共查询到10条相似文献，搜索用时 15 毫秒
1.
根据项目监测实测数据,采用随机森林算法对基坑监测数据进行填充,分析了该方法的适用性、有效性,并与其他常见的数据填充方法进行对比研究.结果表明,随机森林方法作为一种集成学习方法,通过在模型训练时构造多个决策树,并输出分类结果,可以纠正普通决策树过度拟合的训练集合,且性能通常优于普通填充方法.基于随机森林方法填充后的数据,与周边数据相关性较强.在填充后的曲线图形上,还可以看到填补后数据分类性质明显,具有明显的归类特征.高质量的数据填充结果可以有效提高数据集完整性,达到高效、优质利用原有监测数据的目的. 相似文献
2.
特定的计算工具帮助地质学家识别和分类油井钻探的岩石岩性,降低成本并提高工作效率。机器学习方法集成了大量信息,能够高效地实现模式识别和准确决策。文章将挪威海5口油井进行岩性分类,通过将数据随机分为训练集(70%)和测试集(30%),利用多变量测井参数数据进行训练和验证,对比多层感知器(MLP)、决策树、随机森林和XGboost等模型的应用效果。研究结果显示,XGBoost模型在数据的泛化性方面表现更佳,其准确率为95%;随机森林模型次之,准确率为94%;而多层感知机(MLP)和决策树模型表现出较好的鲁棒性,准确率分别为92%和90%。 相似文献
3.
现代金矿勘察主要是通过综合地球化学和地质测量等数字化方法对深部矿床进行研究,所需要的人力物力成本较高。而通过分析积累的金矿规格单元数据,可以建立金矿成矿情况与相关成矿元素含量之间的非线性关系,从已有的勘查数据中寻找金矿成矿的一般规律。本文基于与金矿相关的成矿元素含量数据,分别采用逻辑斯蒂回归、随机森林和决策树方法对原始数据和重采样数据进行训练,综合运用召回率、精确率和准确率对模型进行评价。通过对比发现,在训练和测试原始数据过程中,由于每组之间数据量的巨大差距,导致成矿数据被淹没;而在训练重采样数据过程中,随机森林在召回率和准确率方面均有较好的表现,分别达到了90.63%和70.78%;并最终分析了随机森林模型中不同分类边界对于金矿成矿情况预测结果的影响。利用不同的测量指标对模型进行评价分析,使模型更适用于金矿成矿预测,可有效地提高金矿勘察的效率。 相似文献
4.
以朝鲜半岛为研究区域, 基于2000年和2007年的MOD IS数据, 应用线性光谱混合模型进行像元组分分解并提取分类特征, 对像元组分分解后有错分的地物类型结合纹理进行分析, 以决策树模型进行土地利用分类。结果表明, 像元组分分解后的决策树分类结果总体精度达78.346 5% , Kappa系数达0.681 3。与像元组分分解前最大似然法和决策树分类结果相比, 决策树分类精度优于最大似然法, 且像元组分分解方法提高了分类精度。经2000年和2007年像元组分分解后的决策树分类结果对比: 朝鲜耕地面积增加; 韩国耕地面积减少, 居民地面积增加。 相似文献
5.
《地质科技情报》2021,40(5)
通过自主研发设计的非开挖随钻检测系统,采集非开挖钻进参数,进行非开挖钻进实时地层岩性识别,为非开挖施工提供安全信息保证。针对非开挖工程工勘资料缺乏,掘进地层岩性难以判断的问题,提出了一种基于非开挖随钻检测系统实时采集数据,利用随机森林算法建立地层识别模型,通过模型去识别未知地层,并将识别结果可视化展示。通过非开挖随钻检测系统在工程现场的实际应用,获得了包括钻速、扭矩、转速、拉力、泵压、泵量等钻进敏感参数作为训练样本,利用随机森林算法对采集的钻进参数进行训练,构造决策树与随机森林,对钻进参数进行分类,建立了以典型非开挖地层岩性分类为目标的分类模型,分别确定了杂填土、黏土、粉细砂、砾石和淤泥的地层分类标签。进一步,基于机器学习的分类结果,利用PCA主成分分析将地层识别特征降维至三维,实现了地层岩性识别结果的三维展示。将预测模型应用于实际工程,以验证其有效性。结果表明,该方法能在非开挖实时钻进条件下快速识别钻进地层,识别正确率高达92%。该研究成果通过采集导向随钻参数,识别非开挖掘进段地层岩性,为非开挖扩孔阶段钻具选型、泥浆设计等提供了重要信息。 相似文献
6.
