- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
结合森林清查与遥感数据估算艾伯塔省森林生物量的空间变异
摘要： 大范围森林生物量碳储量估算的不确定性给区域和全球尺度森林碳循环研究带来挑战。本研究利用1968个样地森林调查数据与星载激光雷达冠层高度数据相结合的空间显式数据集，尝试估算加拿大阿尔伯塔省当前地上生物量（AGB）。模型构建与评估采用了10个气候变量及海拔数据，通过比较空间插值法、非空间与空间回归模型、基于随机森林算法（机器学习技术）的决策树建模四种方法，筛选出"最优"估算方案。结果表明：随机森林法生物量估算精度最高，非空间与空间回归模型估算结果与之相近，而空间插值法严重高估生物量储量。采用随机森林法估算得出，阿尔伯塔省森林总AGB储量为2.26×10?兆克（Mg），平均AGB密度为56.30±35.94 Mg/公顷。树种层面，黑松、颤杨和白云杉三大主要树种储量约1.39×10? Mg，占总估算AGB的近62%。生物量空间分布随自然区划、土地覆盖类型及树种差异而变化，且不同树种的生物量分布预测变量相对重要性存在差异。本研究表明：结合地面调查数据、星载激光雷达数据、土地覆盖分类以及气候环境变量的综合方法，是估算大区域森林生物量碳储量数量、分布及变异的有效途径。
关键词： 随机森林、遥感、激光雷达、森林生物量、碳储量、艾伯塔省
更新于2025-09-23 15:21:01
-
[2019年IEEE高功率二极管激光器与系统会议(HPD) - 英国考文垂(2019.10.9-2019.10.10)] 2019年IEEE高功率二极管激光器与系统会议(HPD) - 大气激光雷达用脉冲激光二极管的要求
摘要： 本文提出了一种利用机载激光雷达（LiDAR）数据对海岸淹没模型中地表粗糙度进行参数化的新方法。基于佛罗里达州24个站点的实地测量数据与地理配准激光雷达点云数据训练的随机森林（RM）回归模型，计算了影响海岸陆面流动力学的两个关键参数：曼宁粗糙系数（底部摩擦力）和有效空气动力学粗糙长度（风速衰减）。针对每个测试站点，将激光雷达点云分为地面与非地面类别，计算最小二乘回归平面的z维（高度或高程）方差及非地面回归平面高度，这些统计量作为参数化模型的预测变量。通过自助法子采样程序（每次无放回移除一条记录，用剩余记录训练模型并预测被移除记录的地表粗糙度参数）进行模型验证。与基于已发表土地利用/覆盖类型分配地表粗糙度参数的行业标准方法相比，该RM回归模型将曼宁粗糙系数的参数化误差降低93%（从0.086降至0.006），有效空气动力学粗糙长度误差降低53%（从1.299米降至0.610米）。这些改进将提升海岸模型中水位与流速的预测精度。
关键词： 激光雷达、曼宁糙率系数、随机森林（RM）、土地覆盖、空气动力学粗糙度
更新于2025-09-23 15:19:57
-
[2020年IEEE俄罗斯青年电气与电子工程研究人员会议(EIConRus) - 俄罗斯圣彼得堡和莫斯科(2020.1.27-2020.1.30)] 2020年IEEE俄罗斯青年电气与电子工程研究人员会议(EIConRus) - 基于基板集成波导的超宽带偶极渐变槽天线单元在天线阵列中的研究
摘要： 2008年，全球首个商业波浪能发电场在葡萄牙投入运营。与其他可再生能源一样，波浪发电存在间歇性缺陷。提前数小时预知波浪能量水平有助于优化电网管理。本研究采用三种统计模型，对比斯开湾外海三个定向浮标处的波浪能通量（WEF）经向与纬向分量进行最长24小时预测。通过95%置信水平检验，将各模型表现与最简单的持续性预测方法、以及最近网格点物理模型WAve Modeling（WAM）的预测结果进行对比。数据显示：在3至约16小时的中短期预测时段内，基于随机森林（RF）算法的统计模型表现最优，优于包括WAM模型和持续性预测在内的其他方法。
关键词： 应用物理学、预测、随机森林（RF）、波浪能量通量（WEF）、流体力学、比斯开湾
更新于2025-09-23 15:19:57
-
基于区域随机森林的DXA影像中髋部几何特征自动提取
