随机森林模型

摘要： 为了有效地检测软件家族中的恶意软件,改进了加权随机森林模型,提出基于粒子群优化的随机森林(particle swarm optimization-random forest,PSO-RF)模型,并使用基于粒子群优化随机森林的恶意软件检测方法对恶意软件家族进行分类。对得出的结果与决策树、支持向量机等经典分类器从准确率、精确度、召回率、综合评价指标值(F;值)等指标进行对比分析,以验证改进后的算法的有效性与合理性。结果表明,PSO-RF模型评估指标均是最高的,能大大提升恶意软件的检测效果。

摘要： 利用2009~2019年阿克达拉国家大气本底站CH_(4)浓度数据、气象要素数据,使用随机森林模型、后向轨迹模型聚类分析方法对其CH_(4)浓度变化特征和影响因素进行分析.结果表明,10a间阿克达拉站CH_(4)浓度增长明显,年平均浓度为(1934.30±30.94)×10^(−9),平均增长率0.45%;季节变化呈现秋冬高、春夏低的特征,冬季(1973.77±36.72)×10^(−9)>秋季(1935.86±36.14)×10^(−9)>春季(1922.36±26.38)×10^(−9)>夏季(1920.92±29.82)×10^(−9).阿克达拉站CH_(4)浓度受到气象因素综合影响,气温和相对湿度占主导作用.基于HYSPLIT模式和全球资料同化系统气象数据(GDAS)后向轨迹聚类分析发现,阿克达拉站气团移动的主要通道是与额尔齐斯河河谷平行,途径阿拉山口和老风口的西北路径,且秋冬季节气团移动速度慢、春夏快,可能影响了CH_(4)浓度季节变化.

摘要： 目的比较Logistic回归模型和随机森林模型诊断糖尿病周围神经病变(DPN)的效能。方法纳入2199例DPN患者作为病例组,2610例健康体检者作为对照组。收集19个实验室指标,包括超敏C反应蛋白、糖化血红蛋白、LDL、HDL、三酰甘油、总胆固醇、总胆红素、总蛋白、白蛋白、ALT、AST、碱性磷酸酶、γ-谷氨酰转肽酶、尿素、尿酸、血红蛋白、钙、钾、钠。使用SPSS 22.0软件构建诊断DPN的多因素Logistic回归模型,使用R 3.6.0软件构建诊断DPN的随机森林模型,采用受试者工作特征(ROC)曲线评价两种模型的诊断性能。结果Logistic回归模型和随机森林模型诊断DPN的正确率分别为81.4%、96.7%,灵敏度分别为72.5%、98.3%,特异度分别为89.2%、95.2%,ROC曲线下面积分别为0.882、0.963。结论随机森林模型对DPN的诊断效能优于Logistic回归模型,同时随机森林模型分析结果给出了各个变量指标的重要性评分,可为DPN的早期诊断提供重要的依据。

摘要： 文章从P2P网络借贷平台出现的风险事件出发,将问题平台的风险分类为平台运营风险、平台诈骗风险和平台信用风险。根据网上爬取的大样本数据,利用Relief F算法筛选平台风险来源的属性约简指标,统计分析平台风险的显著特征。通过设计随机森林模型,识别与预测三类平台风险;利用无序多分类Logit模型,估计三类风险发生的机会比。结果表明,风险平台具有预期收益率与借贷金额明显偏高,但资金来源不足,且借贷风险集中度较低的共同特征;提高平台流量、扩大前十大客户投资规模,能有效降低平台发生运营风险和诈骗风险的可能,而降低前十大借款人待还金额占比将减少平台信用风险的发生。

