《表2 不透水面机器学习反演模型对比》
机器学习模型能够较好地拟合线性或非线性函数,对于输入变量的变化具有较强的鲁棒性,不透水面比例的反演精度也较好。但现有研究多基于某一种机器学习模型,选择不同的模型参数或输入变量组合进行建模,分析不同条件下的模型表现,选择最优的模型进行反演[36,41]。对同一研究区基于多种机器学习模型分别进行不透水面比例反演的研究较为缺乏,难以定论何种模型最优,仅能从各研究反演结果大致分析,几种模型反演精度基本处在相近的范围[14,42-43]。表2总结了各模型的机理、必要参数及当前反演不透水面比例的精度水平。机器学习模型也存在共同的不足:(1)训练样本集的大小、所选样本是否具有代表性对输出结果的精度有很大影响[29];(2)各模型必要参数的设定需经过多次尝试、对比才能选择出最优模型;(3)由于年间光谱差异较大,仅利用单年训练数据得到的模型难以直接应用于其他年份的不透水面比例反演。
图表编号 | XD0061519700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 左家旗、王泽根、边金虎、李爱农、雷光斌、张正健 |
绘制单位 | 西南石油大学土木工程与建筑学院、中国科学院水利部成都山地灾害与环境研究所、西南石油大学土木工程与建筑学院、中国科学院水利部成都山地灾害与环境研究所、中国科学院水利部成都山地灾害与环境研究所、中国科学院水利部成都山地灾害与环境研究所、中国科学院水利部成都山地灾害与环境研究所 |
更多格式 | 高清、无水印(增值服务) |