的方法,用于实现对飞机的QAR数据中飞行状态参数的精准预测。首先通过引入ResNet(残差神经网络)模型大幅加深了预测网络模型的深度,同时缓解了深层网络带来的梯度消失/爆炸问题,完成了预测精度的一次提升。之后通过Pearson相关系数与随机森林相结合的特征提取方法提取训练特征,训练后得到更加精确的预测模型,完成了预测精度的二次提升。结果表明,特征工程与模型优化相结合的处理方法更加精确、高效,为QAR缺失数据补充和QAR数据异常检测提供了一种新方法,提升了数据的质量,可更好地进行数据分析与挖掘工作。

基于大数据流水线系统的算法模型整合方法研究——以基于机器学习方法的LiDAR数据树木生物量反演为例

【背景】激光雷达(LiDAR)数据在森林资源分析利用方面有着广泛应用,科研人员研制了很多涉及大数据管理和人工智能的专业算法模型,这些算法模型目前多数散落在研究人员手里,尚缺乏新型信息化平台对其进行整合。【方法】大数据流水线系统πFlow软件具有大数据管理能力和大数据算法集成能力,并可以所见即所得方式构建流水线并调度运行流水线,适合于LiDAR数据复杂算法模型的整合,且流水线可定制、可复用。【内容】本文介绍了πFlow的特点和功能,并以基于LiDAR冠层高度模型(CHM)数据的树冠解析及利用机器学习方法估测树木生物量为例,介绍了将算法整合到πFlow并构建LiDAR数据分析处理流水线的方法和技术,且对流水线进行了测试运行。【结果】利用πFlow构建的可重复信息化平台可支撑野外站观测网络的LiDAR数据生物量快速反演,为数据密集型的专业数据处理算法模型的整合提供了创新方法技术。

基于K_means++聚类与RF_GRU组合模型的电力负荷预测方法研究

短期负荷预测是电力系统对负荷进行规划的重要依据之一,为了进一步提升短期负荷预测的精度,提出一种基于K_means++聚类与RF_GRU组合模型的电力负荷预测方法。首先,采用K_means++聚类算法将负荷群体分成负荷特性相近的群体,然后利用改进后的CSO算法优化随机森林中的相关参数使其性能最优,接着根据聚类情况采用随机森林选择结构不同的多层GRU网络分别对各组负荷群体进行预测,最后将所有组的预测结果相加得出最终预测值。算例结果表明,聚类算法的归纳整理功能为预测方法节省了预测时间,而采用组合模型又进一步提高了预测精度。

地质灾害易发性评价因子分级的AIFFC算法优化

针对地质灾害易发性评价因子分级数不确定的问题,引入自适应膨胀因子模糊覆盖分级方法(fuzzy cover approach for clustering based on adaptive inflation factor,AIFFC)对易发性评价因子分级进行优化。以湖南省湘乡市为研究区,提取了坡度、坡向、高程、年平均降雨量、归一化植被指数、道路、断层、岩性和土地利用9类评价因子,运用AIFFC及自然断点法(natural breakpoint classification,NBC)对连续型因子进行分级,并分别代入加权信息量模型和随机森林模型,获取研究区易发性区划图。采用单因子分级结果精度、灾积比分析和易发性分区结果对AIFFC分级法的优越性进行检验,结果表明:各因子采用AIFFC算法分级的AUC值均高于自然断点法;基于AIFFC的随机森林模型及加权信息量模型的高易发区灾积比分别提升了56.3%、74.6%,低易发区灾积比分别降低了48%、58.1%,AUC值分别提升了7.6%、2.7%。采用AIFFC分级方法优化了地质灾害易发性评价因子分级,显著提高了地质灾害易发性评价的合理性。

