基于随机森林的模糊坡位划分

发布时间：2017-09-27 16:26

  本文关键词：基于随机森林的模糊坡位划分

  更多相关文章： 随机森林 模糊坡位划分 窗口机制 加权因子原则

【摘要】：自然界中蕴含着丰富的资源,发生着错综复杂的现象,这些现象都和人们的生活息息相关,如气候变化、生物生态、社会人文、经济发展乃至军事设施等都产生了巨大的影响。而这些资源和现象又因地形地貌的不同而存在着明显的差异,只有准确、可靠、系统地获取自然界中的相关数据,才能把神秘的大自然数字化、透明化、信息化,才能制定出科学、合理、准确、因地制宜的经济发展、开发利用、环境保护、灾害预防、农田水利和土木工程等的开发规划。尤其对于复杂地貌区域,由于地表条件本身的复杂性,往往容易导致建模困难,这在很大程度上给许多相关研究增加了难度。因此,研究复杂地形条件下的坡位划分具有十分重要的现实意义。本文围绕着如何快速、高效地对复杂区域地貌类型进行模糊划分这一问题进行了相关的研究。首先分析了坡位划分的相关背景、研究现状、存在的问题以及随机森林算法的研究现状,介绍了坡位划分的相关理论。通过分析发现已有的模糊坡位划分算法存在数据量大,计算过程复杂,时间开销大,或模型设计过程中忽略了不同的地形因子对不同坡位的影响程度不同等问题,针对这些问题提出了总体的解决方案。在具体实现解决方案的过程中,提出了一种带有窗口机制的基于随机森林的模糊坡位划分算法。基于随机森林的模糊坡位划分算法主要基于(1)在进行坡位划分时,不同地形因子对不同坡位的影响程度不同以及(2)地形坡位的类别是一个相对的概念,随着空间中两位置点距离的增加,它们之间坡位类型影响程度反而会下降,甚至在距离足够远的情况下,这种影响度可以忽略不计。基于上述假设,本文首先结合专家知识提取研究区各坡位典型位置点集作为训练和验证数据集,利用随机森林算法分析地形因子与坡位之间的关系,计算不同地形因子对各类坡位的重要程度作为坡位划分的权重因子。其次,设置多个大小不等的窗口,针对每个给定大小的窗口,分别计算待划分位置点和典型位置点的距离,然后针对距离在设定窗口内的典型位置点求取它们之间的模糊地形要素。在综合待分类位置点和典型位置点的模糊地形要素的相似度时,通过加权因子原则计算综合相似度。这种坡位划分算法能够在考虑不同地形因子对坡位划分的影响度不同的基础上,提高分类的准确性并且在很大程度上减少程序的运行时间。最后以重庆市江津区永兴镇的一块区域为例,分别使用基于随机森林的模糊坡位划分算法、基于最小算子和均值的模糊推理模型在研究区进行试验,并在时间花费和分类精度上进行对比分析。实验表明本文提出的基于随机森林的模糊坡位划分算法无论是在运行时间上,还是在坡位划分的准确性上都有一定程度的改善。从而验证了基于随机森林的模糊坡位划分算法的有效性。通过比较分析不同窗口下的分类准确率,可知当窗口大小达到一定的程度后,无论是从Kappa系数值还是准确度上分类效果变化不再明显、趋于稳定,从而验证了本文的初始假设。最后,通过比较不同大小的窗口对分类准确性的影响,选出最佳的分类方案,在更大的研究区域区对算法的有效性进行验证,并通过ArcGIS平台绘制相应的坡位划分效果图。
【关键词】：随机森林 模糊坡位划分 窗口机制 加权因子原则
【学位授予单位】：西南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P208;O159
【目录】：

