案例支撑下的朴素贝叶斯树状河系自动分级方法

摘要

河流分级是树状水系综合的关键.现有方法大多根据河段的局部几何特征进行主支流识别,较少顾及河流和河系的整体结构特征,且使用多指标综合评价判别时对权重的设定缺乏科学的方法,对综合知识利用较少,应用的灵活性有待提高.对此,本文从案例学习的角度出发,针对河段主支流关系识别,提出一种基于朴素贝叶斯的树状河系自动分级方法.首先,从已有成果数据中提取出主支流分类的案例,利用朴素贝叶斯机器学习方法进行训练得到主支流分类模型;对于待分类树状河系,使用分类模型,从河口出发自下游向上游依次计算各上游河段分类为主流的概率,以概率最大的上游河段作为主流河段,将各主流河段依次连接得到主流河流;主流河流以外的支流部分,重复以上步骤进行层次结构化实现河系分级.试验证明,本文方法能很好地模仿专家意图,对树状河系的主支流进行很好地识别分类,并构建合理的层次结构,分级效果良好.