Cải thiện lập bản đồ tính nhạy cảm với lũ bằng cách sử dụng cây quyết định đầu tiên tốt nhất tích hợp với các kỹ thuật Ensemble learning
Tác giả: Binh Thai Pham , Abolfazl Jaafari b , Tran Van Phong, Hoang Phan Hai Yen, Tran Thi Tuyen, Vu Van Luong, Huu Duy Nguyen, Hiep Van Le, Loke Kok Foong
Geoscience Frontiers
Quyển: Volume 12, Issue 3 Trang: 101105
Năm xuất bản: 5/2021
Tóm tắt
): Lũ quét là loại tai biến thiên nhiên có nguy cơ tàn phá cảnh quan miền núi với sự tham gia của các nhân tố tự nhiên như độ dốc, mức độ chia cắt địa hình, địa chất, thảm thực vật,... Sự phân hóa phức tạp của 10 tham số và 126 điểm xảy ra lũ quét được phân tích, đánh giá bằng các kỹ thuật Best First Decision Tree (BFT), the Bagging (Bagging-BFT), Decorate (Bagging-BFT), and Random Subspace (RSS-BFT). Nghiên cứu này cung cấp một ước tính đáng tin cậy về tính nhạy cảm với lũ quét và bản đồ nguy cơ lũ quét, phục vụ cho các hệ thống cảnh báo sớm cũng như xây dựng các kế hoạch giảm thiểu tai khu vực miền núi Nghệ An.
Từ khóa
Máy học tập hợp người học; Mô hình kết hợp