关键词： 智能车辆   车辆换道   换道风险预测   换道轨迹预测   机器学习  

摘要： 驾驶员技术、驾驶习惯、心理状态以及交通安全意识等直接关系到车辆换道的安全性,是导致交通事故的主要原因。智能车辆具有多个高性能传感器和智能控制系统,能有效降低车辆换道风险,但换道风险与换道轨迹预测方法复杂、预测精度和预测时效性难以满足车辆高速行驶工况要求。为此,本文开展了相关研究,主要内容如下:首先,选取NGSIM轨迹数据集中的I-80公路作为研究对象,并采用对称指数移动平均法(Symmetric Exponential Moving Average,SEMA)对该数据集进行预处理,从而为后续的模型训练与验证奠定基础。根据数据集的特征,以车辆在主干道上发生自由换道行为进行了分析。其次,根据车辆换道过程分析,总结出车辆之间发生碰撞的四种情形,选取车辆换道过程中的车头时距(Time Headway,THW)作为换道风险指标;为了保证数据集的有效性,对数据集进行二次筛选,同时采用皮尔逊相关系数法对所选择的七种换道风险特征参数进行相关性研究;利用上述七种换道风险特征参数建立XGBoost换道风险预测模型,同时,针对模型训练需求,对数据集进行划分以及归一化处理。研究结果表明,XGBoost换道风险预测模型具有较好的换道风险指标预测性能,其预测结果的均方根误差为0.2804,且模型的预测精度和训练速度均优于随机森林(Random Forest)算法,所采用的七特征参数预测模型的预测效果也比两特征参数预测模型的预测性能更好。最后,结合卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆神经网络(Long Short-Term Memory Network,LSTM),建立了CNN-LSTM换道轨迹预测模型,同时对车辆轨迹序列预测数据进行提取,比较并分析不同时间步长输入对模型预测结果的影响,并与LSTM换道轨迹预测模型进行比较;研究结果表明,CNN-LSTM换道轨迹预测模型所采用的单时间步长输入、五时间步长输入和十时间步长输入均能完成预测任务,其RMSE值分别为0.3537、0.2479和0.0584,且发现历史轨迹序列输入越多,预测精度越高;建立的CNN-LSTM模型的预测精度高于LSTM换道轨迹预测模型。

关键词： 机器学习   公募基金   业绩预测   基金选择   神经网络  

摘要： 近年来,在中国经济高质量发展和实现共同富裕战略目标的背景下,公募基金凭借着其低门槛、多样化、规范透明等特点,深得中国投资者的推崇。截止到2022年12月底,中国公募基金市场管理规模已超过26万亿元,整体上呈现良好发展态势,但其中仍存在投资者利益被轻视,投资者教育同质化,缺乏针对性等问题。基金市场中占比最大的普通投资者因缺乏经验和专业知识,更容易受到多种外部因素影响,在投资中呈现出较大的非理性,从而导致选基、投资失败的现象。为帮助投资者克服在公募基金投资过程中的局限性。本文在研究众多公募基金业绩影响因素和公募基金业绩评价相关文献的基础上,首先使用Lasso、岭回归、支持向量回归机(SVR)、随机森林、梯度提升回归树(GBRT)、XGBoost、Light GBM以及深度神经网络八种机器学习方法构建了公募基金业绩预测模型,通过比较预测业绩(超越基准收益率与累计收益率)与真实业绩的差距,来观测使用基金历史回报、风险因素和衡量基金经理能力的各种指标是否对于公募基金未来业绩具有预测效果并对影响基金未来业绩的因素进行分析;其次,在不同的市场情形下,根据预测结果构建投资组合,并使用收益标准差、最大回撤、夏普比率、索丁诺比率等指标对投资组合的收益与风险进行评估,以进一步的分析模型的业绩预测能力和对“好坏”基金的区分能力;最后,通过投资组合单个和多个投资周期的实际业绩表现来衡量基于机器学习预测模型的选择有潜力的基金的有效性。经过实验发现机器学习方法对基金未来业绩具备一定的预测能力,同时也具有对“好坏”基金的区分能力,使用机器学习方法所构成的投资组合无论是在一个投资周期还是在多个投资周期,最后所取得的收益率均能超越随机选择基金所构成的组合和沪深300指数涨跌幅。但遗憾的是,当使用超越基准收益率作为预测指标时,对于基金的区分能力弱于使用累计收益率作为预测指标,这可能是因为基金经理对基金基准设置不够准确,造成了一定的风格漂移。而各个模型在不同的市场情形下的表现不同,在市场连续上涨期间,使用神经网络模型所构建的投资组合不仅风险低于其他模型的组合而且获得了更高的累计收益率;而在市场连续下跌期间,XGBoost所构成的投资组合虽然能获得超越其他模型和沪深300指数涨跌幅的累计收益率,但也承担着较高的风险。另外,在经历八个投资周期后,神经网络模型的组合最终取得最高的收益率,这说明神经网络模型长期表现更佳。本文通过实验证明,使用基于横截面回归的机器学习方法在一定程度上能够预测公募基金未来的业绩并帮助选出具有潜力的基金;使用神经网络构建模型,预测基金未来的累计收益率对基金的筛选效果更好。从而为投资者选择基金提供了一些经验和参考,为基金公司和基金监管部门改进管理方式提供一些启示。

