检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

作物产量模型中因子重要性的排序

农业系统科学与综合研究 1997年第2期13卷 151-153页

作者：杨锦忠陆强山西农业大学农学系太原030801

作物产量的二次回归模型是优化作物生产系统的有力工具,但还未解决因子对作物产量影响程度的量化问题。利用求二次项系数矩阵特征根与特征向量的方法,提出了确定因子重要性排序的计算方法。同时举实例说明了该方法的应用。

关键词：二次回归模型作物产量因子重要性特征根

在线全文

学校读者我要写书评

暂无评论

基于机器学习的东非植被变化因子重要性分析

水土保持通报 2023年第6期43卷 227-236页

作者：张秀梅马波张怡捷西北农林科技大学水土保持研究所陕西杨凌712100 中国科学院水利部水土保持研究所陕西杨凌712100

[目的]基于机器学习算法对东非植被变化进行因子重要性分析,测度不同算法在各情况下的精度差异及适用性,为保护、恢复和促进可持续森林管理、水土流失综合防治提供科学依据。[方法]以东非9个国家2001—2020年的归一化植被指数(normalize... 详细信息

[目的]基于机器学习算法对东非植被变化进行因子重要性分析,测度不同算法在各情况下的精度差异及适用性,为保护、恢复和促进可持续森林管理、水土流失综合防治提供科学依据。[方法]以东非9个国家2001—2020年的归一化植被指数(normalized difference vegetation index,NDVI)变化为研究对象,选取影响东非植被变化的2个气候因子及5个人类活动因子作为自变量,利用随机森林(random forest,RF)、BP神经网络(BP neural networks,BP)、支持向量机(support vector machines,SVM)、遗传算法(genetic algorithm,GA)、径向基神经网络(radial basis function,RBF)、卷积神经网络(convolutional neural networks,CNN)6种机器学习算法建立NDVI预测模型,以决定系数(R^(2))、平均绝对误差(MAE,mean absolute error)、平均相对误差(MRE,mean relative error)3个指标评价评估6种机器学习算法预测NDVI变化的潜力,并基于所得的最优模型即对选取的7个因子进行重要性分析。[结果]精度验证结果表明,研究区内在全因子的情况下,CNN算法的回归精度最差;经逐轮删除一个综合表现不佳的算法后,RF算法建立的模型在东非NDVI变化分析中回归精度较高;基于随机森林算法的不同因子变量对NDVI变化的重要性表明,年降水量、N_(2)O排放量、CH_(4)排放量、牲畜数量4个变量对NDVI变化回归的结果影响较大。[结论]随机森林算法的回归能力在东非NDVI模拟中具有相对优势,降水量是影响植被变化最重要的气候因子,同时,温室气体的排放对于东非植被的变化也具有一定的影响。东非各国应提高植被变化对气候环境、社会经济和政治制度相互依存关系的认识和理解,并制定适当的政策以促进可持续森林管理、防治荒漠化。

关键词：归一化植被指数(NDVI) 机器学习精度评估因子重要性东非

基于SHAP值机器学习的江西暖季暴雨预报因子重要性分析

在线全文

学校读者我要写书评

暂无评论

气象与减灾研究 2024年第1期47卷 12-23页

作者：夏侯杰肖安江西省气象台江西南昌330096

机器学习模型(Machine Learning,ML)的不可解释性给其在气象业务中的应用带来了挑战。模型解释和可视化是解决这一问题的有效途径。文中将SHAP值应用于天气预报ML模型解释,研究了江西省暖季暴雨模型的预报因子对预报结果的影响。分别选... 详细信息

机器学习模型(Machine Learning,ML)的不可解释性给其在气象业务中的应用带来了挑战。模型解释和可视化是解决这一问题的有效途径。文中将SHAP值应用于天气预报ML模型解释,研究了江西省暖季暴雨模型的预报因子对预报结果的影响。分别选取2016—2020年、2021—2022年4—9月ECWMF(European Centre for Medium-Range Weather Forecasts)高分辨率数值模式物理量及国家站降水观测数据进行XGBoost建模与模型解释。结果表明,全局重要性排名前4位依次是总降水(重要性42.70%)、850 hPa比湿(重要性11.17%)、925 hPa相对湿度(重要性10.44%)、500 hPa相对湿度(重要性9.16%)。个例分析表明,命中个例中高重要性物理因子在暴雨区的SHAP值较大,漏报(空报)个例在漏报(空报)区域高重要性物理因子的SHAP值偏小(偏大)。SHAP值从全局和局部可定量给出ML模型有物理意义的解释,解释结果与天气学原理和业务经验较一致,有利于ML在气象业务中的深入应用。

