北京市人与野生动物冲突风险的预测方法及应用研究
发布时间：2021-06-14 18:28
人与野生动物冲突问题正在逐步演变成一个全球性问题,处于冲突中的人类可能遭受经济损失、精神损失和人身伤亡危害,而冲突涉及的野生动物由于人类的仇恨心理可能面临更高的灭绝风险,甚至危及地球的生物多样性。冲突对双方都造成了巨大伤害,冲突风险预警是解决冲突的有效方法之一,研究人与野生动物的冲突风险预测方法,提前预警冲突的发生,对降低双方遭受的伤害、维护物种多样性、更好地开展野生动物保护工作具有重要意义。本文选取北京市2009-2017年的野生动物造成损失事件数据,在对数据进行时间间隔划分和空间网格划分处理后,从热点预测和区域数量预测两个角度,设计并实现了三大冲突预测算法:（1）基于Xgboost的冲突热点预测算法,主要提出了一套将冲突预测问题转化为统计学分类问题的方法,采用Xgboost算法进行分类建模尝试,并与传统分类算法进行对比验证。（2）针对区域冲突数量预测这一时间序列问题,提出了网格搜索结合BIC准则的ARIMA模型自动参数优化方法。（3）引入深度学习技术,设计基于长短期记忆神经网络（LSTM）的冲突数量预测算法,并基于冲突数据的空间相关特性进行优化。算法实验结果显示:（1）在冲突热点预...
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：104 页
【学位级别】：硕士
【部分图文】：
其他受损农作物类别占比Figure3.5Proportionofotherdamagedcropcategories
3北京市人与野生动物冲突现状分析25使用Python中的foilum拓展库绘制2009-2017年北京市人与野生动物冲突总量热力图，用以观察全市的冲突分布情况；绘制2009年至2017年每年的人与野生动物冲突热力图，对比观察冲突的空间演变趋势。图3.7北京市人与野生动物冲突总量热力地图（2009-2017）Figure3.7Heatmapoftotalnumberofhuman-wildlifeconflictsinBeijing（2009-2017）图3.7显示了2009至2017年北京市人与野生动物冲突严重性的热力图，热力图的中心区域表示冲突事件数量集中、危害严重的区域，热力图的颜色越深，则该区域的冲突事件密度越高。整体来看，北京市人与野生动物冲突事件集中趋势明显，主要集中在北京市北部和西南部地区，从而使得冲突明显划分为北部地区冲突带和西南地区冲突带，北部冲突带以延庆区、怀柔区北部、密云区西北部为主，西南冲突带以门头沟和房山区为主，主要集中在门头沟区的西南角和东南角。
3北京市人与野生动物冲突现状分析26图3.8北京市每年人与野生动物冲突数量空间分布热力图Figure3.8Heatmapofyearlynumberofhuman-wildlifeconflictsinBeijing（2009-2017）按时间变化的顺序来看，2009至2017年，北部冲突带和西南冲突带的冲突空间均存在明显的空间演变趋势，且两个冲突带的演变方向不尽相同，如图3.8所示。首先观察北部冲突带的空间演变趋势。2009年和2010年，北京市北部冲突带的冲突热度集中在西北的延庆区，冲突影响的范围校而2011年到2016年之间，北部地区的冲突事件热度逐步扩张，从热力图覆盖范围来看，2011和2012年北部冲突带冲突影响范围扩张至怀柔北部地区和密云西北部地区，2013年的北部冲突带蔓延至2009年2010年2011年2012年2013年2014年2015年2016年2017年
【参考文献】：
期刊论文
[1]恶劣天气情况下基于随机森林算法的交通流量预测[J]. 徐秀娟,白玉林,徐璐,许真珍,赵小薇. 陕西师范大学学报(自然科学版). 2020(02)
[2]基于LSTM神经网络的降雨天旅行时间预测研究[J]. 王志建,李达标,崔夏. 交通运输系统工程与信息. 2020(01)
[3]北京市人与野生动物冲突和土地利用相关性实证研究[J]. 曾巧,陈文汇,刘俊昌. 内蒙古统计. 2019(06)
[4]基于长短期记忆模型的入室盗窃犯罪预测研究[J]. 沈寒蕾,张虎,张耀峰,张志刚,朱艳敏,蔡黎. 统计与信息论坛. 2019(11)
[5]从补偿到保险赔偿:经济手段缓解人与野生动物冲突成效探讨[J]. 李雨晗,高煜芳. 科学. 2019(05)
[6]基于GRU-RNN模型的城市主干道交通时间预测[J]. 张铭坤,王昕. 北京信息科技大学学报(自然科学版). 2019(04)
[7]三江源区人兽冲突现状分析[J]. 闫京艳,张毓,蔡振媛,陈家瑞,覃雯,张婧捷,连新明,张同作. 兽类学报. 2019(04)
[8]基于随机森林的犯罪预测模型[J]. 卢睿,李林瑛. 中国刑警学院学报. 2019(03)
[9]我国自然保护区人与野生动物冲突现状及管理建议[J]. 窦亚权,余红红,李娅,罗明灿. 野生动物学报. 2019(02)
[10]基于人工神经网络模型的抢劫犯罪微观研究[J]. 邱明月,王新猛,唐松泽. 信息技术与信息化. 2018(10)
硕士论文
[1]基于深度神经网络的电力负荷分析方法的研究与实现[D]. 陈璞迪.北京邮电大学 2019
[2]基于深度学习的公交车等待时间预测方法研究[D]. 王俊婷.西安电子科技大学 2019
[3]基于改进的LSTM网络的交通流预测[D]. 任艺柯.大连理工大学 2019
[4]基于高速公路大数据的流量预测问题研究[D]. 王雪菲.北方工业大学 2019
