-
公开(公告)号:CN120046491A
公开(公告)日:2025-05-27
申请号:CN202510137177.4
申请日:2025-02-07
Applicant: 福州大学
IPC: G06F30/27 , G06N20/20 , G06F18/2431
Abstract: 本发明提供一种基于随机森林的海岸侵蚀易发性可解释评估方法,选取孕灾因子,获取孕灾因子数据;提取海岸线数据,基于海岸线变化划分海岸侵蚀区域,得到海岸侵蚀区域分布情况;对孕灾因子数据和海岸线数据进行预处理,以构建海岸侵蚀数据集并按比例划分为训练集和测试集;基于随机森林算法构建海岸侵蚀易发性评价模型;对模型进行综合评价和比较以筛选出最优模型;基于筛选获得的最优随机森林模型通过特征重要性分析量化各因子在海岸侵蚀中的贡献,识别获得对海岸侵蚀发生贡献的因子,并使用部分依赖和SHAP对模型进行可解释分析,以解释不同孕灾因子对模型预测的影响。
-
公开(公告)号:CN120071181A
公开(公告)日:2025-05-30
申请号:CN202510139805.2
申请日:2025-02-08
Applicant: 福州大学
Abstract: 本发明提供一种基于特征分裂增益和MMD距离的跨区域滑坡因子选择方法,在构建源区域和目标区域的滑坡因子数据库的基础上,通过结合以MMD距离计算的源区域和目标区域的滑坡特征相似度和以特征分裂增益计算的源区域和目标区域的滑坡致灾贡献度,基于特定阈值筛选并重新构建适合源区域和目标区域的共享滑坡因子特征集。
-
公开(公告)号:CN116011340A
公开(公告)日:2023-04-25
申请号:CN202310065477.7
申请日:2023-01-16
Applicant: 福州大学
IPC: G06F30/27 , G06F30/13 , G06Q10/0639 , G06Q50/08 , G06N3/0442 , G06F18/10 , G06F18/27 , G06F123/02
Abstract: 本发明涉及一种考虑异元不确定性影响下的边坡变形预测方法。该方法:对相关历史监测数据进行处理;将处理好的数据按划分为学习样本集、定标样本集与预测集;将学习样本集作为基于异向弹性长短期记忆神经网络的输入构建多个区间预测模型;将得到的区间预测模型结合对应的定标样本进行初步感知,并根据实际观测值与输出的预测区间的关系得到相应的保形分数组,并分别计算经验概率分位数;利用经验概率分位数对各个模型生成的预测区间进行自适应优化,使得所构建的每个区间预测模型在有效理论覆盖和区间覆盖宽度两个矛盾的指标中取得最佳平衡,生成不确定性区间预测结果或确定性点预测值。本发明能够满足不同地况、不同位置的边坡变形预测需求。
-
-