發(fā)布時(shí)間：2014-06-26所屬分類：管理論文瀏覽：1次
摘 要： 論文摘要：研究中還發(fā)現(xiàn),分類AH中的采樣點(diǎn)均顯示了較低的數(shù)值,平均匹配率為43%~60%。此類中的采樣點(diǎn)數(shù)據(jù)重構(gòu)性較差,需選擇另外一種相對(duì)獨(dú)立的方法進(jìn)行分析研究,進(jìn)而對(duì)采樣點(diǎn)分類提供更合理的證據(jù),并非只是單單從不同土地利用類型和專家知識(shí)而進(jìn)行的分類檢索
論文摘要：研究中還發(fā)現(xiàn),分類AH中的采樣點(diǎn)均顯示了較低的數(shù)值,平均匹配率為43%~60%。此類中的采樣點(diǎn)數(shù)據(jù)重構(gòu)性較差,需選擇另外一種相對(duì)獨(dú)立的方法進(jìn)行分析研究,進(jìn)而對(duì)采樣點(diǎn)分類提供更合理的證據(jù),并非只是單單從不同土地利用類型和專家知識(shí)而進(jìn)行的分類檢索。
1決策樹模型的建立
1.1采樣點(diǎn)概況專家從環(huán)境監(jiān)測(cè)網(wǎng)絡(luò)選取了47個(gè)采樣點(diǎn)(圖1),并且根據(jù)硝酸鹽來源劃分為5類:溫室大棚區(qū)(G,11個(gè)點(diǎn)位)、農(nóng)作物區(qū)(A,7個(gè)點(diǎn)位)、有地下水補(bǔ)給的農(nóng)作物區(qū)(AGC,15個(gè)點(diǎn)位)、居民區(qū)(H,8個(gè)點(diǎn)位)以及農(nóng)作物和園藝混合區(qū)(AH,6個(gè)點(diǎn)位)。
1.2數(shù)據(jù)集合根據(jù)采樣點(diǎn)在監(jiān)測(cè)網(wǎng)絡(luò)中的編碼、采樣時(shí)間,監(jiān)測(cè)的地表水水體的10個(gè)物理化學(xué)參數(shù)(水溫T,EC20,pH,DO,O2,Cl-,NH+4-N,NO-2,NO-3、PO3-4)以及硝酸鹽來源分類等指標(biāo)創(chuàng)建了數(shù)據(jù)集合,實(shí)例總數(shù)為3928。其中,數(shù)據(jù)集合中缺失的數(shù)據(jù)根據(jù)多重插補(bǔ)(MultipleImputation)法進(jìn)行插補(bǔ)。分類AH以及G中的地表水站點(diǎn)在2002—2009年都具有較高的平均硝酸鹽濃度范圍,質(zhì)量濃度分別為13.5~29.8mg/L和6.9~44.4mg/L;分類A以及AGC中的地表水站點(diǎn)的NO-3平均濃度次之,質(zhì)量濃度分別為2~14mg/L和1~22.4mg/L;而分類H則為最低,NO-3平均質(zhì)量濃度為0.4~3.6mg/L(以N計(jì))變化。
1.3決策樹模型決策樹模型的基本算法是貪心算法,其生成則是自上而下的遞歸過程通過不斷將樣本分割成子集來構(gòu)造決策樹。算法的核心問題就是屬性選擇和剪枝策略。采用C4.5算法來建立決策樹模型[13]。C4.5對(duì)屬性的選擇基于信息理論(informationtheory)[14],通過計(jì)算信息增益來確定節(jié)點(diǎn)的分裂屬性,每個(gè)節(jié)點(diǎn)均選擇具有最大信息增益的屬性。這樣能夠使得樣本在依據(jù)該屬性進(jìn)行分類時(shí)所需要的信息最小,可以有效減少分類所需的分裂次數(shù)。假設(shè)一個(gè)集合M,具有s個(gè)類別,其中個(gè)類在M中出現(xiàn)的比例為p(ci),那么M的信息熵為式中info(M|X)代表X的信息熵,V(X)代表屬性X的可能值的數(shù)量,Mj代表集合M的子集中屬性X的可能值的數(shù)量為j。最優(yōu)屬性則是信息增益gain(X)的最大值。C4.5對(duì)決策樹的剪枝是自下而上,從樹最底層的節(jié)點(diǎn),將符合修剪規(guī)則的剪掉,直到?jīng)]有節(jié)點(diǎn)滿足修剪規(guī)則為止。決策樹建立后,根據(jù)10次交叉檢驗(yàn)法進(jìn)行準(zhǔn)確性評(píng)估。
2結(jié)果與討論
