基于SHAP重要性排序和机器学习算法的灌区渠道调度流量预测     

葛建坤  雷国相  陈皓锐  张宝忠  陈来宝  白美健  苏楠  于子慧 《农业工程学报》2023,39(13):113-122

渠道泄水闸能够快速排除灌区入渠洪水,避免渠道漫顶。研究以淠史杭灌区灌口集泄水闸为例,以闸门调度流量为目标变量,以不同时段过去和未来降雨量、泄水闸闸上实时水位及其变化量为特征变量,比较8种机器学习算法的预测精度,同时采用Shapley Additive exPlanations（SHAP）法分析特征变量重要性。结果表明：1）集成学习算法预测评价指标优于传统回归算法,8种机器学习算法中随机森林回归（random forest regression, RFR）算法预测精度最高（训练集均方根误差、平均绝对误差、均方误差及决定系数分别为 0.146 m³/s、0.094 m³/s、0.021 m³/s、0.976;测试集分别为0.306 m³/s、0.197 m³/s、0.093 m³/s、0.931）;2）采用SHAP法确定的特征变量重要性排序表明灌口集泄水闸闸上水位对于泄水闸调度流量的预测结果影响最大,占特征重要性值总和的34.6%;3）以过去6 h降雨量、过去9 h降雨量、未来6 h降雨量、灌口集泄水闸闸上水位作为输入变量的RFR算法预测灌口集泄水闸调度流量效果最佳,模型误差指标为（训练集均方根误差、平均绝对误差、均方误差及决定系数分别为0.126 m³/s、0.080 m³/s、0.016 m³/s、0.982;测试集分别为0.263 m³/s、0.164 m³/s、0.069 m³/s、0.950）,研究结果对灌区防洪调度决策具有重要参考价值。  相似文献   

基于随机森林模型的茶叶消费者粘性影响因素分析     

付饶  王书博  刘智权  李雪  方茂达 《中国茶叶》2022,(1):37-43

文章从需求频次与消费意愿的影响因素入手,提出了茶叶消费者粘性指数综合评价模型,该模型包括粘性构成要素、影响因素及其具体评价3部分;其中粘性构成要素包括需求频次与消费意愿,影响因素包括感知有用性、可替代性、感知价值、转移成本、专业素养和社会属性,具体评价指标共12项.采用调查问卷收集不同消费者对模型指标的评价数据,并通过...  相似文献   

基于多源数据和Stacking-SHAP方法的山地丘陵区土地覆被分类     

周亚男  陈绘  刘洪斌 《农业工程学报》2022,38(23):213-222

山地丘陵区地形复杂,地表辐射信号畸变严重,地物识别困难。为准确提取山区地物信息,结合多源异构数据,Stacking 集成学习和Shapley Addictive Explanation（SHAP）方法展开土地覆被分类研究。从Sentinel-1/2影像、气候数据、土壤数据和数字高程图中提取遥感、气候、土壤和地形四类特征变量,设计多种变量组合方案,结合Stacking算法,探讨不同类型变量在山区地物识别中的效用,并对比Stacking最佳方案与支持向量机（Support Vector Machine,SVM）、随机森林（Random Forest,RF）和极端梯度回归（eXtreme Gradient Boosting,XGBoost）算法的分类精度,评价Stacking方法在山区地物信息提取中的性能。同时,引入SHAP方法,量化Stacking模型中各特征变量的重要性。结果表明：在仅以遥感变量为基础方案时,山区土地覆被分类精度最低;在分别加入气候、土壤和地形变量后,总体精度、Kappa系数和F1分数均有所提高,其中旱地、水田和园地分类精度的提升幅度较大。基于Stacking算法结合所有类型特征变量的方案达到了最佳的分类精度,其总体精度、 Kappa系数和F1分数分别为96.61%、0.96和94.81%,分类精度优于相同特征下的SVM、 RF和XGBoost。SHAP方法可量化Stacking模型中特征变量的全局以及局部重要性,明确各变量对不同地物类型识别的相对贡献,为山区土地覆被分类的变量选择及优化提供有价值的信息。该研究为机器学习协助复杂景观地区土地覆被制图研究提供了技术支持和理论参考。  相似文献   

疏叶骆驼刺幼苗根系生态学特性对水分处理的响应   总被引：7，自引：2，他引：5  

曾凡江  郭海峰  刘波  曾杰  张晓蕾 《干旱区研究》2009,26(6)

通过人工壕沟挖掘法,对疏叶骆驼刺幼苗在不同水分条件下的根系生态学特性的季节变化进行研究.结果表明:①在土壤水分较好的环境中,疏叶骆驼刺幼苗大量拓展水平根,并产生分蘖植株竞争光照资源;而在土壤水分相对缺乏时垂直根系发达,向深层土壤拓展资源空间.根系形态的可塑性是疏叶骆驼刺幼苗获取水分适应干旱环境的重要策略之一.②根冠比随土壤水分的减少而增加,且在生长季后期这种趋势更加明显,增加根冠比是疏叶骆驼刺幼苗适应干旱的策略之一.③幼苗根系的扎根深度和垂直生长速度随着土壤水分的减少而增加.④根系生物量、根系表面积随土壤深度的增加而减小,并在垂直剖面上呈倒金字塔状分布.根系生物量形成过程符合Logistic"慢-快-慢"的S型生长曲线,总生物量随着土壤干旱程度的增加而降低.  相似文献   

基于集成学习的土壤含水量预测研究——以辽西地区为例          下载免费PDF全文

付平凡  杨晓静  苏志诚  屈艳萍  马苗苗 《土壤》2023,55(3):671-681

准确高效地预测土壤含水量（SMC）对田间水分管理至关重要。本研究利用在辽西地区自建的3个站点2018-2021年10~40cm的土壤水分自动观测小时数据集，分析研究随机森林（RF）和梯度提升机（GBM）算法在土壤含水量预测方面的适用性，验证不同时间尺度土壤含水量的预测结果。引入SHAP（Shapley Additive Explanations）方法表征5类（降水、日照时数、平均相对湿度、风速、平均气温）输入变量对SMC预测结果的影响，并制定区间划分规则识别变量最大贡献阈值区间。研究结果表明：年尺度下，GBM模型和RF模型R2分别为0.982和0.888，气温贡献最大，最大贡献区间是21~23℃；季尺度下，2种模型R2分别为0.935和0.863，日照时数贡献最大，最大贡献区间为2~4h。该研究创新应用SHAP方法于机器学习输入变量贡献度分析，同时验证了2种机器学习算法在土壤含水量预测研究的准确性，可为土壤含水量相关研究提供参考借鉴。  相似文献