龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：武汉大学
摘要：本发明提供一种基于随机森林的积雪时空分析与预测方法，根据地理单元之间的空间关系构建空间权重矩阵，将中心化的空间权重矩阵进行特征分解筛选特征向量，与环境变量、亮温数据、积雪密度一起作为自变量，利用随机森林方法进行建模；将建模得到的最优参数代入全体样本中得到随机森林回归模型并分析积雪变化的影响因素；最后将最优参数代入到新的自变量中，得到积雪的预测值。本发明同时考虑了环境因素和空间效应对积雪变化的影响，并将这些影响因素加入到积雪估算模型中，使得构建的积雪估算模型更加准确。
主权项：1.一种基于随机森林的积雪时空分析与预测方法，其特征在于，包括以下步骤：步骤1：获取与积雪相关的数据并对数据进行预处理；获取的数据包括积雪地面观测数据、被动微波遥感传感器亮温数据、积雪密度分布、与积雪相关的环境数据；步骤2：对步骤1预处理后的数据根据地理单元之间的空间邻接或空间距离关系构建空间权重矩阵；步骤3：将步骤2中得到的空间权重矩阵进行中心化转换并计算其特征值和特征向量，得到的特征向量按照对应特征值大小进行排列；步骤4：按照排序，将特征值对应的特征向量筛选出来，作为特征向量初筛集；步骤5：将步骤1中除亮温数据、积雪密度、积雪地面观测数据以外的所有变量与步骤4中初筛后的特征向量初筛集作为候选变量集，利用变量筛选方法，将其中显著的向量筛选出来，作为环境变量；步骤6：随机森林建模；将积雪地面观测数据作为因变量，将步骤5中筛选得到的环境变量与亮温数据、积雪密度一起作为自变量，利用随机森林方法进行建模，并对参数进行率定和验证，最终通过验证集的最佳指标确定模型的最优参数；步骤7：将步骤6中得到的最优参数代入全体样本中得到随机森林回归模型，可以得到各自变量的重要性排序，分析该区域影响积雪分布的因素；步骤8：按照步骤7中分析结果，将步骤6得到的最优参数代入到新的自变量中，得到积雪的预测值。
全文数据：
权利要求：
百度查询： 武汉大学 基于随机森林的积雪时空分析与预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号