為了有效預警降雨型滑坡災害,以秦巴山區(qū)為研究區(qū)域,采集并處理大量不同時段降雨數(shù)據(jù),構成降雨特征屬性。利用Fisher最優(yōu)分割,對降雨特征屬性值進行分段統(tǒng)計,提出特征聚合轉換表。使用信息增益和預測反饋篩選影響滑坡災害的有效降雨特征,為預測模型提供有效數(shù)據(jù)集。利用特征聚合轉換表和有效降雨特征,改進決策樹,構建特征聚合決策樹預測模型,進而提高預測效率和預測準確率。分析決策樹的深度和葉子節(jié)點個數(shù),給出決策樹的反饋執(zhí)行度,表明使用特征聚合轉換表的決策樹更優(yōu)。比較特征聚合決策樹、決策樹、樸素貝葉斯和邏輯回歸預測模型,結果表明,特征聚合決策樹預測模型對降雨型滑坡災害有更高的預測準確率,且平均預測準確率較高。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1改進決策樹算法流程圖

算法流程如圖1所示。算法具體步驟如下:

圖2特征屬性信息增益比較

降雨特征屬性的信息增益大小比較如圖2。表1為信息增益降序后,隨機選取75%數(shù)據(jù)為訓練集,25%數(shù)據(jù)為測試集,進行100次實驗,逐次加入特征屬性的預測準確率。可以看出平均準確率p≥0.82,特征屬性最少個數(shù)為5。因此,篩選RH6,RH12,RH24,RD1,RD4為影響降雨滑坡災害....

圖4深度為1～20預測準確率

圖4為深度1到20的決策樹的預測準確率,可以看到,當深度≥7,預測準確率超過82%,而深度增加,準確率增幅范圍在0～0.05之間,因此實驗中選取決策樹深度depth≥7。由4.1.1和4.1.2確定實驗參數(shù):篩選特征屬性個數(shù)m=5(RH6,RH12,RH24,RD1,RD4);降....

圖3深度為1～200預測準確率

圖3為以篩選特征屬性,逐次構建深度為1～200的決策樹的預測準確率�？梢钥闯�,當樹的深度達到一定值后,準確率維持在80%以上,而深度的增加對準確率影響不大。表1篩選特征屬性的預測準確率篩選特征屬性準確率/%RH1257.6RH12RH2473.7RH12RH2....

本文編號：3924098