关键词： SHAP值机器学习暴雨因子重要性可解释性

在线全文

学校读者我要写书评

暂无评论

中国城市不透水面空间格局对热岛强度的影响

北京师范大学学报（自然科学版） 2024年第5期60卷 641-650页

作者：郑自琪庞博任汉承陈浩铭周斯聪北京师范大学水科学研究院城市水循环与海绵城市技术北京市重点实验室北京

高速城市化带来的不透水面(ISA)扩张成为影响我国城市地表热岛强度(SUHII)的重要驱动因素.辨识不透水面的空间格局对热岛强度的影响仍有待研究.本文利用卫星地表温度(LST)数据和中国31个主要城市的高分辨率不透水面数据,全面分析了不透... 详细信息

高速城市化带来的不透水面(ISA)扩张成为影响我国城市地表热岛强度(SUHII)的重要驱动因素.辨识不透水面的空间格局对热岛强度的影响仍有待研究.本文利用卫星地表温度(LST)数据和中国31个主要城市的高分辨率不透水面数据,全面分析了不透水面的面积、聚集度、斑块密度和边界形状复杂程度,以及人口和NDVI差异对热岛强度的影响.结果显示,我国城市的日间热岛强度存在明显的空间和季节变化,强度由南向北递减,而夜晚则相反.不透水面的面积、聚集度和边界形状复杂程度与热岛强度呈正相关关系,而斑块密度与热岛强度呈负相关关系.通过逐步多元线性回归模型,选取的景观结构、人口及植被变量指标能解释夏季昼夜热岛强度变化的63.7%、57.0%,以及冬季昼夜热岛强度变化的78.6%和39.8%.且不透水面的聚集度与边界形状与白天热岛强度相关性较大,不透水面面积及其聚集程度对夜晚热岛强度有显著影响.研究结果能够为优化城市景观结构和减轻热岛效应对城市安全的影响提供科学参考.

关键词：城市地表热岛强度中国主要城市不透水面面积逐步多元线性回归因子重要性

在线全文

学校读者我要写书评

暂无评论

基于机器学习的公司违规预测研究

财务研究 2022年第4期 54-66页

作者：李莹曲晓辉南京审计大学社会审计学院哈尔滨工业大学(深圳)经济管理学院厦门大学会计发展研究中心

公司违规研究一般采用传统的线性回归模型处理历史数据,本文则构建了基于机器学习算法的公司违规预测模型并实施检验。研究发现:(1)通过比对分析可知,广为使用的线性回归模型不能充分挖掘数据信息并进行有效预测,机器学习的树模型(Rando... 详细信息

公司违规研究一般采用传统的线性回归模型处理历史数据,本文则构建了基于机器学习算法的公司违规预测模型并实施检验。研究发现:(1)通过比对分析可知,广为使用的线性回归模型不能充分挖掘数据信息并进行有效预测,机器学习的树模型(RandomForest和GBDT)和神经网络模型(RNN和LSTM)的预测效果更优;(2)采用SHAP方法探寻公司违规的重要预警因子及其贡献度,发现公司治理相关变量对违规预警具有重要贡献,传统线性回归模型过分强调财务数据的预警能力,弱化了公司治理因子对违规预警的贡献;(3)进一步采用SHAP方法将RandomForest和GBDT模型的运作过程和贡献分布可视化,挖掘重要因子对公司未来违规的影响机理,并计算主要影响因子的警惕阈值。本研究实现了公司违规行为预测研究方法的创新,对投资者和监管机构的决策优化具有借鉴意义。

关键词：违规预测机器学习传统预测模型因子重要性可视化