典型文献
优化随机森林算法的城市湖泊DOC质量浓度遥感反演
文献摘要：
在城市湖泊的可溶性有机碳(DOC)含量的遥感监测问题中,传统回归模型难以描述非线性关系而不能满足精度的要求,因此,将贝叶斯优化算法引入到随机森林模型的参数优化中,提出一种贝叶斯优化随机森林模型(BO-RF)的城市湖泊DOC质量浓度反演方法.以郑州市天德湖水域为例,基于高时空分辨率的Planet卫星影像数据和实测的DOC水质数据,开展城市湖泊DOC质量浓度的遥感反演方法研究.PEARSON相关性分析结果表明:反演DOC质量浓度的Planet卫星影像波段最佳波段组合为B2/B4.利用传统回归方法得到的波段比值模型决定系数R2=0.466,均方根误差RMSE=0.515 mg/L,无法满足精度要求.利用支持向量机和BP神经网络建模精度有所提升,拟合度R2分别为0.772和0.806,均方根误差RMSE分别为0.328 mg/L和0.302 mg/L.引入贝叶斯优化算法对随机森林模型进行优化得到BO-RF模型,其拟合度R2=0.865,均方根误差RMSE=0.253 mg/L.优化后的模型BO-RF拟合度较好,模型精度显著提高.贝叶斯优化后的随机森林BO-RF算法更适合反演天德湖水体DOC质量浓度,为城市湖泊水质的遥感监测提供参考.
文献关键词：
可溶性有机碳;遥感反演;Planet;随机森林;贝叶斯优化
中图分类号：
作者姓名：
李爱民;王海隆;许有成
作者机构：
郑州大学地球科学与技术学院,河南郑州 450001;郑州大学水利科学与工程学院,河南郑州 450001
文献出处：
引用格式：
[1]李爱民;王海隆;许有成-.优化随机森林算法的城市湖泊DOC质量浓度遥感反演)[J].郑州大学学报（工学版）,2022(06):90-96
A类：
B类：
随机森林算法,城市湖泊,DOC,遥感反演,可溶性有机碳,遥感监测,监测问题,传统回归,难以描述,非线性关系,贝叶斯优化算法,优化随机森林模型,BO,RF,反演方法,郑州市,天德,湖水,水域,高时空分辨率,Planet,卫星影像数据,水质数据,PEARSON,最佳波段组合,B2,B4,波段比值模型,决定系数,RMSE,精度要求,网络建模,建模精度,拟合度,模型精度,湖泊水质
AB值：
0.271559
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