基于K-means退化识别和随机森林的滚动轴承寿命分析

针对滚动轴承剩余寿命(remaining useful life,RUL)预测方法中的寿命标签难以反映实际情况和预测精度不高的问题,提出了一种基于PCA-Kmeans-RF的滚动轴承剩余寿命分析方法。首先,通过小波降噪与快速傅里叶变换(fast fourier transform,FFT)分别对原始的水平振动信号进行降噪处理和提取多种时域、频域的特征;其次,通过方差过滤(variance filtering,VF)和主成分分析(principal component analysis,PCA)进行特征处理来选择更优的退化特征并融合特征构建健康指标(health indicators,HI);随后,利用K-means聚类确定样本的退化点和失效点,并以此构建剩余寿命的更为真实的退化标签,并将健康指标和时间标签输入到随机森林中进行训练和测试;最后,通过所提出的方法对IEEE PHM 2012滚动轴承数据集进行验证和对比。结果表明该方法取得了良好的结果。

基于Meta-分析的间伐强度对栎类天然林生长与更新的影响——对我国栎类天然林经营的启示

【目的】基于文献综述,研究间伐强度对栎类天然林生长与更新的影响,促进其科学经营和林分质量改善。【方法】检索已发表的相关文献数据,获得有效文献37篇和数据149条,采用Meta-分析方法探究间伐强度对栎类林分胸径年均生长量(mm·a^(−1))、林分蓄积年均生长量(m^(3)·hm^(−2)·a^(−1))和幼苗密度(株·100 m^(−2))的影响。【结果】中度(20%~39%)和强度间伐(≥40%)均能显著提高林分胸径生长量和蓄积生长量,特别是对幼龄林(≤20 a)和中龄林(21~40 a)效果显著,但对近熟林(41~60 a)和成熟林(>60 a)效果不显著;中度和强度间伐均能显著提高林分的幼苗密度,尤其对成熟林的效果最大;同时,在阳坡和下坡位或中坡位林分的间伐正效应值高于其它坡向和坡位。间伐激发幼龄林与中龄林生长和成熟林更新的效应持续时间约为10 a。【结论】中度以上间伐(≥20%)显著提高了栎类中幼龄林分的胸径和蓄积生长量以及成熟林幼苗密度,为持续促进上述林分生长与更新,其间伐间隔期应为10 a左右。研究结果可为我国栎类森林的可持续经营提供参考。

用SSA优化CNN-LSTM-SEnet预测模型实现风电机组故障预警

风电机组数据采集与监控系统的原始高维数据存在大量异常点和噪声点,且故障预警对性能预测模型的精度要求很高。为此,建立了一种基于混合神经网络预测模型的风电机组故障预警方法。为获取高质量的建模数据,采用快速密度峰值聚类和孤立森林算法对原始数据进行多步清洗。利用麻雀搜索算法优化的卷积神经网络–长短期记忆网络–压缩激励网络混合模型,建立了能够有效提取潜在特征信息、高精度的风机正常工况性能预测模型。为实现故障可靠预警、降低误报率,通过滑动窗口法构建预警指标并结合核密度估计法计算其阈值。采用真实故障历史数据进行实验,验证了方法的有效性。

基于Himawari和FY4卫星实时监测森林火灾蔓延初探

探讨了新一代静止气象卫星在森林火灾蔓延速度测量中的应用潜能。Himawari-AHI和FY4-AGRI传感器10 min和5 min高时间分辨率观测数据为实时监测森林火灾蔓延速度(Fire Spread Rate,FSR)创造了有利条件。卫星遥感2 km空间分辨率观测下,绝大部分森林火灾火场蔓延变化周期大于12 min,说明新一代静止气象卫星观测数据有能力追踪测量森林火灾蔓延动态。本文提出一种基于Himawari-AHI和FY4-AGRI传感器的森林火灾蔓延速度测量算法,案例研究结果表明:该算法能够以较高精度给出近实时火场蔓延线速度和面积速度,线速度结合面积速度可以完整地描述火场整体蔓延趋势。蔓延算法可为林火蔓延预报研究提供一种实测数据源。