摘要： 红光波段和近红外波段常被作为森林蓄积量反演的敏感波段,介于两者之间的红边波段往往被忽略,为了明确红边波段对森林蓄积量的遥感反演精度的影响,本研究基于高分六号卫星宽幅影像(GF6-WFV),结合西宁市2014年森林资源二类调查数据,从光谱特征、植被指数、地形因子、影像纹理等4个方面选取蓄积量反演的自变量,采用多元线性回归(MLR)、随机森林(RF)模型,分析比较了有无红边波段对西宁市针叶林蓄积量遥感反演精度的影响。结果表明:(1)无红边波段(No Red-Edge)和加入红边波段(Red-Edge Added)两组处理的纹理特征变量降维后,其主成分信息主要解释了红外、近红外以及红边1波段的纹理特征。(2)与蓄积量相关的光谱特征变量:No Red-Edge处理主要包括红边波段和近红外波段的地表反射率,Red-Edge Added处理主要为红边1波段的地表反射率;植被指数变量:No Red-Edge处理主要包括NDVI和SAVI,Red-Edge Added处理为MTCI。(3)加入红边波段后,RF模型的R^(2)优于MLR模型,分别为0.6719和0.5487,RF模型的均方根误差(RMSE)小于MLR模型,分别为26.3m^(3)×hm^(−2)和20.8m^(3)×hm^(−2)。(4)去除模型对反演精度的影响后,相对于No Red-Edge,Red-Edge Added处理的反演结果与观测值拟合的R^(2)提高了11.6%,RMSE降低了9.1%。说明加入红边波段可显著提高西宁市针叶林蓄积量的反演精度,研究结果可为森林蓄积量的遥感反演提供科学依据。

摘要： 准确可靠的中长期径流预报是支撑水资源科学调配、提高水资源利用效率的关键。本研究采用AdaBoost模型(AdB)、随机森林模型(RF)和支持向量机模型(SVM)进行淮河流域王家坝和蚌埠站当年11月至次年10月共12个月的中长期径流预报研究。采用置换准确度重要性度量法从130项气象-气候因子及前期降雨/流量构建的1 562个因子变量中筛选出影响各月径流的关键因子,构建了基于AdB、RF和SVM模型的各月径流预报模型,模型参数采用随机搜索技术并结合交叉验证方式确定。采用变幅误差合格率和等级(五级)预报合格率指标对模型的预报精度进行了评估。变幅误差合格率指标表明,王家坝12个月的平均合格率分别为99.8%(AdB)、96.6%(RF)和95.9%(SVM),蚌埠站分别为100%(AdB)、94.8%(RF)和93.8%(SVM);等级预报合格率指标表明,王家坝12个月的平均合格率分别为79.0%(AdB)、76.4%(RF)和79.9%(SVM),蚌埠站分别为81.0%(AdB)、75.6%(RF)和76.6%(SVM)。模型均具有较好的预报效果,但RF和SVM模型对于高流量值的预报存在偏低现象,AdB模型整体上优于RF和SVM模型。

摘要： 气候变化和人类活动是影响流域径流变化的两大因素,定量识别二者对流域径流的影响对水资源合理开发和流域综合治理具有重要意义。随机森林模型作为一种易于使用的机器学习方法,被越来越多地应用于水文学领域,然而随机森林模型在径流变化归因分析中是否具有适用性值得探讨。本文以永定河上游的洋河流域为例,基于随机森林模型对流域径流进行了模拟,采用径流影响评价模型定量分析了气候变化和人类活动对径流变化的贡献率;并利用基于物理机制的SWAT模型对研究结果进行了对比验证。研究结果表明:1)在对不同子流域径流模拟效果方面,SWAT分布式水文模型对东洋河(柴沟堡东站)、南洋河(柴沟堡南站)、洋河(响水堡站)流域突变前的径流量模拟结果较为可信,3个流域率定期和验证期的R^(2)均在0.65以上,纳什系数(NSE)也大部分在0.65以上;随机森林模型对3个流域模拟径流的NSE和R^(2)多在0.80以上,均高于SWAT模型的NSE和R^(2),随机森林模型模拟表现优于SWAT模型;2)对比验证发现,基于随机森林模型和SWAT模型的流域径流变化归因分析结果较为相近,人类活动是导致永定河上游流域径流变化的主要原因,对径流减少的贡献率为84.3%~97.6%。总体上,随机森林模型在永定河上游流域径流变化归因研究中具有一定的适用性,为流域径流变化贡献率的定量识别提供了一种新的方法和思路。

