文章主要根據(jù)機(jī)器學(xué)習(xí)算法（隨機(jī)森林算法和極端梯度提升算法）和遙感水深反演的原理,利用Sentinel₂多光譜衛(wèi)星數(shù)據(jù)和無(wú)人船實(shí)測(cè)水深數(shù)據(jù),對(duì)內(nèi)陸水體——梅州水庫(kù)建立了隨機(jī)森林（RF）、極端梯度提升（XGBoost）和支持向量機(jī)（SVM）水深反演模型,并對(duì)反演結(jié)果進(jìn)行對(duì)比分析。結(jié)果表明:1) RF的訓(xùn)練精度為97%,測(cè)試精度為0.80;XGBoost模型的訓(xùn)練精度為97%,測(cè)試精度為0.79;SVM的訓(xùn)練精度為90%,測(cè)試精度為0.78。說明了在水深預(yù)測(cè)方面RF模型和XGBoost模型比SVM模型表現(xiàn)更好,對(duì)各個(gè)區(qū)段的水深值較為敏感。2)根據(jù)運(yùn)行時(shí)間考察各個(gè)模型的效率,其中RF模型從讀取數(shù)據(jù)至輸出結(jié)果耗時(shí)3.92 s;XGBoost模型4.26 s;SVM模型6.66 s。因此,在反演精度和效率上RF模型優(yōu)于XGBoost模型優(yōu)于SVM模型,且RF模型的預(yù)測(cè)結(jié)果圖細(xì)節(jié)更加豐富,輪廓更加分明;XGBoost模型次之,但總體效果也較好;SVM模型表現(xiàn)最差。由此可知,機(jī)器學(xué)習(xí)水深反演模型獲得的水深結(jié)果精度明顯提高,解決了傳統(tǒng)水深反演模型精度不高的問題。 

【文章來源】：熱帶地理. 2020,40(02)北大核心

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
1 研究區(qū)域與數(shù)據(jù)源
    1.1 研究區(qū)域概況
    1.2 數(shù)據(jù)源
        1.2.1 水深數(shù)據(jù)
        1.2.2 影像數(shù)據(jù)
2 研究方法
    2.1 隨機(jī)森林模型（RF）
    2.2 極端梯度提升模型（XGBoost）
    2.3 支持向量機(jī)模型（SVM）
3 結(jié)果分析
4 結(jié)論與討論


【參考文獻(xiàn)】：
期刊論文
[1]基于機(jī)器學(xué)習(xí)方法的非編碼RNA-蛋白質(zhì)相互作用的預(yù)測(cè)[J]. 程淑萍,譚建軍,門婧睿.  北京生物醫(yī)學(xué)工程. 2019(04)
[2]支持向量機(jī)模型與應(yīng)用綜述[J]. 劉方園,王水花,張煜東.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(04)
[3]基于模糊隸屬度的多核SVR遙感水深融合探測(cè)[J]. 王錦錦,馬毅,張靖宇.  海洋環(huán)境科學(xué). 2018(01)
[4]基于WorldView-2遙感影像的龍灣港淺海水深反演[J]. 郭曉雷,邱振戈,沈蔚,欒奎峰,曹彬才,吳忠強(qiáng).  海洋學(xué)研究. 2017(03)
[5]水深可見光遙感方法研究進(jìn)展[J]. 王艷姣,董文杰,張培群,閆峰.  海洋通報(bào). 2007(05)
[6]基于BP人工神經(jīng)網(wǎng)絡(luò)的水體遙感測(cè)深方法研究[J]. 王艷姣,張鷹.  海洋工程. 2005(04)

博士論文
[1]遙感測(cè)深數(shù)據(jù)處理方法研究[D]. 曹彬才.戰(zhàn)略支援部隊(duì)信息工程大學(xué) 2017



本文編號(hào)：3072467