摘要： 背景：髋部骨折被视为全球人群中显著的致残因素之一。髋部骨折患者易出现永久性残疾或因并发症死亡。尽管目前骨密度是评估髋部骨折风险的主要决定因素，但该方法存在显著局限性。 目的：通过采集髋部几何特征（HGFs）可进一步了解骨骼强度。然而采用人工测量技术开展大规模人群髋部骨折风险研究过于繁重而难以实施，因此需要自动化的HGFs提取技术。 方法：本文提出基于区域随机森林的自动化HGFs提取技术。该技术利用股骨DXA图像的髋部解剖局部约束条件定位标志点，局部区域约束使随机森林对噪声更具鲁棒性并提升性能，因其处理的数据点和图像块数量最少。 结果：该系统在体模数据和真实人体扫描数据上分别获得96.22%和95.87%的总体准确率。 结论：本技术的HGFs测量能力有助于髋部骨折病因学研究，可为未来制定新的髋部骨折风险评估指南提供支持。该技术能减轻工作负荷并提高X光设备利用率。
关键词： 等高线穿越、随机森林、双能X射线吸收成像系统、髋部几何特征
更新于2025-09-22 18:17:02
-
多光谱信息能否提升遥感估算总悬浮固体的精度？——切萨皮克湾的统计研究
摘要： 总悬浮固体（TSS）是切萨皮克湾需要监测的重要环境参数，因其会影响沉水植被、病原体数量及其他水生生物的栖息地破坏。该海湾拥有覆盖广泛且持续运行的原位水质监测站网络，其中包括TSS测量项目。卫星遥感能弥补原位采样在时空范围上的局限，已被证明是监测河口系统水质的有效工具。目前多数从卫星海洋色传感器反演河口环境TSS浓度的算法仅利用红光与近红外波段，因其与TSS浓度存在观测相关性。本研究探究了将中分辨率成像光谱仪（MODIS）的额外波长作为输入变量，通过各类统计与机器学习模型能否提升切萨皮克湾卫星反演TSS的精度。在优化出性能最佳的多光谱模型——随机森林回归后，我们将其结果与切萨皮克湾广泛使用的单波段算法进行对比。发现该随机森林模型在保留交叉验证数据集上略优于单波段算法，且在高TSS条件下具有显著优势。两种方法在时空分区的普适性表现相近，但多光谱随机森林模型比单波段算法需要更多数据，因此最终应用目标将决定哪种方法更适用。
关键词： 水质、总悬浮固体、海洋颜色、卫星遥感、统计分析、随机森林、切萨皮克湾、多光谱、机器学习
更新于2025-09-22 18:54:08
-
基于法国北部带叶/无叶机载激光扫描数据和机器学习分类器的河岸树种属识别
摘要： 河岸林是提供多重生态服务的重要环境。由于面临自然和人为双重制约，需精确绘制河岸林的属/种多样性分布图。先前研究表明机载激光雷达（ALS）数据在不同环境下具有树木分类潜力，但利用ALS数据绘制落叶阔叶河岸林时关键特征评估与分类效果仍有待探究。本研究旨在确定ALS数据中哪些特征能有效描述诺曼底塞吕讷河沿岸八属191棵落叶河岸林树木的属级特征，并采用两种机器学习算法提供分类结果。 研究流程应用于沿河分布的八个树属（共191棵树），使用夏冬两季ALS数据。通过三维点云提取树冠并计算整体形态与内部结构特征，建立包含递增属数量的五个数据集以评估树属区分度。采用逐步二次判别分析（sQDA）和随机森林筛选关键特征，将特征数量从144项降至3-9项（因数据集而异）。sQDA筛选结果显示：随着数据集属数量增加，内部结构特征区分度显著提升。 将筛选特征作为支持向量机（SVM）和随机森林（RF）算法的分类变量，同时采用全特征集进行RF分类（未经筛选）。最佳分类效果表明：使用sQDA筛选特征+SVM时，三属（橡树、桤木、杨树）分类准确率达83.15%；采用全特征集的RF分类获得相似效果，且在七属和八属分类时达到最优性能。结果表明机器学习算法是绘制河岸树木分布的有效方法。
关键词： 机器学习、河岸林、树种属识别、支持向量机（SVM）、机载激光扫描仪（ALS）、随机森林（RF）
更新于2025-09-19 17:13:59
-
[2019年IEEE第46届光伏专家会议（PVSC）- 美国伊利诺伊州芝加哥（2019年6月16日-2019年6月21日）] 2019年IEEE第46届光伏专家会议（PVSC）- 火星太阳能电池阵的尘埃磨损损伤：实验研究与机遇号火星车性能分析
