A hybrid method for feature construction and selection to improve wind-damage prediction in the forestry sector
A hybrid method for feature construction and selection to improve wind-damage prediction in the forestry sector
复制标题
一种用于改进林业部门风害预测的特征构建和选择的混合方法
DOI：
10.1145/3071178.3071217
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
Hart E
中科院分区：
文献类型：
--
作者：
Hart E
近年来，大风暴对森林造成的灾难性破坏导致整个欧洲的林业部门遭受严重的木材和经济损失。因此，制定风险评估方法是找到减少未来损害的森林管理战略的关键之一。以前预测单个树木损害的方法使用的是气流机制模型或逻辑回归，结果好坏参半。我们提出了一种新的基于滤波器的遗传规划方法来构造大量的新特征，这些特征使用对数据不敏感的海灵格距离度量进行排序。然后，使用随机森林分类器的基于包装器的特征选择方法来预测单个树木的损害。使用从法国西南部的两个森林收集的数据，我们展示了使用新特征的显著改进的分类结果，并与先前发表的结果进行了比较。特征选择方法保留了一小部分相关变量，这些变量仅由新构建的特征组成，这些特征的组件提供了可以为森林管理政策提供信息的见解。
Catastrophic damage to forests resulting from major storms has resulted in serious timber and financial losses within the sector across Europe in the recent past. Developing risk assessment methods is thus one of the keys to finding forest management strategies to reduce future damage. Previous approaches to predicting damage to individual trees have used mechanistic models of wind-flow or logistical regression with mixed results. We propose a novel filter-based Genetic Programming method for constructing a large set of new features which are ranked using the Hellinger distance metric which is insensitive to skew in the data. A wrapper-based feature-selection method that uses a random forest classifier is then applied predict damage to individual trees. Using data collected from two forests within South-West France, we demonstrate significantly improved classification results using the new features, and in comparison to previously published results. The feature-selection method retains a small set of relevant variables consisting only of newly constructed features whose components provide insights that can inform forest management policies.
登录
查看更多内容
影响因子：
4.8
作者：
Cieslak, David A.;Hoens, T. Ryan;Kegelmeyer, W. Philip
通讯作者：
Kegelmeyer, W. Philip
基于遗传编程的机器学习和知识发现任务特征构建
影响因子：
2.6
作者：
K. Krawiec
通讯作者：
K. Krawiec
在不断变化的景观中改变决策：城市化地区的森林所有者如何应对新兴的生物能源市场？
DOI：
--
发表时间：
2015
期刊：
影响因子：
--
作者：
M. Dorning;Jordan W Smith;Douglas A. Shoemaker;R. Meentemeyer
通讯作者：
R. Meentemeyer
使用遗传编程进行有效生物标志物识别和分类的多特征构建
DOI：
--
发表时间：
2014
期刊：
Annual Conference on Genetic and Evolutionary Computation
影响因子：
--
作者：
Soha Ahmed;Mengjie Zhang;Lifeng Peng;Bing Xue
通讯作者：
Bing Xue
影响因子：
2.8
作者：
Albrecht, Axel;Hanewinkel, Marc;Kohnle, Ulrich
通讯作者：
Kohnle, Ulrich