基于最大Lyapunov指数Elman-决策树的故障预警方法

针对故障出现时系统的非线性行为及劣化趋势预测问题,基于混沌理论及非线性动力学,提出以最大Ly-apunov指数作为评价运行状态的指标,通过Elman-决策树对其进行预测及分类的故障预警方法.并以轴承数据为例对该方法进行了验证,对正常轴承、外环人工电火花加工出裂纹轴承、外环钻孔的轴承壳体振动信号时序数据进行处理,计算降噪...     

基于决策树CART算法的虫害预测模型分析

频发的农田虫害给农业生产造成了极大的影响,严重影响了我国的农业经济.虫害的发生受到众多复杂环境气象因子的影响,传统的基于经验预测或是应用数学理论建模预测虫害发生状况等方法准确率低,适应性差.针对以上问题,文章提出了基于CART算法的虫害模型,使用CART算法结合复杂的环境因子与虫害发生数量建模,用于预测未来虫害发生数量...     

GPR、XGBoost和CatBoost模拟江西地区参考作物蒸散量的适应性研究

[目的]提高机器学习模型模拟参考作物蒸散量在江西省适应性和精度.[方法]基于江西南昌等15个气象站2001—2015年日值气象数据(最高气温、最低气温、地表辐射、大气顶层辐射、相对湿度和2 m高风速),以FAO-56 Penman-Monteith(P-M)公式的计算结果作为对照,建立了计算ET0的高斯过程回归(GPR...     

基于多时相GF-1遥感影像的作物分类提取

为了提高遥感影像数据对作物分类提取的精度,更多地反映作物的空间分布结构和物候差异,以黑龙江农垦赵光农场为研究对象,提出一种基于分区与决策树分层分类相结合的作物遥感分类方法,利用2014年高分一号卫星(GF-1)WFV遥感影像数据(4景)开展主要作物的识别分类提取。首先,结合实地调查与影像光谱特征信息的总体分布,将研究区分割成3个子区域(西南区、北部区和东南区);其次,基于多时相遥感影像序列,分析主要作物的反射光谱和植被指数的时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了赵光农场主要作物的空间种植信息。结果表明,2种分类方法的精度都很高,总体精度均在97.00%以上,Kappa系数均在0.900 0以上。分区分类更优于整幅图像非分区分类,总体精度达到98.10%,Kappa系数达到0.960 7;非分区分类总体精度为97.50%,Kappa系数为0.948 3。研究表明,基于分区与决策树分类法相结合的作物分类结果精度,明显优于不使用分区分类的结果。由分区与决策树分层相结合的分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。     

浅谈决策树决策技术在管理中的应用

以某机床厂决策是否投资改装机器为例，谈如何画决策树，末期望值进行分析比较，阐明决策树决策技术在管理中的应用，及用决策树决策技术进行科学管理和应用于实践的方法。     

巴东新城引水工程取水枢纽整治

介绍了巴东新城引水工程中取水枢纽工程概况及存在的主要问题，分析了出现问题的原因，应用决策树对几组治理方案进行定性与定量分析比较，选出最优整治方案，从而针对山溪河流取水枢纽泄洪能力不足的状况，总结出一种简单有效的治理思路。     

基于决策树的农产品供应商竞标能力的数据挖掘分析

应用基于决策树的数据挖掘算法对农产品电子商务B2B系统中的历史竞标样本进行了分类,通过给出一个结合实例的算法实现过程,说明了供应商在竞标过程中产品报价等部分影响因素间的一些潜在性规则,从而得出不同特征的农产品供应商在虚拟市场中的竞标能力高低差异依次由产品报价、配送及时率、市场需求水平等因素决定。     

基于决策树的土壤质量等级研究

将广东省土壤资源类型图和各种评价因子的单要素图层进行叠置分析,以土壤资源类型图的图斑作为土壤质量评价单元,从各生成图层的PAT文件中提取高程、坡度、土壤有机质含量、土壤质地、土壤pH、土壤利用类型、地貌类型和土壤类型等评价属性,用决策树方法预测土壤质量等级,并以定量规则方式表达所获取的知识．结果表明,其知识表达易于理解,预测准确率为96．61％．     

改进的GDBT迭代决策树分类算法及其应用

传统的决策树分类方法有ID3和C4.5,由于单棵决策树的局限性,在训练数据过程中由于属性值的过多容易出现过拟合现象,本文研究使用多颗决策树和Boosting算法结合在一起的GDBT分类方法。GDBT算法是基于回归的思想,对复杂数据有较强的处理能力,且它是由多棵树组成的,构造树不复杂,每次用残差进行调整,保证分类的精确。     

资源3号卫星影像的植被信息提取

资源3号卫星(ZY-3)是我国2012年发射成功的第一颗自主民用高分辨率立体测绘卫星。在对ZY-3卫星数据精细处理基础上,分析了典型地物的光谱特征和纹理特征,构建了适合植被信息提取的ZY-3决策树模型,将研究区地类分为针叶林、阔叶林、灌木林、竹林、耕地、建设用地、裸露地、水体和其他地类共9种地类,开展植被信息提取和精度检验。结果表明:(1)ZY-3比较适合于森林植被信息的提取,特别是针叶林和阔叶林;(2)ZY-3数据的总体分类效果较好,精度达到了91.96%,Kappa系数0.902 9,说明根据影像的光谱特征和纹理特征,采用决策树算法选择合适的阈值提取植被信息是可行的。