• 摘要5-7
• Abstract7-9
• 第1章 绪论9-19
• 1.1 研究背景与意义9-10
• 1.2 坡位划分算法研究现状10-15
• 1.3 随机森林算法研究现状15-16
• 1.4 研究内容16
• 1.5 论文的组织结构16-19
• 第2章 相关理论概述19-29
• 2.1 数字地形分析相关理论19-21
• 2.1.1 数字高程模型DEM19
• 2.1.2 地形因子19-20
• 2.1.3 地貌类型20-21
• 2.2 模糊理论21-24
• 2.2.1 模糊理论概念及发展21-22
• 2.2.2 模糊理论基础22
• 2.2.3 模糊距离度量22-23
• 2.2.4 模糊理论在地形分类中的应用23-24
• 2.3 随机森林24-27
• 2.3.1 决策树24
• 2.3.2 随机森林计算24-25
• 2.3.3 随机森林计算变量重要性25-26
• 2.3.4 随机森林的主要特性和优点26-27
• 2.4 坡位划分的性能评价指标27-28
• 2.4.1 分类准确度27-28
• 2.4.2 Kappa系数28
• 2.5 本章小结28-29
• 第3章 基于随机森林的模糊坡位划分算法29-37
• 3.1 基于随机森林的模糊坡位划分算法的基本思路29-30
• 3.2 随机森林计算地形因子重要性评分30
• 3.3 基于随机森林的模糊推理算法30-36
• 3.3.1 算法窗口机制原则31-32
• 3.3.2 基于随机森林的模糊坡位划分算法计算相似度32-36
• 3.4 本章小结36-37
• 第4章 实验与结果分析37-53
• 4.1 研究区概况37-38
• 4.2 实验数据确定38-42
• 4.2.1 选择计算合适的地形因子38-39
• 4.2.2 选择合适的坡位类型39
• 4.2.3 训练样本提取39-42
• 4.3 基于随机森林的模糊坡位划分算法实现42-44
• 4.3.1 计算地形因子重要性评分42-43
• 4.3.2 确定合适的窗口43
• 4.3.3 计算相似度43-44
• 4.4 实验结果与分析44-50
• 4.4.1 不同坡位划分算法实验结果44-45
• 4.4.2 算法在不同窗口下的实验结果45-50
• 4.5 基于随机森林的模糊坡位划分算法应用50-52
• 4.6 本章小结52-53
• 第5章 总结与展望53-55
• 5.1 研究工作总结53
• 5.2 后续工作展望53-55
• 参考文献55-61
• 致谢61-63
• 攻读学位期间所发表的学术论文63

【相似文献】

中国期刊全文数据库 前10条

1 周志文;潘剑君;居为民;郭沂林;葛序娟;尹正宇;王恒钦;;神农架不同坡位3种林型土壤碳氮比分布特征[J];水土保持学报;2014年04期

2 赵思金;韩烈保;张咏新;张才厚;肖昆仑;;不同坡位胡枝子光合特性及其影响因子研究[J];西北植物学报;2008年02期

3 冯云;马克明;张育新;郭起荣;;坡位对北京东灵山辽东栎林物种多度分布的影响[J];生态学杂志;2011年10期

4 张地;张育新;曲来叶;马克明;戴斯迪;;坡位对东灵山辽东栎林土壤微生物量的影响[J];生态学报;2012年20期

5 赵汝东;樊剑波;何园球;宋春丽;屠人凤;谭炳昌;;坡位对马尾松林下土壤理化性质、酶活性及微生物特性影响[J];生态环境学报;2010年12期

6 冯书珍;苏以荣;秦新民;肖伟;葛云辉;何寻阳;;喀斯特峰丛洼地土壤剖面微生物特性对植被和坡位的响应[J];生态学报;2013年10期

7 秦承志;朱阿兴;施迅;李宝林;裴韬;周成虎;;坡位渐变信息的模糊推理[J];地理研究;2007年06期

8 赵瑜;钟宇;张健;杨万勤;;不同坡位下巨桉人工林土壤动物群落特征[J];应用生态学报;2010年09期

9 张汉奎;俞乐;;一种新的坡位定量描述方法及其与滑坡发生的关系[J];遥感技术与应用;2012年04期

10 杨荣军;;施肥量、降雨及坡位对黑土区春玉米产量的影响[J];黑龙江科技信息;2014年10期

中国重要会议论文全文数据库 前1条

1 秦承志;朱阿兴;施迅;李宝林;裴韬;周成虎;;坡位渐变信息的模糊推理[A];中国地理学会2006年学术年会论文摘要集[C];2006年

中国博士学位论文全文数据库 前1条

1 郭澎涛;紫色土丘陵区农田土壤不同坡位取样单元确定研究[D];西南大学;2012年

中国硕士学位论文全文数据库 前7条

1 马风华;基于随机森林的模糊坡位划分[D];西南大学;2016年

2 郝凌颖;紫金山不同坡位林分结构与生物多样性研究[D];南京林业大学;2012年

3 张顺平;不同坡向坡位土壤理化性质与泡桐生长关系的研究[D];北京林业大学;2014年

4 张宇;黄土高原不同坡位苹果园土壤生物学性质时空变化特征研究[D];西北农林科技大学;2012年

5 李颖;东灵山不同环境梯度下叶的功能性状差异性研究[D];北京林业大学;2013年

6 杨光;东北东部山区部分主要树种邻体影响半径研究[D];东北林业大学;2006年

7 冯愿楠;晋西黄土区林草植被特征数量化研究[D];北京林业大学;2008年

，

本文编号：930689