期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于无人机的柠条锦鸡儿生物量遥感估测 被引量：1
1
作者 吴家敏 王亚欣 +3 位作者 孙斌 马志杰 孙维娜 洪亮 《林业科学》 北大核心 2025年第6期13-24,共12页
【目的】运用无人机数据,通过面向对象方法对鄂尔多斯市柠条锦鸡儿进行单株识别,对比RF、SVR、XGBoost机器学习算法,实现单株柠条锦鸡儿的高精度提取及生物量精准估测,为干旱地区环境保护、碳储量研究等提供参考。【方法】综合利用无人... 【目的】运用无人机数据,通过面向对象方法对鄂尔多斯市柠条锦鸡儿进行单株识别,对比RF、SVR、XGBoost机器学习算法,实现单株柠条锦鸡儿的高精度提取及生物量精准估测,为干旱地区环境保护、碳储量研究等提供参考。【方法】综合利用无人机载多光谱和激光雷达数据,融合光谱和垂直结构信息,基于面向对象方法开展单株柠条锦鸡儿高精度提取研究。在此基础上,通过对比随机森林(RF)、支持向量回归(SVR)和极端梯度提升决策树(XGBoost)3种机器学习算法,进行生物量的遥感精准估测。【结果】1)利用无人机获取超高分辨率影像数据,通过LSMS分割算法和SVM分类器能够实现单株柠条锦鸡儿的高精度识别,各样方柠条锦鸡儿的分割准确率在86%以上,总样方准确率在90%以上,欠分割和过分割误差在6%以下,总体分类精度达91.51%。2)基于支持向量机的递归特征消除(SVM-RFE)方法筛选出对生物量建模贡献度高的17个变量,其中包括2个平面特征和15个高度变量,高度变量对生物量的累计贡献度显著高于平面特征(8.7 vs.1.39)。3)与RF和SVR模型相比,XGBoost模型对柠条锦鸡儿的单株生物量具有更高的估测结果(R^(2)=0.95,RMSE=259.57 g,MAE=157.51 g),尤其在生物量低于2000 g时效果最佳。4)通过UAV-LiDAR提取的多个植被垂直结构信息,反映出植被内部生长的多样性和垂直复杂性,有助于提升生物量估测精度。此外,综合考虑高度的平均绝对偏差、变异系数、方差、高度百分位数等多维度高度变量进行生物量预测,相比单一的最大值高度变量指标更具优势。【结论】利用LSMS分割和SVM分类方法提取单株灌木,为单株植被的识别提供了技术参考;引入多维度的点云高度指标参与生物量估测,弥补了单一多光谱数据对柠条锦鸡儿垂直结构信息的缺失,提高了生物量估测精度;XGBoost模型为干旱区小尺度的灌木生物量估测提供了新的视角和工具;基于无人机数据获取的高分辨率影像和点云数据,避免了对当地生态环境造成破坏,尤其是在脆弱的沙地区域。 展开更多
关键词 柠条锦鸡儿 无人机 生物量 极端梯度提升决策树 激光雷达数据
在线阅读 下载PDF
基于UKDE和XGBoost的航班过站时间动态预测 被引量：1
2
作者 吴薇薇 熊奥萍 唐红武 《南京航空航天大学学报》 CAS CSCD 北大核心 2023年第6期1016-1024,共9页
为了提高机场运行高峰时航班过站时间预测的精度及可靠性,研究了一种结合无偏核密度估计(Unbiased kernel density estimation,UKDE)和极端梯度提升决策树(Extreme gradient boosting,XGBoost)模型的航班过站时间动态预测方法。首先,考... 为了提高机场运行高峰时航班过站时间预测的精度及可靠性,研究了一种结合无偏核密度估计(Unbiased kernel density estimation,UKDE)和极端梯度提升决策树(Extreme gradient boosting,XGBoost)模型的航班过站时间动态预测方法。首先,考虑模型输入变量航班密度的连续性和不确定性变化,利用UKDE法估计机场航班密度,将其作为动态指标输入模型。其次,引入量子粒子群(Quantum particle swarm optimization,QPSO)法优化XGBoost模型。最后,考虑前序航班延误发生前后输入特征的变化,利用初始预测结果对航班密度进行修正,得到二阶段预测结果。研究结果表明:本文方法在高峰时段的预测平均绝对误差为7.365 min,效果优于随机森林(Random forest,RF)、粒子群(Particle swarm optimization,PSO)-XGBoost和XGBoost,修正后的预测结果平均绝对误差减少了3.373 min;模型输入参数按敏感性程度由高到低依次为航班密度、前序航班提前到港时间和延误到港时间。 展开更多
关键词 航空运输 时间预测 极端梯度提升决策树 航班过站保障 核密度估计
在线阅读 下载PDF
基于GWO-XGBoost泥石流灾害预测 被引量：4
3
作者 王智勇 李丽敏 +2 位作者 温宗周 尚艳芳 王莲霞 《电子测量技术》 北大核心 2023年第3期92-99,共8页
针对引发泥石流灾害的致灾因子复杂多样而造成模型输入数据维度过大和极端梯度提升树容易陷入局部最优导致预测模型准确率不高的问题,提出一种基于GWO-XGBoost算法模型的泥石流灾害预测方法。首先,对传感器采集到的原始数据进行预处理,... 针对引发泥石流灾害的致灾因子复杂多样而造成模型输入数据维度过大和极端梯度提升树容易陷入局部最优导致预测模型准确率不高的问题,提出一种基于GWO-XGBoost算法模型的泥石流灾害预测方法。首先,对传感器采集到的原始数据进行预处理,得到规范数据,然后通过线性判别分析法进行数据降维得到耦合性低且贡献率较高的致灾因子作为模型输入,对泥石流灾害是否发生进行预测;其次使用灰狼优化算法对模型超参数进行寻优;最后以磨子沟监测数据进行仿真验证。结果表明:经过预处理和线性判别分析法降维后的规范数据解决了模型输入的维数灾难问题,GWO-XGBoost泥石流灾害预测模型的预测准确率为96.64%,相较于随机森林模型、支持向量机模型和极端梯度提升树模型的预测准确率分别提高了6.69%,5.13%和3.86%,丰富了泥石流灾害预测方法并为相关决策部门提供了全新的思路。 展开更多
关键词 泥石流 预测模型 线性判别分析法 极端梯度提升决策树 灰狼优化算法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部