基于不同特征挖掘方法結(jié)合廣義提升回歸模型估測(cè)安徽省土壤pH
發(fā)布時(shí)間:2022-12-11 05:33
為探討不同特征挖掘方法與廣義提升回歸模型相結(jié)合在數(shù)字土壤制圖中的應(yīng)用,本研究首先使用遞歸特征消除和過(guò)濾式兩種特征篩選方法對(duì)環(huán)境協(xié)變量進(jìn)行篩選,再分別使用原始環(huán)境協(xié)變量、篩選后的最優(yōu)變量組合作為自變量,建立基于廣義提升回歸模型和隨機(jī)森林模型的安徽省土壤pH預(yù)測(cè)模型并進(jìn)行制圖。結(jié)果表明:引入兩種特征挖掘方法均可有效提高廣義提升回歸模型和隨機(jī)森林模型預(yù)測(cè)土壤pH的精度,并且可以起到降維的作用;相較于隨機(jī)森林模型,廣義提升回歸模型的驗(yàn)證集預(yù)測(cè)精度略低,在訓(xùn)練集中,廣義提升回歸模型的精度卻遠(yuǎn)高于隨機(jī)森林模型,模型解釋度高,整體效果較好;隨機(jī)森林模型的主要參數(shù)ntree和mtry對(duì)于模型的影響程度較低,而不同參數(shù)對(duì)于廣義提升回歸模型的預(yù)測(cè)精度影響較大,不同參數(shù)組合模型精度不同,建模前需要進(jìn)行調(diào)參?臻g制圖結(jié)果表明,安徽省土壤pH呈"南酸北堿"趨勢(shì)。
【文章頁(yè)數(shù)】:9 頁(yè)
【文章目錄】:
1 研究地區(qū)與研究方法
1.1 研究區(qū)概況
1.2 數(shù)據(jù)來(lái)源
1.3 遞歸特征消除特征篩選
1.4 過(guò)濾式特征篩選
1.5 GBRMs模型
1.5.1 GBM
1.5.2 GBRMs
1.6 隨機(jī)森林模型
1.7 精度評(píng)價(jià)
2 結(jié)果與討論
2.1 土壤屬性統(tǒng)計(jì)特征
2.2 GBRMs和RF模型參數(shù)設(shè)定
2.2.1 GBRMs參數(shù)設(shè)定
2.2.2 RF參數(shù)設(shè)定
2.3 環(huán)境變量篩選和重要性
2.3.1 RFE特征篩選結(jié)果
2.3.2 SBF特征篩選結(jié)果
2.3.3 GBRMs模型環(huán)境變量的重要性排序
2.4 模型精度及空間制圖
3 結(jié) 論
【參考文獻(xiàn)】:
期刊論文
[1]基于神經(jīng)網(wǎng)絡(luò)模型的安徽省土壤pH預(yù)測(cè)[J]. 盧宏亮,趙明松. 江蘇農(nóng)業(yè)學(xué)報(bào). 2019(05)
[2]基于高分二號(hào)遙感影像樹(shù)種分類的時(shí)相及方法選擇[J]. 李哲,張沁雨,邱新彩,彭道黎. 應(yīng)用生態(tài)學(xué)報(bào). 2019(12)
[3]基于Boruta-支持向量回歸的安徽省土壤pH值預(yù)測(cè)制圖[J]. 盧宏亮,趙明松,劉斌寅,張平,陸龍妹. 地理與地理信息科學(xué). 2019(05)
[4]基于隨機(jī)森林模型的耕地表層土壤有機(jī)質(zhì)含量空間預(yù)測(cè)①——以河南省輝縣市為例[J]. 韓杏杏,陳杰,王海洋,巫振富,程道全. 土壤. 2019(01)
[5]環(huán)境敏感變量?jī)?yōu)選及機(jī)器學(xué)習(xí)算法預(yù)測(cè)綠洲土壤鹽分[J]. 王飛,楊勝天,丁建麗,魏陽(yáng),葛翔宇,梁靜. 農(nóng)業(yè)工程學(xué)報(bào). 2018(22)
[6]1996—2016年松嫩平原傳統(tǒng)大豆種植結(jié)構(gòu)的時(shí)空演變[J]. 劉航,吳文斌,申格,黃青. 應(yīng)用生態(tài)學(xué)報(bào). 2018(10)
[7]基于梯度提升決策樹(shù)的微博虛假消息檢測(cè)[J]. 段大高,蓋新新,韓忠明,劉冰心. 計(jì)算機(jī)應(yīng)用. 2018(02)
