-
题名基于GEE云平台的小江流域泥石流迹地空间分布制图
- 1
-
-
作者
宗慧琳
袁希平
甘淑
杨明龙
吕杰
张晓伦
-
机构
昆明理工大学国土资源工程学院
云南省高校高原山地空间信息测绘技术应用工程研究中心
滇西应用技术大学云南省高校山地实景点云数据处理及应用重点实验室
-
出处
《光谱学与光谱分析》
北大核心
2025年第4期1045-1060,共16页
-
基金
国家自然科学基金项目(62266026,41861054)资助。
-
文摘
快速、准确、详尽调研泥石流孕灾区域的分布信息能够帮助了解、深刻认识泥石流分布范围、分布规律及成因,并进一步根据具体情况找到科学的监测、预测、预防和治理的技术手段,从而减少泥石流灾害带来的问题与损失。为寻求高效、高精度的泥石流空间分布提取方法,以云南省小江流域作为研究区,利用谷歌地球引擎(Google Earth Engine,GEE)平台和随机森林算法,有效地提取了泥石流迹地的空间分布。首先利用2022年Sentinel-2影像及地形数据构建4类特征变量(光谱特征、指数特征、地形特征、纹理特征)作为特征集合,接着将随机森林特征变量重要性评分和J-M距离结合进行特征优选研究与分析,探讨了各个特征变量对泥石流迹地提取的重要性;最后设置不同特征组合形成6种不同的提取方案,对比分析6种试验方案提取泥石流迹地的精度,确定最优方案以提高识别精度。研究表明:(1)无论是否进行特征优选,加入地形特征变量的泥石流迹地提取精度均优于仅使用光学影像数据的精度,可见地形数据有利于泥石流迹地信息提取;(2)不同类型的特征变量对分类精度的影响不同,特征重要性评分由高到低的特征类型为地形特征、指数特征、纹理特征、光谱特征;(3)基于Sentinel-2光学影像和地形数据的多源数据构建多维特征变量并进行特征优选的试验方案6,提取到的2022年云南省小江流域泥石流迹地空间分布图最优,总体精度为94.95%,Kappa系数为0.94,泥石流迹地的制图精度为91.01%,用户精度为95.29%,该方案不仅提高了分类精度还有效降低了数据冗余。利用Google Earth Engine平台,光学遥感影像和地形数据相结合的多源数据以及随机森林算法,能够快速、准确、高效地制作较大范围地物覆盖复杂地区的泥石流迹地空间分布图,具有较大的应用潜力。
-
关键词
泥石流区提取
特征优选
J-M距离
Google
Earth
Engine
Sentinel-2数据
随机森林
特征变量重要性
-
Keywords
Debris flow traces identification
Feature optimization,J-M distance
Google Earth Engine
Sentinel-2 data
Random forest
Characteristic variables importance
-
分类号
P237
[天文地球—摄影测量与遥感]
-
-
题名基于随机森林回归算法的回采工作面瓦斯涌出量预测
被引量：16
- 2
-
-
作者
张增辉
马文伟
-
机构
国家能源集团神东煤炭集团有限责任公司保德煤矿
中煤科工集团沈阳研究院有限公司
煤矿安全技术国家重点实验室
西安交通大学人居环境与建筑工程学院
-
出处
《工矿自动化》
CSCD
北大核心
2023年第12期33-39,共7页
-
基金
国家科技重大专项资助项目(2016ZX05045-004-001)。
-
文摘
回采工作面是矿井瓦斯涌出的主要场所,精准预测回采工作面的瓦斯涌出量,进而有针对性地提出防治措施,对保证矿井安全生产具有重要意义。提出了基于随机森林回归算法的回采工作面瓦斯涌出量预测方法。以工作面实测瓦斯涌出量数据为原始样本,利用Bootstrap抽样方法进行随机抽样,以袋外数据(OOB)评估分数oob_score作为随机森林回归模型调参、特征变量重要性的评判指标,计算得出模型的最佳参数、特征变量重要性占比。对各特征变量的重要性占比进行排序,并按排序进行随机森林回归模型性能分析,结果表明:随着特征变量数的增加,模型性能不会呈现规律性的变化;当特征变量数较少时,可能存在过拟合的情况。测试结果表明,所创建的随机森林回归模型预测值与实测值的平均绝对误差、平均相对误差随着特征变量数的增加呈下降趋势,特征变量数的增加可在一定程度上提高模型的预测效果。针对同一组数据,与主成分回归分析法相比,随机森林回归模型平均相对误差降低了14.29%,预测效果更好,且原理更简单、调参更容易、计算速度更快,能够为矿井回采工作面瓦斯涌出量预测提供有力的理论支撑。
-
关键词
回采工作面
瓦斯涌出量预测
随机森林回归
袋外数据评估分数
特征变量重要性
特征变量数
-
Keywords
mining face
gas emission prediction
random forest regression
out of bag data assessment score
importance of feature variables
number of feature variables
-
分类号
TD712
[矿业工程—矿井通风与安全]
-