摘要： 本文以 2015-2020 年 A 股上市公司为数据集,从公司偿债能力、经营能力、盈利能力、风险程度、股权特征五个维度选取相关指标代表公司财务状况特征,采用机器学习中的决策树模型和随机森林模型,根据机器学习模型特点,将模型分为数据预处理、分类器学习预测两个模块,进行财务风险预警研究,并使用第 T-1 年公司财务指标对第 T 年公司是否发生财务困境进行预测,以验证所使用的模型对于上市公司财务困境预警的有效性。

摘要： 通过采集2020年6月至2021年6月南京市秦淮新河代表站的DO、WT、pH、COD、NH3-N、TUR 6类水质监测指标数据,利用Pearson相关系数对监测指标间的相关程度进行分析,从而得到各监测指标间的相关系数,进一步通过多元线性回归算法得到高度相关的参数指标间的统计关系,利用回归方程的形式表示监测变量间的因果关系,最后通过随机森林算法利用水质监测中的自变量指标实现对因变量指标的预测,达到减少监测项目从而降低监测成本的目的。研究结果表明因变量水质监测指标的预测值和实际值几乎重合,有效说明随机森林模型能够实现因变量水质监测指标的准确预测。

摘要： 随着国民生活水平的提高,人们对房价的关注度也持续升高。传统的房价研究主要按时间序列法进行预测,然而房价是多指标影响因子,除与历史房价、房屋自身属性有关外,还与所处区位的地理环境、配套设施以及城市的规划分区等多方面因素相关。本文以2019年深圳市二手住宅小区单价为研究对象,从地理视角下,选取教育资源、医疗设施、交通便捷度、环境因素、规划因素的相关指标作为房价影响因子,通过随机森林的方法进行样本训练得到深圳市房价研究模型,对影响深圳市房价的上述指标进行分析研究。根据随机森林模型输出的变量重要性得知,医疗设施对深圳市房价影响最为显著。将测试数据输入预测模型,当实际的房价在均值附近时,此模型预测效果较好。

摘要： 目的：探讨随机森林模型在中成药不良反应集中监测数据分析中应用的可行性. 方法：通过介绍随机森林的原理,检索2003～2018年期间中国期刊全文数据库(CNKI)、中国生物医学文献数据库(CBM)、中国博士学位论文全文数据库(CDMD)、中国优秀硕士学位论文全文数据库(CDMD)、中国重要会议论文数据库(CPCD)、Cochrane library、Medline、Embase关于随机森林在不同领域的应用进展,并进行归纳探索分析. 结果：随机森林作为常用的机器学习技术,被广泛应用于探索疾病发生规律、中药药物筛选、中医证候、药品不良反应监测中等其他方面. 结论：随机森林机器学习技术应用于中成药不良反应集中监测数据分析是可行的,从而可以为临床用药提供更有价值的指导.

摘要： 葛洲坝入库流量预报对葛洲坝电站调度发电计划的制定非常重要.三峡—葛洲坝两坝间距离较短,理论上三峡出库应等于葛洲坝入库,但在实际运行过程中,两者并不平衡.本文利用多年积累的三峡、葛洲坝电站运行的流量、水位、电力等数据资料,利用随机森林模型,实现了葛洲坝入库折算系数与其他可能相关属性的关联性分析,并实现了对三峡出库与葛洲坝入库流量的不平衡修正,修正后的结果较以前的修正方法有明显改善.

摘要： 针对GNSS高程坐标时间序列异常值多、数据分布区间大且不平稳等特点,提出了一种基于局部异常值因子(local outlier factor,LOF)的LOF-Prophet-RF组合预测模型.首先对GNSS高程坐标数据使用LOF算法进行异常值探测,剔除探测到的异常值后对缺失数据采用Prophet模型进行插值,得到新的高程坐标时间序列,最后使用随机森林模型(Random Forest,RF)进行预测.实验结果表明,该组合模型能够有效的剔除粗差,对局部异常值有良好的敏感性;较传统预测方法能更好的表现高程坐标时间序列的变化趋势,并得到更高精度的预测数据.