基于自适应GA-RF的用户流失预测研究

针对电信用户流失问题,文章提出一种自适应遗传算法优化随机森林的预测模型。首先对Kaggle平台提供的电信数据进行数据清洗、特征提取及无量纲化处理,然后运用SMOTE过采样以解决数据不平衡问题,对决策树、随机森林等模型预测的召回率、F1和AUC值进行对比。最后提出一种自适应遗传算法优化随机森林的电信用户流失预测模型。结果表明,自适应遗传算法优化的随机森林模型的预测性能优于单一分类模型。

基于AntConc的《水浒传》中梁山形象的嬗变

以往对《水浒传》中形象的研究大多关涉人物,鲜少涉及梁山形象。本文基于AntConc自建数据库,比较并分析原文本和沙博理译本中的梁山形象,考察作者和译者对梁山形象认知的异同。研究发现:梁山形象经过了三个典型阶段的嬗变,从自然地理形象到绿林强盗形象,再到忠义英雄形象。梁山形象的演进与梁山故事的推进呈现出一致性的特点。译本中有关梁山形象的表述体现了译者主体性。

基于AHP的丽水市森林康养村产业资源评价探究

为探索森林康养村及其产业资源评价体系的构建,文章基于层次分析法(AHP)建立了一套森林康养村产业资源评价体系。以自然资源康养价值、人文资源康养价值、配套服务水平和产业运营水平为准则层,对丽水市11个森林康养村进行了应用分析,验证了评价体系的可靠性,并对丽水市森林康养村产业资源的评价方法、开发利用和发展路径提出了建议,以期为森林康养村的高质量建设与可持续性发展提供参考依据。

CHAID-RF:基于CHAID决策树的集成学习方法

针对卡方自动交互诊断(CHAID)决策树易过拟合的问题,提出CHAID随机森林方法(CHAID Random Forest,CHAID-RF)。该方法采用随机采样、随机选择特征以及集成的策略,将CHAID决策树作为基分类器,形成CHAID-RF。为了验证CHAID-RF的有效性,选取CART、CHAID、SVM、RF作为对比算法,以准确率、加权查准率、加权查全率、加权F值作为分类模型评价指标,以均方根误差作为回归模型评价指标,采用10个分类数据集和7个回归数据集进行验证。实验结果表明CHAID-RF可行有效。

基于Global Fire Atlas遥感数据的内蒙古野火时空动态研究

基于Global Fire Atlas遥感数据,借助ArcGIS 10.2和Origin等软件,分析了2003—2016年内蒙古地区野火特点,结合时间、空间的因素,探讨野火的时空动态规律。结果表明:2003—2016年内蒙古野火发生不是完全随机分布的,而是呈现一定的时空分布规律。该特征规律有助于强化区域火管理,增强重点防火区域的防火建设与宣传,科学安排防火工作,降低林火发生率,实现森林可持续发展。并对存在的不足与问题提出相关建议。

基于Spark和NRSCA策略的并行深度森林算法

针对并行深度森林在大数据环境下存在冗余及无关特征过多、两端特征利用率过低、模型收敛速度慢以及级联森林并行效率低等问题,提出了基于Spark和NRSCA策略的并行深度森林算法——PDF-SNRSCA。首先,该算法提出了基于邻域粗糙集和Fisher score的特征选择策略(FS-NRS),通过衡量特征的相关性和冗余度,对特征进行过滤,有效减少了冗余及无关特征的数量;其次,提出了一种随机选择和等距提取的扫描策略(S-RSEE),保证了所有特征能够同概率被利用,解决了多粒度扫描两端特征利用率低的问题;最后,结合Spark框架,实现级联森林并行化训练,提出了基于重要性指数的特征筛选机制(FFM-II),筛选出非关键性特征,平衡增强类向量与原始类向量维度,从而加快模型收敛速度,同时设计了基于SCA的任务调度机制(TSM-SCA),将任务重新分配,保证集群负载均衡,解决了级联森林并行效率低的问题。实验表明,PDF-SNRSCA算法能有效提高深度森林的分类效果,且对深度森林并行化训练的效率也有大幅提升。