3种典型机器学习方法在灾害敏感性评估中的对比 |
| |
引用本文: | 张雪蕾,汪明,曹寅雪,刘凯,洪超裕.3种典型机器学习方法在灾害敏感性评估中的对比[J].中国安全生产科学技术,2018(7). |
| |
作者姓名: | 张雪蕾 汪明 曹寅雪 刘凯 洪超裕 |
| |
作者单位: | 环境演变与自然灾害教育部重点实验室;北京师范大学地理科学学部减灾与应急管理研究院 |
| |
摘 要: | 为了比较不同机器学习方法在灾害敏感性评估中的适用性,将K近邻、朴素贝叶斯和随机森林3种典型机器学习方法运用到灾害敏感性评估中,比较3种方法在预测准确率、混淆矩阵和敏感性图上的异同;并基于深圳市电动自行车出险数据以及孕灾环境数据,运用3种方法评估深圳市电动自行车出险的敏感性,进而绘制敏感性图,探讨3种方法对于不同性质数据的适用条件,为开展灾害敏感性评估工作时选取更为适宜的方法,提供参考建议。
|
本文献已被 CNKI 等数据库收录! |
|