关键词： 建筑能耗预测   支持向量回归   反向传播神经网络   遗传算法  

摘要： 在公共建筑的日常运营中,能源使用过程缺乏科学有效的管控措施,导致能源消耗量过大、能源利用率低,造成成本增加和资源浪费。对城市公共建筑运行过程能源消耗量进行准确有效预测,可帮助城市管理系统实现高效优化及控制,达到节能降耗的目的。但在实际的公共建筑运行过程中,由于天气、人员流动等各类因素,建筑能耗存在随机性及不确定性。如何对建筑能耗进行准确预测,成为现阶段建筑运行能源管理的重要问题。本文利用遗传算法优化的支持向量回归、随机森林、反向传播神经网络、长短期记忆网络四种机器学习方法,基于加州劳伦斯伯克利实验室的能源使用数据集,对实验室未来一个月的能源消耗情况进行预测,对比分析四种机器学习方法对公共建筑能源消耗的短期预测能力。具体研究内容从以下方面展开:(1)在数据处理与分析方面,首先,统一原始数据的采样频率,使用描述性统计分析、可视化等手段识别数据异常值,比如室外空气湿度、室外空气温度等。其次,利用线性插补和K近邻插补方法,对时间序列数据中的丢失数据进行插补,插补后的数据分布特征与插补前基本相同,符合数据实际。然后,分析建筑能耗数据与影响因素数据之间的相关关系,并重新划定数据步长使更符合实际能源管理需求。最后,通过能源数据和影响因素的滞后数据相关系数筛选变量,并对筛选后的数据进行归一化处理,使之符合预测模型的输入要求。(2)在模型构建与训练中,首先讨论分析支持向量回归、随机森林、反向传播神经网络和长短期记忆网络模型的参数,包括模型中哪些参数可以进行调整优化、各参数的作用原理、各参数的特点、各参数的取值等对模型性能的影响。随后依据研究目的、研究数据的实际情况选择需要进行调整的参数并设定参数范围,使用遗传算法分别对四个预测模型进行参数优化,即进行模型训练。最后对组合模型的训练过程进行分析描述,并对未来一个月的能耗进行预测。(3)在模型对比中,首先,使用模型的默认参数取值或常见取值构建基础模型,并与经过遗传算法优化得到的最优模型(即组合模型)进行对比。其次,进行组合模型与组合模型之间的对比。其中,模型的对比包括三个方面:模型的拟合性、泛化性和模型在训练数据与测试数据上的表现差异。本研究通过分析建筑能耗预测领域的研究现状,使用统计方法对研究数据进行分析与处理,使用遗传算法优化预测模型。结果显示:基于遗传算法的反向传播神经网络能够很好地把握未来能耗变化趋势,对用电高峰期数据较为敏感,预测效果最好;遗传算法对支持向量回归、反向传播神经网络和长短期记忆网络的性能均有较大提升。