2.1模型輸出與專家分類對(duì)比利用47個(gè)地表水樣點(diǎn)的10個(gè)物理化學(xué)參數(shù)數(shù)據(jù)建立了決策樹模型,共有247個(gè)節(jié)點(diǎn),樹形規(guī)模較大。實(shí)例數(shù)量為3928個(gè),其中3142個(gè)實(shí)例與專家知識(shí)的分類情況一致,剩余的786個(gè)實(shí)例則被分為不同的類別。所以,此決策樹模型的輸出與專家分類的匹配率為80%。決策樹模型中每一硝酸鹽源類實(shí)例的分類情況見圖2。從圖2可見,分類A、AGC、G和H具有較高的匹配率(大于80%),表明使用建模的物理化學(xué)參數(shù)數(shù)據(jù)具有較高的可重構(gòu)性。分類AH則具有較低的匹配率(50%),表明了這一類樣點(diǎn)的物理化學(xué)參數(shù)數(shù)據(jù)具有較低的可重構(gòu)性,但是引起這一現(xiàn)象的原因目前不詳,需要結(jié)合后續(xù)的氮氧同位素方法進(jìn)行深入研究。此外,每一硝酸鹽源的模型輸出與專家分類的匹配率都不是100%,說明部分實(shí)例與專家分類不相同。所以,了解決策樹模型中每一類實(shí)例的分類情況是比較有意義的。從圖2中可以看出分類A、AGC、G和H具有較高的匹配率(大于80%),因而這些分類中相應(yīng)的實(shí)例被劃分為其他分類的百分比則相對(duì)較低。相反地,分類AH因具有較低的匹配率而導(dǎo)致其相當(dāng)部分實(shí)例(大于40%)被決策樹模型重新分到A以及G這2個(gè)類別中。其原因可能是分類AH本身就是農(nóng)作物和園藝混合區(qū),此類中地表水樣點(diǎn)所構(gòu)成實(shí)例不排除具有其他類別實(shí)例的特征。另外,47個(gè)采樣點(diǎn)的平均決策樹模型的輸出與專家分類的匹配率為43%~95%,有近3/4的樣點(diǎn)大于80%。研究中還發(fā)現(xiàn),分類AH中的采樣點(diǎn)均顯示了較低的數(shù)值,平均匹配率為43%~60%。此類中的采樣點(diǎn)數(shù)據(jù)重構(gòu)性較差,需選擇另外一種相對(duì)獨(dú)立的方法進(jìn)行分析研究,進(jìn)而對(duì)采樣點(diǎn)分類提供更合理的證據(jù),并非只是單單從不同土地利用類型和專家知識(shí)而進(jìn)行的分類檢索。
2.2依據(jù)決策樹模型選擇代表性樣點(diǎn)如前所述,決策樹模型所評(píng)估的47個(gè)采樣點(diǎn)中,部分樣點(diǎn)數(shù)據(jù)重構(gòu)性較差導(dǎo)致決策樹模型的輸出與專家分類的匹配率較低,需要其它方法進(jìn)行校正。氮氧同位素方法已經(jīng)廣泛應(yīng)用于對(duì)硝酸鹽污染源判斷以及硝酸鹽遷移轉(zhuǎn)化過程的研究。所以,在47個(gè)樣點(diǎn)中選擇了30個(gè)具有代表性的樣點(diǎn)作為后續(xù)研究。另將30個(gè)優(yōu)化后點(diǎn)位的數(shù)據(jù)集再次帶入模型中,該決策樹模型的輸出與專家分類的匹配率達(dá)到84%,優(yōu)于前47個(gè)點(diǎn)位的模型輸出。然而分類AH中的采樣點(diǎn)仍顯示較低的匹配率(48%~63%)。根據(jù)此決策樹模型,縮減了工作量,選擇的樣點(diǎn)更具有代表性。其目的是通過后續(xù)方法更準(zhǔn)確地對(duì)選擇的樣點(diǎn)進(jìn)行分類,建立輸出結(jié)果更為精確的決策樹模型進(jìn)而對(duì)監(jiān)測(cè)網(wǎng)絡(luò)中其它未知源的樣點(diǎn)進(jìn)行硝酸鹽來源的預(yù)測(cè)。
3結(jié)論
建立的決策樹模型成功地從47個(gè)采樣點(diǎn)的物理化學(xué)數(shù)據(jù)所組成的數(shù)據(jù)集中挖掘了未知的、有價(jià)值的信息。此決策樹模型評(píng)估了約有80%的樣點(diǎn)分類與專家知識(shí)分類相吻合,然而部分樣點(diǎn)則顯示了較低的匹配率,數(shù)據(jù)的可重構(gòu)性較低。決策樹模型的輸出結(jié)果為選擇有代表性樣點(diǎn)進(jìn)行后續(xù)研究提供了可靠的數(shù)據(jù)保證。