摘要： 多器官功能障碍综合征是一种综合性疾病.中国人口众多,医疗资源有限,有很多人会因为没有得到及时的治疗而错过最佳的治疗时机.利用MIMICⅢ数据库的公开数据,建立了一种随机森林模型对多器官功能障碍综合征神经中枢障碍进行死亡率预测以便帮助医生筛选急需治疗的患者.模型准确率有90.5％.

摘要： 本研究期望给出一种基于GA的RF搜索策略GARF,用于高维数据的特征筛选。GARF在遗传过程中加入基于VIMs的启发式变量搜索方法，能够降低噪声变量对分类的影响，并采用基于Permutation的方法确定最终入选模型的变量筛选界值，既能够避免人为确定筛选界值的主观性，同时能够解决单纯采用多变量启发式搜索策略存在的变量竞争问题。

摘要： 本发明涉及一种随机森林模型训练的方法及模型训练控制系统，所述随机森林模型训练的方法包括：模型训练控制系统分析模型训练的条件是否已满足；若模型训练的条件已满足，则确定是否需要对随机森林模型进行重构性训练；若需要对所述随机森林模型进行重构性训练，则利用样本数据对所述随机森林模型进行重构性训练；若不需要对所述随机森林模型进行重构性训练，则利用样本数据对所述随机森林模型进行修正性训练。本发明能够减少随机森林模型训练的次数，减轻系统负担并提高系统效能。

摘要： 本发明涉及一种随机森林模型训练的方法及模型训练控制系统，所述随机森林模型训练的方法包括：模型训练控制系统分析模型训练的条件是否已满足；若模型训练的条件已满足，则确定是否需要对随机森林模型进行重构性训练；若需要对所述随机森林模型进行重构性训练，则利用样本数据对所述随机森林模型进行重构性训练；若不需要对所述随机森林模型进行重构性训练，则利用样本数据对所述随机森林模型进行修正性训练。本发明能够减少随机森林模型训练的次数，减轻系统负担并提高系统效能。

摘要： 本发明公开了一种基于随机森林模型的线损检测系统，涉及电力线损检测技术领域。本发明包括核心服务器、数据库、数据获取模块、数据存储模块、模型处理模块、检测预警模块和终端控制模块，核心服务器向数据库调取参数，数据获取模块分别与核心服务器和数据库通信连接，数据存储模块与数据获取模块通信连接，终端控制模块分别与数据获取模块、模型处理模块和检测预警模块通信连接，模型处理模块与检测预警模块通信连接。本发明基于随机森林模型的线损检测系统，对输电线路线损检测操作的处理完成度更高，精度更高，可有效减少工作人员的工作负担，提升工作效率。

摘要： 本申请实施例应用于人工智能领域，公开了一种基于随机森林模型的报表生成方法及相关设备，包括：接收携带第一字段集合的报表生成指令，将第一字段集合输入至目标随机森林模型中；在确定第一字段集合所包括的字段能生成报表的情况下，确定目标随机森林模型中包括第一字段集合的路径集合；接收指示路径集合中第一路径的选择指令；确定在第一路径包括的各个节点对应的字段为第二字段集合；并根据第二字段集合中各个字段以及获取到的各个字段对应的数据，生成第一报表。采用本申请实施例，可以在面对多种不同业务以及海量数据快速生成报表，提高了生成报表的准确性和效率。本申请涉及区块链技术，上述报表/数据可存储于区块链中。

摘要： 本发明提供一种基于改进随机森林模型的评估旋喷桩引起侧向位移的方法，包括以下步骤：S1：收集现场监测数据并对数据进行预处理，划分输入特征数据和输出特征数据；S2：建立随机森林模型，初始化所述随机森林模型的超参数；S3：根据步骤S1得到的输入特征数据和输出特征数据，采用PSO‑SA智能进化算法优化所述随机森林模型的超参数，得到改进的随机森林模型；S4：利用所述改进的随机森林模型，确定侧向位移。本发明利用PSO‑SA与随机森林模型进行杂交得到改进的随机森林模型，通过PSO‑SA确定随机森林模型的最优超参数，提高了随机森林模型的计算效率和评估的准确度，可以快速确定旋喷桩引起的侧向位移。

