文献

J-GLOBAL ID：201902219537095084   整理番号：19A0036027

LR,SVM,およびRF統計モデルに基づく雲南省北西部の土石流予測【JST・京大機械翻訳】

Debris Flow Forecasting of Northwest of Yunnan Province Based on LR, SVM, and RF Statistical Models

著者 (4件)： Mei Yang (Mapping and Remote Sensing, Wuhan University, State Key Laboratory of Information Engineering in Surveying, Wuhan, China) ,  Hong Fan (Mapping and Remote Sensing, Wuhan University, State Key Laboratory of Information Engineering in Surveying, Wuhan, China) ,  Jia Zeng (Mapping and Remote Sensing, Wuhan University, State Key Laboratory of Information Engineering in Surveying, Wuhan, China) ,  Kang Zhao (Mapping and Remote Sensing, Wuhan University, State Key Laboratory of Information Engineering in Surveying, Wuhan, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： Geoinformatics  ページ： 1-7  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 土石流予測は,人々の生活と特性安全性をかなり危険にすることができるために,非常に重要である。本論文は,研究区域として雲南省の北西部を考慮して,影響因子として標高,傾斜,降雨,地形,蒸発散とNDVI(正規化した相違植生指数)を取り入れた。次に,2つの精度指標TPRとFPRによって,ロジスティック回帰(LR),サポートベクトルマシン(SVM),およびランダムフォレスト(RF)の最良モデルを確立した。次に,同じ試験セットを用いて,それらの有効性を比較した。結果は,組合せ分類器として,TPRが83.10%で,FPRが0.48%,SVMが74.99%,およびFPRが1.98%,およびLRが発生を予測する傾向があり,その高いFPR22.71%を引き起こすことを示した。本論文で構築したLR,SVMおよびRFモデルは,非常に効果的であり,土石流の予防および低減のための理論的基礎を提供した。さらに,この地域に分布する41の泥土センサーデータを収集し,それに基づいて,これらの地域の土石流確率を,土石流に及ぼす泥土の影響を調査するために,LRモデルによって得た。実験により,いくつかの盆地において,泥は土石流に正の影響を持ち,残りの盆地において,泥は降雨によってわずかに影響され,その結果,土石流に負の影響を引き起こす可能性があることが分かった。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *予測 ,  正規化 ,  有効性 ,  安全性 ,  *土石流 ,  盆地 ,  正規化植生指数 ,  蒸発散 ,  サポートベクトルマシン ,  *統計模型 ,  降雨
準シソーラス用語： ランダムフォレスト ,  ロジスティック回帰分析 ,  標高 ,  *雲南省 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： Lr ,  SVM ,  RF ,  統計モデル ,  雲南省 ,  土石流 ,  予測