关键词： 虚拟筛选   失衡数据   交互指纹   K-Means   SMOTE   粒子群优化   集成学习  

摘要： 随着计算机技术迅速的发展以及人类基因组计划的完成,对于疾病的快速诊治以及特效药的研制进入快车道。计算机辅助药物设计、高通量筛选、以及生物芯片等高新技术逐渐被引入到新的药物研制过程中,其中基于分子对接技术的虚拟筛选就是典型的计算机辅助药物设计的代表,虚拟筛选技术因其较好的普遍适用性,被大多数公司所采用,但是也存在自身局限性,在应用最广泛的基于分子对接的虚拟筛选技术中,由于打分评价函数的精度不高,所以会导致虚拟筛选的先导化合物的质量并不高,成为阻碍虚拟筛选发展的一大难题。由于相关的理论较匮乏,在找寻精确度高的打分评价函数的道路上举步维艰。同时,在虚拟筛选实验产生的数据集是一种活性化合物与非活性化合物有很大数量级差距的数据集,也就是产生了数据失衡的问题。并且还存在数据缺损、稀疏等问题,数据集的失衡进而会导致筛选的结果更倾向于负类,从而会使得筛选的结果准确性欠佳。基于这个背景,本文提出了基于失衡数据集的虚拟筛选方法,把失衡数据集分类方法引入到对虚拟筛选数据的处理中,对传统的虚拟筛选技术进行相应的改进。首先,针对传统的基于分子对接的虚拟筛选技术中打分函数准确度不高以及对接结合的构象会产生错分错判的现象,基于此本文提出了采用TIFP蛋白质-配体交互指纹来对靶蛋白与配体之间的结合模式以及交互作用进行编码来代替打分函数评价,该种方式将提高不同打分函数的精确度不足以及适用性差的问题,交互指纹方法将多维数据编码为一维数据,对于之后的数据预处理以及数据分类预测都有很大的帮助,并且会大大提高分子对接构象的准确度。其次,本文提出一种基于K-Means和SMOTE的启发式过采样方法对虚拟筛选过程中产生的失衡数据进行相应的处理。经过处理的数据,失衡比降低的同时,还会极大的保存数量级小的正例样本信息。同时在数据分类层面,为了提高虚拟筛选过程的准确性,提出通过粒子群优化算法对支持向量机分类器的惩罚参数以及高斯核半径进行不断优化,找到全局最优解,集成学习的概念也被引入到分类当中来。基于粒子群优化的分类技术,采用支持向量机和自适应增强技术对分子对接构象进行筛选,提高预测的准确性。最后,对于虚拟筛选实验验证以及分析阶段,在数据集的构建方面,充分利用PDB数据库来选取代表性的靶蛋白晶体,同时配体小分子的获取分别来自PubChem等数据库,在最后的实验结果表明,本文所提出的一系列针对虚拟筛选的处理方法能有效提高蛋白质筛选的准确性,对新药研发具有实用指导意义。本研究将虚拟筛选视为数据分类不平衡的问题,具有一定的指导意义,也为虚拟筛选技术面临的问题提供了一定的参考。

