典型文献
机器学习模型与遥感反演水深的对比研究
文献摘要：
水深是浅海重要的地形要素,是海洋测绘的重要内容,利用遥感手段反演水深,可以快速高效的获取水下地形.为了更好的反演水深,本文采用WorldView-2多光谱遥感影像和激光实测数据,分别利用BP神经网络、随机森林和极限学习机模型,以海南三沙市的甘泉岛为研究区域进行水深反演,并对比结果评价其反演精度.结果表明:BP神经网络、随机森林和极限学习机三种模型中,随机森林模型水深反演的精度最高,验证点的均方根误差是0.85 m,平均绝对误差为0.60 m,平均相对误差为3.54％,决定系数R2达到0.97.总体对比,在0～2 m,随机森林模型反演效果更佳;在2～5 m水深范围内,极限学习机模型反演效果更佳;其他水深范围内,随机森林和极限学习机反演效果都比较好.
文献关键词：
WorldView-2;BP神经网络;随机森林;极限学习机;水深反演
中图分类号：
作者姓名：
纪茜;沈蔚;饶亚丽;孟然
作者机构：
上海海洋大学海洋科学学院,上海201306;上海河口海洋测绘工程技术研究中心,上海201306;南通智能感知研究院,江苏南通226000
文献出处：
引用格式：
[1]纪茜;沈蔚;饶亚丽;孟然-.机器学习模型与遥感反演水深的对比研究)[J].海洋湖沼通报,2022(02):84-89
A类：
B类：
机器学习模型,遥感反演,浅海,地形要素,海洋测绘,快速高效,取水,水下地形,WorldView,多光谱遥感,遥感影像,极限学习机模型,沙市,甘泉,水深反演,结果评价,反演精度,随机森林模型,平均绝对误差,平均相对误差,决定系数
AB值：
0.266764
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。