[5]基于深度学习的交通出行大数据分析与应用[D]. 王东杰.西南交通大学 2019
[6]基于时空数据的特征分析与挖掘技术的研究[D]. 刘崛雄.电子科技大学 2019
[7]基于机器学习算法的犯罪预警系统设计与实现[D]. 潘仲赢.电子科技大学 2019
[8]基于车牌识别数据的城市主干道旅行时间预测[D]. 张威威.清华大学 2017
[9]西双版纳人象冲突风险评估研究[D]. 李雯雯.云南财经大学 2017
[10]盗窃类犯罪的时间序列分析[D]. 陈笛.中国人民公安大学 2017
本文编号：3230103
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：104 页
【学位级别】：硕士
【部分图文】：
其他受损农作物类别占比Figure3.5Proportionofotherdamagedcropcategories
3北京市人与野生动物冲突现状分析25使用Python中的foilum拓展库绘制2009-2017年北京市人与野生动物冲突总量热力图，用以观察全市的冲突分布情况；绘制2009年至2017年每年的人与野生动物冲突热力图，对比观察冲突的空间演变趋势。图3.7北京市人与野生动物冲突总量热力地图（2009-2017）Figure3.7Heatmapoftotalnumberofhuman-wildlifeconflictsinBeijing（2009-2017）图3.7显示了2009至2017年北京市人与野生动物冲突严重性的热力图，热力图的中心区域表示冲突事件数量集中、危害严重的区域，热力图的颜色越深，则该区域的冲突事件密度越高。整体来看，北京市人与野生动物冲突事件集中趋势明显，主要集中在北京市北部和西南部地区，从而使得冲突明显划分为北部地区冲突带和西南地区冲突带，北部冲突带以延庆区、怀柔区北部、密云区西北部为主，西南冲突带以门头沟和房山区为主，主要集中在门头沟区的西南角和东南角。
3北京市人与野生动物冲突现状分析26图3.8北京市每年人与野生动物冲突数量空间分布热力图Figure3.8Heatmapofyearlynumberofhuman-wildlifeconflictsinBeijing（2009-2017）按时间变化的顺序来看，2009至2017年，北部冲突带和西南冲突带的冲突空间均存在明显的空间演变趋势，且两个冲突带的演变方向不尽相同，如图3.8所示。首先观察北部冲突带的空间演变趋势。2009年和2010年，北京市北部冲突带的冲突热度集中在西北的延庆区，冲突影响的范围校而2011年到2016年之间，北部地区的冲突事件热度逐步扩张，从热力图覆盖范围来看，2011和2012年北部冲突带冲突影响范围扩张至怀柔北部地区和密云西北部地区，2013年的北部冲突带蔓延至2009年2010年2011年2012年2013年2014年2015年2016年2017年
【参考文献】：
期刊论文
[1]恶劣天气情况下基于随机森林算法的交通流量预测[J]. 徐秀娟,白玉林,徐璐,许真珍,赵小薇. 陕西师范大学学报(自然科学版). 2020(02)
[2]基于LSTM神经网络的降雨天旅行时间预测研究[J]. 王志建,李达标,崔夏. 交通运输系统工程与信息. 2020(01)
[3]北京市人与野生动物冲突和土地利用相关性实证研究[J]. 曾巧,陈文汇,刘俊昌. 内蒙古统计. 2019(06)
[4]基于长短期记忆模型的入室盗窃犯罪预测研究[J]. 沈寒蕾,张虎,张耀峰,张志刚,朱艳敏,蔡黎. 统计与信息论坛. 2019(11)
[5]从补偿到保险赔偿:经济手段缓解人与野生动物冲突成效探讨[J]. 李雨晗,高煜芳. 科学. 2019(05)
[6]基于GRU-RNN模型的城市主干道交通时间预测[J]. 张铭坤,王昕. 北京信息科技大学学报(自然科学版). 2019(04)
[7]三江源区人兽冲突现状分析[J]. 闫京艳,张毓,蔡振媛,陈家瑞,覃雯,张婧捷,连新明,张同作. 兽类学报. 2019(04)
[8]基于随机森林的犯罪预测模型[J]. 卢睿,李林瑛. 中国刑警学院学报. 2019(03)
[9]我国自然保护区人与野生动物冲突现状及管理建议[J]. 窦亚权,余红红,李娅,罗明灿. 野生动物学报. 2019(02)
[10]基于人工神经网络模型的抢劫犯罪微观研究[J]. 邱明月,王新猛,唐松泽. 信息技术与信息化. 2018(10)
硕士论文
[1]基于深度神经网络的电力负荷分析方法的研究与实现[D]. 陈璞迪.北京邮电大学 2019
[2]基于深度学习的公交车等待时间预测方法研究[D]. 王俊婷.西安电子科技大学 2019
[3]基于改进的LSTM网络的交通流预测[D]. 任艺柯.大连理工大学 2019
[4]基于高速公路大数据的流量预测问题研究[D]. 王雪菲.北方工业大学 2019
[5]基于深度学习的交通出行大数据分析与应用[D]. 王东杰.西南交通大学 2019
[6]基于时空数据的特征分析与挖掘技术的研究[D]. 刘崛雄.电子科技大学 2019
[7]基于机器学习算法的犯罪预警系统设计与实现[D]. 潘仲赢.电子科技大学 2019
[8]基于车牌识别数据的城市主干道旅行时间预测[D]. 张威威.清华大学 2017
[9]西双版纳人象冲突风险评估研究[D]. 李雯雯.云南财经大学 2017
[10]盗窃类犯罪的时间序列分析[D]. 陈笛.中国人民公安大学 2017
本文编号：3230103
本文链接：https://www.wllwen.com/nykjlw/dzwbhlw/3230103.html
最近更新
教材专著
