為了有效預(yù)警降雨型滑坡災(zāi)害,以秦巴山區(qū)為研究區(qū)域,采集并處理大量不同時(shí)段降雨數(shù)據(jù),構(gòu)成降雨特征屬性。利用Fisher最優(yōu)分割,對(duì)降雨特征屬性值進(jìn)行分段統(tǒng)計(jì),提出特征聚合轉(zhuǎn)換表。使用信息增益和預(yù)測反饋篩選影響滑坡災(zāi)害的有效降雨特征,為預(yù)測模型提供有效數(shù)據(jù)集。利用特征聚合轉(zhuǎn)換表和有效降雨特征,改進(jìn)決策樹,構(gòu)建特征聚合決策樹預(yù)測模型,進(jìn)而提高預(yù)測效率和預(yù)測準(zhǔn)確率。分析決策樹的深度和葉子節(jié)點(diǎn)個(gè)數(shù),給出決策樹的反饋執(zhí)行度,表明使用特征聚合轉(zhuǎn)換表的決策樹更優(yōu)。比較特征聚合決策樹、決策樹、樸素貝葉斯和邏輯回歸預(yù)測模型,結(jié)果表明,特征聚合決策樹預(yù)測模型對(duì)降雨型滑坡災(zāi)害有更高的預(yù)測準(zhǔn)確率,且平均預(yù)測準(zhǔn)確率較高。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1改進(jìn)決策樹算法流程圖

算法流程如圖1所示。算法具體步驟如下:

圖2特征屬性信息增益比較

降雨特征屬性的信息增益大小比較如圖2。表1為信息增益降序后,隨機(jī)選取75%數(shù)據(jù)為訓(xùn)練集,25%數(shù)據(jù)為測試集,進(jìn)行100次實(shí)驗(yàn),逐次加入特征屬性的預(yù)測準(zhǔn)確率�？梢钥闯銎骄鶞�(zhǔn)確率p≥0.82,特征屬性最少個(gè)數(shù)為5。因此,篩選RH6,RH12,RH24,RD1,RD4為影響降雨滑坡災(zāi)害....

圖4深度為1～20預(yù)測準(zhǔn)確率

圖4為深度1到20的決策樹的預(yù)測準(zhǔn)確率,可以看到,當(dāng)深度≥7,預(yù)測準(zhǔn)確率超過82%,而深度增加,準(zhǔn)確率增幅范圍在0～0.05之間,因此實(shí)驗(yàn)中選取決策樹深度depth≥7。由4.1.1和4.1.2確定實(shí)驗(yàn)參數(shù):篩選特征屬性個(gè)數(shù)m=5(RH6,RH12,RH24,RD1,RD4);降....

圖3深度為1～200預(yù)測準(zhǔn)確率

圖3為以篩選特征屬性,逐次構(gòu)建深度為1～200的決策樹的預(yù)測準(zhǔn)確率。可以看出,當(dāng)樹的深度達(dá)到一定值后,準(zhǔn)確率維持在80%以上,而深度的增加對(duì)準(zhǔn)確率影響不大。表1篩選特征屬性的預(yù)測準(zhǔn)確率篩選特征屬性準(zhǔn)確率/%RH1257.6RH12RH2473.7RH12RH2....

本文編號(hào)：3924098