关键词： 相变   蒙特卡罗方法   XY耦合模型   Ising-XY模型   图神经网络  

摘要： 相变是物质在温度、压力和磁场等外部条件下出现的突然性质变化,相变理论是统计物理领域里一项长期且重要的研究内容。相变广泛存在于经典和量子统计体系,如超冷原子体系中。Ising模型自旋有上下两种取向,XY模型的自旋矢量是可指向平面任意方向的连续变量,两者耦合起来的相图研究十分丰富。将二维Ising模型与二维XY模型结合起来可得到二维XY耦合模型和二维Ising-XY耦合模型,这两个模型中的Ising型相变和XY型相变的发生顺序是物理学者非常感兴趣的问题。本论文采用了可大规模计算的蒙特卡罗方法,包括单自旋翻转的Metropolis算法和多自旋同时翻转的集团演化Wolff算法,研究了这两个模型的相图和相变顺序情况。另外,还引入了颇具前景的图神经网络方法来模拟二维Ising-XY模型。首先,采用蒙特卡罗方法研究二维XY耦合模型的相变情况,固定J,通过调整J大小改变空间耦合系数;模拟计算不同耦合系数下的物理量,例如能量、磁化强度、比热、Binder累积量和超流密度等。再运用不同尺寸下Binder累积量交点和超流密度与直线Δρs/Tc～2/π的交点分析确定Ising型相变点和XY型相变点的位置。研究发现在空间各向同性、各向异性和各向异性极限三种情况下双层XY模型的XY型和Ising型同时发生相变,即只有一个相变点。另外,还利用超流密度尺寸外推公式由几个小尺寸的相变点外推出尺寸无穷大时该模型对应的XY型相变点,简化了计算难度。其次,采用蒙特卡罗方法研究了二维Ising-XY耦合模型的相变情况,先通过计算比热大致确定相变点,得出了A=B时的AC平面相图。AC平面相图中可观察到在C取值不同时对应的相变个数不同:C=0对应一个相变;C=0.38对应两个相变。所以在A≠B的研究中选取这样两个C值进一步分析,A≠B时借助不同尺寸下Binder累积量的交点和ML的交点分别判定Ising型相变和XY型相变的位置,发现在各向同性、各向异性和各向异性极限三种情况下Ising型相变与XY型相变发生的顺序各不相同。从而得出A≠B时Ising-XY耦合模型的AB平面相图,结果表明该相图具有对称性。最后,采用图神经网络方法生成二维Ising-XY模型的构型。Ising-XY模型十分特殊,其Ising变量或者XY变量的相互作用依赖于体系状态发生变化,在某些参数范围下,其热平衡态难以模拟生成。为此,引入了图神经网络方法来模拟和推断Ising-XY构型的概率分布,根据该分布生成自旋构型,无需蒙特卡罗的弛豫过程。实验结果表明,图神经网络具有的强大特性可以有效地模拟从传统蒙特卡洛方法中生成的构型,并且是全新的具有相同物理特性的构型。