[8]數(shù)字土壤制圖研究綜述與展望[J]. 朱阿興,楊琳,樊乃卿,曾燦英,張甘霖. 地理科學(xué)進(jìn)展. 2018(01)
[9]基于多分辨率遙感數(shù)據(jù)與隨機(jī)森林算法的土壤有機(jī)質(zhì)預(yù)測(cè)研究[J]. 王茵茵,齊雁冰,陳洋,解飛. 土壤學(xué)報(bào). 2016(02)
[10]改進(jìn)的多類支持向量機(jī)遞歸特征消除在癌癥多分類中的應(yīng)用[J]. 黃曉娟,張莉. 計(jì)算機(jī)應(yīng)用. 2015(10)
本文編號(hào):3718231
【文章頁(yè)數(shù)】:9 頁(yè)
【文章目錄】:
1 研究地區(qū)與研究方法
1.1 研究區(qū)概況
1.2 數(shù)據(jù)來(lái)源
1.3 遞歸特征消除特征篩選
1.4 過(guò)濾式特征篩選
1.5 GBRMs模型
1.5.1 GBM
1.5.2 GBRMs
1.6 隨機(jī)森林模型
1.7 精度評(píng)價(jià)
2 結(jié)果與討論
2.1 土壤屬性統(tǒng)計(jì)特征
2.2 GBRMs和RF模型參數(shù)設(shè)定
2.2.1 GBRMs參數(shù)設(shè)定
2.2.2 RF參數(shù)設(shè)定
2.3 環(huán)境變量篩選和重要性
2.3.1 RFE特征篩選結(jié)果
2.3.2 SBF特征篩選結(jié)果
2.3.3 GBRMs模型環(huán)境變量的重要性排序
2.4 模型精度及空間制圖
3 結(jié) 論
【參考文獻(xiàn)】:
期刊論文
[1]基于神經(jīng)網(wǎng)絡(luò)模型的安徽省土壤pH預(yù)測(cè)[J]. 盧宏亮,趙明松. 江蘇農(nóng)業(yè)學(xué)報(bào). 2019(05)
[2]基于高分二號(hào)遙感影像樹(shù)種分類的時(shí)相及方法選擇[J]. 李哲,張沁雨,邱新彩,彭道黎. 應(yīng)用生態(tài)學(xué)報(bào). 2019(12)
[3]基于Boruta-支持向量回歸的安徽省土壤pH值預(yù)測(cè)制圖[J]. 盧宏亮,趙明松,劉斌寅,張平,陸龍妹. 地理與地理信息科學(xué). 2019(05)
[4]基于隨機(jī)森林模型的耕地表層土壤有機(jī)質(zhì)含量空間預(yù)測(cè)①——以河南省輝縣市為例[J]. 韓杏杏,陳杰,王海洋,巫振富,程道全. 土壤. 2019(01)
[5]環(huán)境敏感變量?jī)?yōu)選及機(jī)器學(xué)習(xí)算法預(yù)測(cè)綠洲土壤鹽分[J]. 王飛,楊勝天,丁建麗,魏陽(yáng),葛翔宇,梁靜. 農(nóng)業(yè)工程學(xué)報(bào). 2018(22)
[6]1996—2016年松嫩平原傳統(tǒng)大豆種植結(jié)構(gòu)的時(shí)空演變[J]. 劉航,吳文斌,申格,黃青. 應(yīng)用生態(tài)學(xué)報(bào). 2018(10)
[7]基于梯度提升決策樹(shù)的微博虛假消息檢測(cè)[J]. 段大高,蓋新新,韓忠明,劉冰心. 計(jì)算機(jī)應(yīng)用. 2018(02)
[8]數(shù)字土壤制圖研究綜述與展望[J]. 朱阿興,楊琳,樊乃卿,曾燦英,張甘霖. 地理科學(xué)進(jìn)展. 2018(01)
[9]基于多分辨率遙感數(shù)據(jù)與隨機(jī)森林算法的土壤有機(jī)質(zhì)預(yù)測(cè)研究[J]. 王茵茵,齊雁冰,陳洋,解飛. 土壤學(xué)報(bào). 2016(02)
[10]改進(jìn)的多類支持向量機(jī)遞歸特征消除在癌癥多分類中的應(yīng)用[J]. 黃曉娟,張莉. 計(jì)算機(jī)應(yīng)用. 2015(10)
本文編號(hào):3718231
本文鏈接:http://sikaile.net/kejilunwen/nykj/3718231.html
最近更新
教材專著