摘要： 本发明公开了基于随机森林模型的供水管道状态监测方法，属于供水管网漏损检测技术领域，具体方法包括：步骤一：获取管道分布图，根据获取的管道分布图设置若干个管道检测点；步骤二：设置采集时间段，在采集时间段内通过管道检测点实时采集管道信息；步骤三：对采集的管道振动加速度进行快速傅里叶变换，获得管道振动频谱，提取管道振动频谱中的频域特征，通过对供水管网采集的多源物理量水压、管道振动、管道环境温度和湿度信号进行特征分析，更加全面的对供水管网的漏损进行检测；通过对随机森林模型进行训练，实现对当前供水管网的状态分类，得出管道状态与特征之间的关系，方便根据不同的状态分类有针对性的对不同管道进行处理。

摘要： 本申请提供一种检测齿轮啮合的方法、随机森林模型、训练方法及系统，训练方法包括：获取齿轮机构在不同齿轮啮合状态测试下的振动图像序列；提取振动图像序列中目标区域内预设数量像素点的振动位移信号；根据每个像素点的振动位移信号，分别计算对应的特征值，构建训练样本；以训练样本中特征值作为输入，以预测齿轮啮合状态类别作为输出，对待训练的随机森林模型进行训练。相比于加速度计采集振动信号，本申请可以同时提取振动图像内每个像素点对应位置的振动位移信号，这样，能够在小样本条件下，通过增加信号提取位置来获得足够多的数据，从而实现对齿轮啮合状态的准确分类。

摘要： 本发明涉及一种基于随机森林模型的油石比检测方法，属于沥青路面施工控制技术领域。该检测方法为：对多个且不同石油比的马歇尔试件采用CT扫描，获取马歇尔试件不同高度处的CT图像，并划分数据集；采用avizo软件对步骤二获得的CT图进行处理，获得的处理后的CT图像的沥青混合料截面空隙进行提取，并获取空隙面积、空隙率、空隙平均直径空隙信息；基于随机森林算法，输入特征为沥青混合料截面空隙，输出特征为油石比，建立起油石比预估模型。本发明基于随机森林模型的油石比检测方法直接给出了油石比的预测值，可直接对沥青路面施工各阶段油石比的数值进行大概估计，进而控制沥青混合料油石比的波动范围，保证沥青路面的施工质量。

摘要： 本发明公开了一种基于随机森林模型的海洋涡旋混合非局地性的预测方法。为了解决现有方法中对拉格朗日平衡时间和涡旋速度大小二者与混合非局地程度之间非线性关系研究不足的问题，本发明通过计算涡旋扩散率及涡旋扩散率误差值、基于标准差方法的所有自适应箱位置处的拉格朗日平衡时间、混合非局地椭圆、涡旋速度大小，将拉格朗日平衡时间和涡旋速度大小作为输入样本，将混合非局地程度大小作为输出样本，构建了随机森林模型从而得到海洋混合非局地程度预测值。本发明有助于正确认识涡旋混合非局地性在海洋和气候模拟与预报中的重要程度，为改进现有涡旋混合参数化方案提供了新思路，为进一步提高模式模拟和预报的准确性指明了方向。

摘要： 本公开的实施例提供了一种随机森林模型的训练方法、异常流量检测方法及装置。所述方法包括采集原始流量数据；对所述原始流量数据样本进行特征标记，生成训练样本；将所述训练样本随机分为训练集和测试集；根据特征对训练集样本进行预处理，根据预处理后的训练集样本对随机森林模型进行训练；将测试集样本输入训练后的随机森林模型中，将随机森林模型输出的特征与标记特征比较，根据比较结果判断训练后的随机森林模型是否满足安全性需求。以此方式，可以提升随机森林模型对流量特征的识别速度与准确率，满足对异常流量特征分析检测需求。