关键词： 机器学习方法   超声多参数   乳腺导管内原位癌   预测模型  

摘要： 背景:乳腺癌在我国女性群体中是一类比较常见的肿瘤。2020年WHO调查显示乳腺癌全球发病率达17.1%,死亡率也较高,达到8.16%。全球乳腺癌患者数量已超过肺癌,其患者数量位居各类癌症之首。目前,导管原位癌(Ductal carcinoma in situ DCIS)已成为乳腺癌的常见类型,其占比达到15-25%。随着超声机器更新换代,导管内肿物的诊出率较前明显提高,因导管内乳头状瘤和导管内原位癌的临床表现和形态学特征很相似,目前的超声技术水平对两者的区分比较难。有研究表明,联合多参数分析可明显提高诊断准确率。因此,利用影像组学预测乳腺导管内原位癌具有一定的研究价值。基于此,我院特设计本试验。目的:本研究旨在利用机器学习相关超声参数,找出预测导管内原位癌的影像学特征,构建导管内病变鉴别诊断模型,以期早期筛查出导管内病变中的原位癌,减少穿刺等有创检查,提升治疗的准确率。方法:本研究回顾性收集我院2019年3月至2022年7月期间经病理证实的289例女性乳腺导管内病变患者的临床信息进行分析。将256位患者作为训练集,提取其超声特征后根据病理结果进行良恶性导管内病变鉴别模型的构建,将33位患者作为验证集,验证本研究所构建模型的准确性。采用LOGIQ E9/E8等超声诊断仪对患者乳房各层次结构进行检查,对发现的病灶观察并记录其年龄(岁)、肿物最大径(mm)、形态是否规则(是0,否1)、边缘是否光滑(光滑0,毛糙1)、超声分型(根据导管内病变常见形态分为5型,1型为乳腺导管扩张,同时有管腔内的实性回声充填或乳头状实性回声;2型为实性的回声周边有液性无回声区包绕,或囊实性回声团块;3型为有乳腺导管扩张,远端的乳腺导管壁中断或不规则;4型为乳腺导管扩张,同时在远端中断处有实性团块或结节;5型为乳腺腺体内部有低回声结节,并且周边未发现明显的导管扩张)、纵横比(≥1=1,<1=0)、微钙化(无0、单发1、多发2)、距乳头距离(mm)、后方回声(不变0,增强1,衰减2)、肿物内部血流信号(无0,少量1,中量2,大量3)、周围血流信号(无0,少量1,中量2,大量3)、肿瘤类型(中央型0,外周型1)以及是否为癌(是1,否0)等超声及病理特征。根据病理结果,通过训练组提取可以鉴别导管内乳头状癌及导管内乳头状瘤的相关超声特征,相关数据经统计学处理后,将P<0.10的变量纳入二元logistic回归分析以构建诊断效能最佳的乳腺导管内原位癌与导管内乳头状瘤病变鉴别诊断的机器学习模型。最后,通过验证组验证该模型的准确性及诊断效能。结果:以术后病理为金标准,对于鉴别导管内乳头状癌与导管内乳头状瘤有统计学意义的特征包括有肿瘤最大直径、边缘是否光滑、超声分型、微钙化、肿瘤内部血流信号以及肿瘤周围血流信号(P<0.05)。将肿瘤最大直径、边缘是否光滑、超声分型、微钙化、肿瘤内部血流信号以及肿瘤周围血流信号、年龄、形态是否规则以及病变距离乳头的距离(P<0.10)纳入二元logistic回归分析(条件:LR,向前)发现诊断效能最佳的模型为通过边缘是否光滑、超声分型、微钙化、肿瘤周围血流信号以及年龄构建的导管内病变鉴别诊断机器学习模型:模型公式:乳腺导管内病变鉴别诊断结果=B边缘*&+B钙化*&+B周围血流信号*&+B年龄*&+B超声分型*&(B为变量对应的模型回归系数,&取值为0或1,患者该变量特征阳性时取值为1,否则为0)。该模型在训练组区分导管内原位癌与导管内乳头状瘤的受试者工作特征曲线(receiver operating characteristic curve,ROC)曲线下面积(Area Under Curve,AUC)为0.776(95%CI:0.721,0.832)。而在33位导管内病变患者的验证集中,导管内乳头状癌14例,导管内乳头状瘤19例,年龄17～67岁,平均(44.36±9.92)岁。以术后病理为金标准,该导管内病变鉴别诊断模型在验证组区分导管内原位癌与导管内乳头状瘤的AUC为0.914(95%CI:0.821,1.000)。结论:本研究基于机器学习相关超声及病理特征,构建导管内病变鉴别诊断模型,有望提高导管内病变的鉴别诊断准确率,有助于早期筛查出导管内病变中的原位癌,减少穿刺等有创检查,提升治疗的准确率。

关键词： 暂态稳定评估   电力系统稳定性   机器学习   原始数据  

摘要： 随着可再生能源一体化程度的提高,电力系统安全稳定运行迎来了全新的挑战,特别是系统惯性减小所带来的运行挑战,将对评估电力系统暂态稳定产生重大影响。随着新一代技术的发展,暂态稳定性评估这一传统问题变得更加复杂,其重要性也日益凸显,已经成为电力系统技术研究的焦点。与此同时,电力系统“大数据”的兴起,以及广域监测系统的发展,将为应对这些挑战引入了新的范式。传统的电力暂态稳定评估方法,如直接法和时域仿真法,已经不能满足当今快速变化的技术需求,其缺陷也日益凸显。伴随着人工智能技术的发展,新的方法和手段不断涌现,为深入研究暂态稳定性问题提供了崭新的视野和思维。因此,如何充分利用这种优势,将其应用于暂态稳定性评估,成为本文探讨的核心。本文旨在从数据挖掘和机器学习的角度解决电力系统暂态稳定评估问题,具体内容如下:(1)基于IEEE-39节点测试用例电力系统的动态模拟,构建了一个新的时域相量测量信号开放数据集,通过采用分层抽样来获取原始数据的特征,同时提出了几种用于暂态稳定评估的模型评价指标。(2)采用了两种特殊的循环神经网络结构,即门控循环单元和长短期记忆网络分类器,建立电力系统TSA的网络模型,然后研究门控循环单元和长短期记忆网络两种模型在电力系统TSA的性能表现,以及网络输入特征的选择对模型的影响。(3)考虑到门控循环单元和长短期记忆网络获取原始时间序列信号的主要缺点是无法在不同的电力系统架构之间传输学习到的信息,故提出了一个用于电力系统暂态稳定评估的完整机器学习模型,该模型由欠完全降噪堆叠自编码器和投票集成分类器构建,论文研究并讨论了该分类器在电力系统测试用例中的应用结果。经过测试,用于电力系统暂态评估问题的机器学习方法是有前途的,因为它能够吸收大量的数据,同时具有保留泛化和支持实时决策的能力。该评估方法表现出色,其评估速度快、准确度高,而且具有良好的容错能力。

