基于决策树的区域地块风险管控模式预测

针对传统地块风险管控模式确定存在效率低、成本高、缺乏系统性的缺陷,通过构建区域地块风险管控模式决策的特征数据集,并采用卡方自动交叉检验（CHAID）、穷举卡方自动交叉检验（E-CHAID）、分类与回归树（CART）3种决策树（DT）,探索不同DT算法应用于区域地块风险管控模式预测的可行性.结果表明,DT应用于区域地块风险管控模式预测是可行的.CART-DT在准确率（ACC）、精度（PRE）、召回率（REC）、F₁值方面的性能均显著优于CHAID-DT和E-CHAID-DT.CART的总体优化算法可能更适合区域地块风险管控模式的预测.区域保护目标（RPG）、区域污染物类型（RPT）、区域企业平均生产年限（RAPP）3项输入变量对CART-DT输出的重要性非常高;区域年平均风速（RAAWS）、区域地形地貌（RT）、区域土地增值潜力（RLVP）等11项输入变量对CART-DT输出的重要性较高;区域人口密度（RPD）、区域主导行业风险（RDIS）等6项输入变量对CART-DT的输出也有一定贡献.     

基于决策树的城市在用车环检首检结果预测模型研究

在用车环检是机动车环保监督管理的有效手段,本文通过建立环检结果预测模型以达到事前管理的目的.研究使用通过简易瞬态工况法的数据库,采用决策树算法,建立了环检数据库数据预处理规则,证实了整数编码可用性和运算负荷小的优点,并采取过采样方法解决数据不平衡问题,通过ROC曲线确定子模型的超参数,建立了环检结果预警模型.结果显示,等级1级以上级别可涵盖90%的不合格车辆,累计行驶里程数、车龄对环检结果影响最大.研究表明,该方法复用性较强,有利于通过易获取的信息预测环检结果,可有效支持机动车排放分级分类管理和政策制定.     

路面预防性养护时机确定方法探讨

介绍了路面预防性养护时机的确定方法 :应用行驶质量指数或破坏指数、基于时间或路况、效益费用评估、生命周期费用分析、决策树或决策矩阵、评分排序方法进行路面预防性养护时机的确定 ;挖掘了目前路面预防性养护时机选取方法中存在的不足。根据路面破坏的复杂性以及目前路面预防性养护时机选取方法的不足 ,提出应对措施 ,路面预防性养护时机研究应该在一个多标准、基于路面性能的基础上进行 ;在路面结构性能良好的情况下 ,基于预防性养护的路面功能性能衰变是进行路面预防性养护时机研究的关键     

家户水灾社会脆弱性的评估方法研究——以长沙地区为例

中国是洪水灾害发生频繁的国家之一，研究水灾脆弱性对中国的灾害风险管理有着极为重要的意义。但是，合理评估脆弱性尤其是社会脆弱性却面临着极大的挑战。利用Hoovering改进模式，选择湘江流域的长沙地区为研究区，对研究区内的家户进行了社会脆弱性评价。结果表明，长沙市区的5个区内，高脆弱性家户最多的是天心区，最少的是雨花区。而就社区而言，高脆弱性家户最多的足裕南街街道和桔子洲街道。该结果反映了长沙不同行政区、社区社会脆弱性的差别，可供确定受援地区和受援人群及开展援助活动，乃至灾后日常风险管理参考。     

基于遥感影像的峻河流域高寒灌丛决策树提取方法

本文选择青海湖流域内一个具有代表性的小流域—峻河流域为研究对象,通过该区域 IKNOS-2 高分辨率影像的分析,发现该区域高寒灌丛的分布与海拔、坡度、坡向等因素密切相关。 据此,将研究区1:5 万DEM 数据融入TM 影像植被分类过程中,建立一种新的决策树分类方法, 结果将分类总体精度提高到89.37%,Kappa 系数提高到0.7875,达到一般分类结果的精度要求。 这说明,加入多源数据,尤其是地形数据,能够显著提高高寒灌丛植被的分类精度。     

