Forecasting future individual-tree growth using explainable machine learning across northern Chinese larch forests
用可解释机器学习预测中国北方落叶松林单木未来生长。
阅读 1
关键词 · 相关资讯与研究
沿着“决策树”继续探索,共 0 条内容。
用可解释机器学习预测中国北方落叶松林单木未来生长。
提出自适应异构动态集成框架AHDE-DS,实现跨异构数据的鲁棒预测、分类与智能决策支持。
用决策树和随机森林基于NPK与pH预测土壤肥力等级并比较性能。
随机森林在土壤肥力三分类上准确率、精确率与召回率均优于决策树,但结论基于特定数据集,跨区域推广前需外部数据验证。
提出AI巡检智能框架,将故障信息转为可执行的现场巡检建议。
提出基于树干半径和径向生长率的机器学习模型,实现多树种年龄估算。
提出时空采样树算法STS-T,用于马来西亚半岛森林火灾易发性制图,兼顾精度与可解释性。
综述机器学习、深度学习与机器人融合的智能信息管理与决策支持系统。
构建随机森林作物推荐与NPK施肥决策支持系统,实现精准农业选种施肥。