关键词： 机器学习   智能家居系统   活动识别   随机森林模型   交互设计  

摘要： 随着科技的快速发展,以机器学习为基础、凸显人体行为活动识别的智能家居产品不断被人们所了解。而智能家居产品基本还是以人工操作和自动化控制为主,缺乏一定的灵活性。针对这一现状,本文研究并分析了基于机器学习方法的智能家居数据集,利用numpy和pandas库进行数据处理,以及监督学习算法中的随机森林模型,并将其应用于智能家居系统的研究中。通过对智能家居数据集的分析及可视化,得出智能家居系统相应的设计依据。1.针对目前智能家居存在的问题,如对抗性机器学习等网络攻击、设备功能同质化严重、注重单品功能而忽视联动、难以适应家庭中不同年龄结构人群的普遍需求等。本文分别从安全隐患的排除、精细化与集成化设计、以及回应用户情感等方面入手,由此构建一套基于活动识别的智能家居系统架构,突出用户的行为识别。另外,采用Zig Bee协议加强安全和稳定性,利用随机森林模型进行训练。2.对不同智能家居系统模块进行分析,主要从环境感知、智能控制、安全防护以及照明智控四个方面对家居中不同任务进行合理分工,不同子系统采用相应的智能化技术,从而实现整体的空间与场景控制。然后通过对智能家居数据集的处理和分析,将不同的人体行为数据进行单个特征统计以及两两特征之间的可视化,得出相应特征的重要度。3.结合智能家居数据集的分析结果,从智能家居的基本空间布局出发。采用数据库分析、随机森林模型以及相关性分析的方法,进行整体智能家居系统的设计。首先构建智能家居系统,以用户为主导,与智能控制端、终端以及网关之间形成联系,通过不同空间分区实现不同的功能控制。其次对智能家居六个场景单独设计和多个场景的联通设计。最后通过语音、触控和体感交互完成用户与系统的深层次控制,以界面设计的方式完成移动端不同空间及功能的联通,并对设计进行评估。将机器学习方法融入智能家居系统设计之后,结合数据分析和设计评估,结果表现出良好的特性,同时也能完善智能家居系统的设计。