基于决策树模型的煤矿安全事故严重程度分析与预测

为将数据挖掘技术应用于煤矿安全管理,通过对我国1999—2015年29 000多条煤矿安全事故数据的研究,系统分析了事故发生的区域、时间、类型和企业信息等因素对事故严重程度的影响及彼此之间的相关性。通过构建决策树分类模型,在给定事故相关信息的基础上,对事故严重程度进行分类预测;基于数据类别不平衡的特点,采用欠采样的抽样方法,同时利用梯度提升的组合分类器来提高分类精度。结果表明,采用的数据挖掘模型在预测不同严重程度的事故上均达到了较高精度。     

基于流形降维和梯度提升树的大气腐蚀速率预测模型

目的为了挖掘大气腐蚀速率与金属化学成分和暴露时间两个影响因素的定量关系,针对数据集特点,提出一种局部保持投影(Locality Preserving Projection)和梯度提升树(Gradient Boosting Decision Trees)结合的大气腐蚀速率预测模型(LPP-GBDT)。方法采用LPP算法对金属化学成分进行降维处理,得到金属化学成分低维特征,然后引入时间因素,并利用GBDT进行建立预测模型。以青岛海洋大气环境下积累的16年内的腐蚀速率数据进行模型性能验证,结果 LPP-GBDT模型测试集平均绝对误差为1.73μm/a,平均绝对百分误差为6.30%。正交化LPP-GBDT模型测试集平均绝对误差为1.21μm/a,平均绝对百分误差为4.42%。结论与多个典型预测模型相比,LPP-GBDT模型基于暴露时间和化学成分因素实现了大气腐蚀速率较为准确的预测,对特定环境下金属选材具有一定的参考价值。     

判别分析与决策树分析在化学物质生态危害分类中的应用

运用Fisher判别、马氏距离判别和决策树分析3种方法对61种环境优先污染物的生态危害程度进行分类,并比较了各模型的分类正确率.结果显示,决策树分析方法分类正确率最高,为92%;马氏距离判别其次,为87%;Fisher判别最低,为75%.决策树分析方法不仅减少了2项评价指标,而且对61个新数据矩阵的多次分析显示其分类能力非常稳定,正确率基本符合正态分布,且保持在92%左右,为3种方法中最优的分类方法.     

基于决策树技术及在线监测的水质预测

利用北方某城市水源的水质在线监测系统,建立了基于决策树技术,具有较强可视性和实际应用,以及能预测次日源水中叶绿素水平的决策树模型.该模型将某城市水源在线监测的溶解氧和太阳辐射照度数据转换计算为每日平均标准偏差及均值,并与每日定时取样测定的叶绿素含量一起作为预测因子,通过将115组数据的前100组数据作为训练集建立预测次日叶绿素水平决策树模型,并采用后15组数据进行模型的仿真预测检验,结果只有3 d的预测出错,预测准确率达80%.并讨论了模型建立对数据的要求及解读预测规则等问题.     

小麦籽粒镉含量影响因素Meta分析和决策树分析

快速的城市化、工业化和农业集约化造成了严重的土壤问题,如土壤酸化和镉污染等,严重威胁着中国的粮食安全和人体健康.小麦是中国第二大粮食作物,对镉有较强的积累能力.探明小麦籽粒镉含量的影响因素对保障小麦安全生产至关重要.然而,目前对小麦籽粒镉含量的影响因素还缺乏全面和定量的分析.对近10年发表的56篇相关论文进行Meta分析和决策树分析,结果表明,土壤样点中镉含量超过农用地土壤污染风险筛选值的比例为52.6%,小麦籽粒镉含量超过食品安全国家标准(0.10 mg·kg^-1,GB 2762-2017)的比例为64.1%.土壤理化性质中,pH、有机质、有效磷和土壤全镉含量是影响小麦籽粒镉含量的重要因素.土壤的pH≤5.5和5.5-1≤土壤有机质含量<30 g·kg^-1时,小麦籽粒镉含量超标率最高,为61.0%.农田土壤的pH≥7.1且全镉含量<1.60 mg·kg^-1时有利于小麦安全生产.不同小麦品种籽粒镉含量...