摘要： 本文提出一种利用机载激光雷达（LiDAR）数据为海岸淹没模型参数化地表粗糙度的新技术?；诜鹇蘩锎镏?4个实地测量站点数据与地理配准激光雷达点云数据训练的随机森林（RM）回归模型，计算了影响海岸陆面流态的两个关键参数：曼宁糙率系数n（底部摩擦力）和有效空气动力学粗糙长度（风速衰减）。针对每个测试站点，将激光雷达点云分为地面与非地面类别，计算最小二乘回归平面的z维（高度或高程）方差及非地面回归平面高度，这些统计量作为参数化模型的预测变量。通过自助法子采样程序进行模型验证：每次无放回移除一条记录，利用剩余记录训练模型并预测被移除记录的地表粗糙度参数。与现行基于土地利用/覆盖类型分配地表粗糙度参数的行业标准方法相比，该RM回归模型将曼宁糙率系数n和有效空气动力学粗糙长度的参数化误差分别降低93%（0.086→0.006）和53%（1.299→0.610米），将显著提升海岸模型中水位与流速的预测精度。
关键词： 激光雷达、曼宁糙率系数、随机森林（RM）、土地覆盖、空气动力学粗糙度
更新于2025-09-19 17:13:59
-
[2019年IEEE工业应用学会年会 - 美国马里兰州巴尔的摩（2019.9.29-2019.10.3）] 2019年IEEE工业应用学会年会 - 光伏系统故障检测所需的建模方法与数据集评估
摘要： 对光伏资产（PV）进行可靠监测对于确?？稍偕茉聪低车耐乒恪⒊て谛阅鼙硐旨巴蹲驶乇ㄗ畲蠡凉刂匾?。为此，本文研究了在开展光伏系统知情维护时所需的输入数据和机器学习技术，以实现光伏发电的滞后一日预测。研究从英国四座商业建筑屋顶光伏系统中获取了五年的逐小时发电数据，并从MIDAS数据库调取了气象数据。通过训练支持向量机、随机森林和人工神经网络来预测光伏发电功率，其中随机森林模型表现最优，平均相对误差仅为2.7%。研究发现辐照度、历史发电量及太阳位置是最关键的影响变量。总体而言，本研究表明如何利用低成本的数据驱动分析来支持光伏资产的有效管理。
关键词： 天气数据，随机森林，机器学习，光伏，故障检测
更新于2025-09-16 10:30:52
-
[2019年第二届人工智能与大数据国际会议(ICAIBD) - 中国成都 (2019.5.25-2019.5.28)] 2019年第二届人工智能与大数据国际会议(ICAIBD) - 基于大数据的光伏预测ABC-SVM与PSO-RF模型
摘要： 光伏输出预测对微电网系统的稳定运行具有重要意义。首先采用基于人工蜂群的支持向量机（ABC-SVM）方法训练历史气象数据与光伏输出数据，可将天气状况划分为四类。其次，在四种气象条件下各选取数万组数据，通过基于粒子群优化的随机森林（PSO-RF）模型进行训练。训练后可获得四组参数不同的PSO-RF模型分别用于光伏预测。最后采集广东省阳江市某微电网站点的天气信息与光伏数据对组合模型进行测试。数值结果表明，该方法的预测精度优于简单的支持向量回归（SVR）和传统随机森林方法。
关键词： 随机森林、支持向量机、粒子群优化、人工蜂群算法
更新于2025-09-16 10:30:52
-
基于机器学习的聚（N-异丙基丙烯酰胺）封端等离激元纳米粒子溶液的温度预测
摘要： 多年来，人们广泛研究了包覆温敏聚合物"聚N-异丙基丙烯酰胺"（PNIPAM）的金纳米颗粒的温度依赖性光学特性。其作为生物传感应用纳米级温度计的适用性也多次被提出。为验证这一设想，许多研究者考察了这些颗粒的温度依赖性光学共振特性；然而，建立光学测量数据与溶液温度之间的简单数学关系仍是悬而未决的挑战。本文尝试运用机器学习技术系统解决该问题，基于光谱数据快速准确预测溶液温度。我们重点在于建立简单实用的解决方案。数据集包含包覆PNIPAM的纳米棒和纳米双锥体的离散预设温度状态下的光谱吸收数据。通过随机森林（RF）、梯度提升（GB）和自适应提升（AB）回归技术，选取光谱数据特定区域作为预测特征。预测结果表明，RF和GB技术能成功实现1℃精度范围内的溶液温度即时预测。
关键词： PNIPAM、光谱数据、温度预测、自适应提升、机器学习、随机森林、梯度提升、金纳米粒子
更新于2025-09-16 10:30:52