关键词： 机器学习   泥石流   易发性评价   域自适应   异质性  

摘要： 泥石流易发性评价是泥石流防治工作中的一个重要环节,合理可靠的评价结果可为相关地区制定科学的防灾减灾方案提供重要依据。得益于遥感技术、地理信息系统、全球定位系统与计算机技术的发展,泥石流易发性评价技术已日趋成熟与完善。机器学习方法具有强大的非线性处理能力及鲁棒性等优势,近年来得到了广泛应用。现有的相关研究大多基于单一研究区域进行建模分析,在实际应用中,仍存在一些难题亟待解决。例如单一研究区域泥石流的样本数量较少时可能出现的少量缺陷数据严重影响模型表现以及样本代表性不足等问题。此外,当研究者面对多个研究区域时,基于单一研究区域建立的模型通常缺乏对其余研究区域的泛化能力,而泥石流易发性评价的目的在于为所有研究区域的用地规划以及防灾减灾工作提供统一的决策依据,对多个研究区域分别进行独立易发性评价还会出现评价标准不一的问题,进而影响最终决策的合理性。本文首先以提升模型性能为目的,选定北京市房山区为实例研究区对泥石流易发性评价过程中的负样本获取策略以及机器学习算法进行优选。随后引入域自适应理论,基于迁移成分分析方法,提取房山区与陇南地区的燕子河流域的共同特征进行联合评价,为机器学习应用于多区域泥石流易发性评价提供理论途径。为了降低样本异质性对模型的影响,本文以四川省北川县为实例研究区,探究无监督聚类方法在解决样本异质性问题中的应用。模型性能的提升、不同研究区域的域自适应与样本异质性问题的解决使得机器学习模型可以被推广至多个研究区域,最终本文结合上述研究成果完成了多区域的泥石流易发性评价。论文的主要工作与成果如下:1.对泥石流易发性评价的发展历程、不同研究区域的域自适应方法以及样本异质性的解决方案进行了系统性回顾,并详细阐明了泥石流易发性评价过程中的数据收集处理方法及模型的建立与评价方法。2.提出了多种泥石流负样本获取策略以提升负样本的可靠性。以房山区为实例研究区,在单网格、多网格与流域单元作为基本样本表征形式的条件下分别基于支持向量机(Support vector machine,SVM)算法、SPY技术与孤立森林(Isolation forest,IF)算法来获取泥石流负样本,并与对应的泥石流正样本相结合形成了9组建模数据集。基于各组数据集分别进行了评价因子分析与建模预测来比较不同负样本获取策略的优势与缺陷。结果表明,基于SVM算法的负样本获取策略较为依赖分类器性能,整体表现较不稳定。基于SPY技术的负样本获取策略对数据集要求较低,且对算法无明显依赖,能够改善多组数据集质量。基于IF算法的负样本获取策略的假设条件与流域单元数据集符合地很好,可被用于提高相应数据集的质量。3.结合不同样本表征形式与负样本获取策略形成的9组数据集,基于SVM、随机森林(Random forest,RF)、梯度提升树(Gradient boosting decision tree,GBDT)以及Stacking算法完成了36组机器学习模型的训练与评价。结果表明,Stacking模型具有较高的预测准确度,但其模型复杂度明显大于其余模型,且训练预测效率较低。RF模型在预测准确度、模型复杂度与训练预测效率三个方面表现较为均衡,是一种易于推广的优质算法。4.引入域自适应理论,采用迁移成分分析方法,提取不同研究区域的共同特征,实现了不同研究区域的联合评价。论文以房山区与燕子河流域为实例研究区,基于迁移成分分析方法将两研究区域的特征矩阵投影至共同的特征空间。选取RF为建模算法,基于两研究区域的样本来共同建立一个统一模型,并与基于单一研究区域样本建立的传统模型进行比较分析。结果表明,统一模型预测准确度虽不及传统模型,但统一模型的建立可有效缓解单一研究区域的样本短缺问题,提高建模效率。另一方面,统一模型的敏感性、特异性、准确率与AUC分别达到了82.2%、79.6%、80.6%与0.84,该模型表现仍是令人满意的。5.提出了基于无监督聚类方法的泥石流样本异质性的解决方案。论文以北川县为实例研究区,优选出模糊C均值聚类算法将研究区样本划分为4类。对各类数据集进行了评价因子分析并建立了个性化模型,并与基于总数据集获取的评价因子及全局模型进行了对比。结果表明,相同的评价因子在各类数据集中能发挥的预测能力具有较大差异,展现出该区域泥石流样本较强的异质性。另一方面,大部分评价因子在各类数据集中预测能力强于总数据集,最终个性化模型的总体表现也优于全局模型。因此,模糊C均值聚类算法在样本异质性问题的解决中具有良好的应用前景。6.进行了多区域的泥石流易发性评价。以流域单元为样本表征形式,基于迁移成分分析方法提取了3个研究区域的共同特征。将3个研究区域视作一个整体,基于模糊C均值聚类算法对所有样本统一进行类型划分以降低泥石流样本的异质性对模型的影响。基于各个类型中的样本分别进行共同特征分析并建