决策树方法在遥感地质填图中的应用 总被引：4，自引：0，他引：4
决策树理论在遥感分类中, 分类准确、高效.依据其理论方法, 对青海省民和地区的遥感数据———ETM + (enhanced thematic mapper plus) 进行了分类, 选用的ETM +数据为1999年10月份数据, 数字高程(DEM) 数据来自于1:2 5万民和幅地形图, 数据格式为MapInfo通用格式MIF, 数据进行了坐标转换(地理坐标), 对原始数据进行了处理, 从等高线中提取数字高程.对遥感数据进行地形及光照矫正, 计算植被因子及缨帽变换的3个分量, 同其他5个遥感波段结合形成原始分类图层, 同时确定目标分类结果.原始数据的采样基于目视, 首先采用不同的彩色合成方案突出不同的目标地物, 交互式进行采样, 使用IDL语言编制程序从原始数据中提取地物数字信息, 使用Clementine7.2对数据进行处理, 其中10 %的采样数据验证模型准确率, 其余数据用来推算模型, 对数据进行10次迭代, 同时给予75 %的剪枝, 得到区分不同地物(如红层、黄土等) 的最合适图层(band 1 & band 3)和具体数值, 形成决策树模型, 将决策树模型导入Envi4.0中, 对原始数据(9个图层) 进行计算形成初步分类结果图, 对初步分类结果图进行一定的碎片合并, 最终形成分类结果图.该图同1:2 5万地质图进行对比确认分类的效果, 同传统分类图比较确认决策树分类方法优于传统分类.另外来自于决策树所提取的信息, 有利于地学知识的归纳总结 相似文献
7.
探索利用高光谱数据的岩性填图新方法是遥感地质应用领域的重要需求之一。本文运用随机森林方法和EO-1Hyperion高光谱数据,对新疆塔里木西北部柯坪地区的局部区域进行岩性分类,并对相关问题进行分析。分别利用光谱特征以及加入光谱一阶导数特征进行岩性分类,并对不同特征对岩性分类的重要性进行分析,同时与现有的基于光谱角制图方法(SAM)进行比较。结果表明,与SAM方法相比,随机森林方法得到了更高精度的岩性分类结果,是一种有效可行的岩性分类方法。根据特征重要性的排序,蓝绿光波段、短波红外波段以及相应的一阶导数特征对研究区Hyperion数据的沉积岩岩性分类贡献更大。 相似文献
8.
ALI 遥感数据在岩矿信息提取中的应用研究 总被引：1，自引：0，他引：1
论文对研究区ALI数据进行了纯净像元提取,在此基础上,对纯净像元进行N-D散点图分析,选择出不同端元并进行归类分析,作为后期分类识别的样本.这里采用决策树方法对研究区岩矿进行识别,研究发现:样本区在MNF变换后图像上的波谱(前几个波段)可分性远远大于其在变换前图像上的波谱可分性,基于此的决策树分类方法能够识别出岩矿. 相似文献
9.
三峡库区岩体上方覆盖着厚实的土壤和茂密的植被,是高植被覆盖区,岩性信息弱,因此岩性识别和分类困难,没有成熟的方法可循。针对三峡库区进行岩性分析,选择三峡库区巴东城区作为研究区域,采用2000年5月成像的ETM+遥感影像,构造纹理、光谱、植被覆盖等17个分类因子,将遥感影像与地质图叠加,选取1 101个样本点,采用决策树C4.5算法,挖掘出三峡库区巴东县处岩性的解译规则和知识,决策树的学习精度为96.6%,剪枝后精度为95.9%,规则提取的精度为93.1%,提取的规则置信度很高,并基于知识驱动和规则匹配实现了岩性的智能分类,分类精度较高为90.11%;将分类结果与IsoData方法、K-Means方法、马氏距离法、最大似然法、最小距离法、平行六面体方法等6种方法的分类结果进行比较,试验结果证明,决策树方法的分类结果最好,精度明显高于其他6种方法。 相似文献