机器学习方法在预测泉水潜在出露位置中的应用

摘要：

泉水出露受到多种因素影响,在传统地质勘查手段之外,各种模型方法及影响因子预测手段,也被越来越多地应用于泉水的研究中.本文尝试利用机器学习的方法进行泉水出露位置的预测研究.根据北京市野外调查,确定了1378个测试样本点,选取了高程、坡度、坡向、地形湿度指数、径流强度指数、距河流距离、距断裂距离、岩性、归一化植被指数及土地利用类型作为影响因子,对比了2种机器学习方法(随机森林模型、分类回归树模型)和地统计方法(证据权重模型)的预测效果.研究发现:随机森林模型的预测效果最好(Area Under Curve,AUC=0.86),分类回归树和证据权重模型效果相当(AUC分别为0.81、0.80);随机森林模型同时揭示,岩性、距断裂距离和距河流距离这3个影响因子对泉潜在出露的影响最大.本研究表明,在强烈人类活动影响下机器学习方法仍然具有较好的泉水出露预测能力,有望为泉水保护、恢复提供新的技术方法.

关键词：泉水潜在出露、证据权重、随机森林模型、分类回归树模型、北京市

所属期刊栏目：23

在线出版日期：2021-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1028-1039