降雨型滑坡灾害的特征聚合决策树预测模型

发布时间：2024-03-10 02:26

　　为了有效预警降雨型滑坡灾害,以秦巴山区为研究区域,采集并处理大量不同时段降雨数据,构成降雨特征属性。利用Fisher最优分割,对降雨特征属性值进行分段统计,提出特征聚合转换表。使用信息增益和预测反馈筛选影响滑坡灾害的有效降雨特征,为预测模型提供有效数据集。利用特征聚合转换表和有效降雨特征,改进决策树,构建特征聚合决策树预测模型,进而提高预测效率和预测准确率。分析决策树的深度和叶子节点个数,给出决策树的反馈执行度,表明使用特征聚合转换表的决策树更优。比较特征聚合决策树、决策树、朴素贝叶斯和逻辑回归预测模型,结果表明,特征聚合决策树预测模型对降雨型滑坡灾害有更高的预测准确率,且平均预测准确率较高。

【文章页数】：5 页

【部分图文】：

图1改进决策树算法流程图

算法流程如图1所示。算法具体步骤如下:

图2特征属性信息增益比较

降雨特征属性的信息增益大小比较如图2。表1为信息增益降序后,随机选取75%数据为训练集,25%数据为测试集,进行100次实验,逐次加入特征属性的预测准确率。可以看出平均准确率p≥0.82,特征属性最少个数为5。因此,筛选RH6,RH12,RH24,RD1,RD4为影响降雨滑坡灾害....

图4深度为1～20预测准确率

图4为深度1到20的决策树的预测准确率,可以看到,当深度≥7,预测准确率超过82%,而深度增加,准确率增幅范围在0～0.05之间,因此实验中选取决策树深度depth≥7。由4.1.1和4.1.2确定实验参数:筛选特征属性个数m=5(RH6,RH12,RH24,RD1,RD4);降....

图3深度为1～200预测准确率

图3为以筛选特征属性,逐次构建深度为1～200的决策树的预测准确率。可以看出,当树的深度达到一定值后,准确率维持在80%以上,而深度的增加对准确率影响不大。表1筛选特征属性的预测准确率筛选特征属性准确率/%RH1257.6RH12RH2473.7RH12RH2....

本文编号：3924098