資源描述：
《基于Logistic回歸最優(yōu)化方法的遺址預(yù)測分布研究——以汾河流域?yàn)槔酚蓵T上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、密級:碩士學(xué)位論文基于Logistic回歸最優(yōu)化方法的遺址預(yù)測分布研究——以汾河流域?yàn)槔髡咝彰?郭飛指導(dǎo)教師:聶躍平研究員中國科學(xué)院遙感與數(shù)字地球研究所學(xué)位類別:理學(xué)碩士學(xué)科專業(yè):地圖學(xué)與地理信息系統(tǒng)研究所:中國科學(xué)院遙感與數(shù)字地球研究所2018年06月StudyofArchaeologicalSitesPredictiveDistributionBasedonLogisticRegressionOptimizationMethod——ACastStudyofFenheRiverBasinADissertation/ThesisSubmittedtoUniversityofChin
2、eseAcademyofSciencesInpartialfulfillmentoftherequirementForthedegreeofMasterofScienceByFeiGuoInstituteofRemoteSensingandDigitalEarthJune2018中國科學(xué)院大學(xué)遙感與數(shù)字地球研究所研究生學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究工作所取得的成果。盡我所知，除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對論文所涉及的研究工作做出貢獻(xiàn)的其他個(gè)人和集體，均已在文中以明確方式標(biāo)明或致
3、謝。作者簽名：日期：中國科學(xué)院大學(xué)遙感與數(shù)字地球研究所學(xué)位論文授權(quán)使用聲明本人完全了解并同意遵守中國科學(xué)院大學(xué)遙感與數(shù)字地球研究所有關(guān)保存和使用學(xué)位論文的規(guī)定，即中國科學(xué)院大學(xué)遙感與數(shù)字地球研究所有權(quán)保留送交學(xué)位論文的副本，允許該論文被查閱，可以公布該論文的全部或部分內(nèi)容，可以采用影印、縮印或其他復(fù)制手段保存、匯編本學(xué)位論文。涉密的學(xué)位論文在解密后適用本聲明。作者簽名：導(dǎo)師簽名：日期：日期：摘要摘要古遺址在空間上的分布與其所處的自然環(huán)境以及人文環(huán)境有著密不可分的聯(lián)系，這些環(huán)境變量的變化在一定程度上也影響著人類文明的發(fā)展。考古遺址預(yù)測模型建立是當(dāng)前考古學(xué)界的一個(gè)新潮，借助于統(tǒng)計(jì)學(xué)和GI
4、S空間分析工具建立遺址與各種環(huán)境變量的關(guān)系模型來預(yù)測為調(diào)查區(qū)域的遺址出現(xiàn)概率。旨在減少可能存在對遺址造成破壞的潛在因素，為考古發(fā)掘提供一定的科學(xué)依據(jù)。Logistic回歸模型是目前在遺址預(yù)測中應(yīng)用最廣的一個(gè)模型，主要由于其二項(xiàng)分類和多變量的分析功能，但是將Logistic回歸建模方法應(yīng)用于遺址分類預(yù)測中會出現(xiàn)欠擬合、精度低的問題。本文將對其進(jìn)行最優(yōu)化算法的改進(jìn)，通過GIS空間分析方法進(jìn)行提取研究區(qū)域的自然及人文環(huán)境變量，利用SPSS中的逐步回歸分析法對其進(jìn)行備選自變量的篩選，最終篩選出對建模有顯著作用的自然及人文環(huán)境六個(gè)變量。借助于Python語言編寫程序中的Numpy和Matplo
5、tlib模塊，分別利用Logistic回歸常用的梯度上升法和改進(jìn)隨機(jī)梯度上升法求解模型的最佳回歸系數(shù)，建立以汾河流域?yàn)檠芯繀^(qū)域、龍山文化時(shí)期遺址點(diǎn)為研究對象的遺址預(yù)測模型，通過梯度上升法建立的預(yù)測模型其訓(xùn)練精度和預(yù)測精度分別為71.4%和68.8%，通過改進(jìn)隨機(jī)梯度上升法建立的模型其訓(xùn)練精度和預(yù)測精度分別為89.2%和85.3%。對其預(yù)測結(jié)果進(jìn)行分析對比，實(shí)驗(yàn)結(jié)果表明改進(jìn)隨機(jī)梯度上升算法較梯度上升算法分類精度可以提高16.5%。最終對兩個(gè)模型建立的預(yù)測模型進(jìn)行Kvamme增益統(tǒng)計(jì)有效性驗(yàn)證，其G值分別為0.67和0.75，說明兩模型均具有實(shí)際應(yīng)用意義，而利用改進(jìn)隨機(jī)梯度上升法建立的L
6、ogistic回歸的預(yù)測模型具有更高、更加顯著的實(shí)際應(yīng)用意義。關(guān)鍵字：汾河流域；Logistic回歸；梯度上升法；改進(jìn)隨機(jī)梯度上升法；Kvamme增益統(tǒng)計(jì)IAbstractAbstractThedistributionofancientsitesiscloselyrelatedtothenaturalenvironmentandhumanenvironmentandthechangesoftheseenvironmentalvariablesalsoaffectthedevelopmentofhumancivilization.Itisatrendtobuildarchaeologi
7、calsitespredictivemodelinrecentyears.TherelationshipmodelofthesiteandvariousenvironmentalvariablesisestablishedtopredicttheoccurrenceprobabilityofthesiteinthesurveyareabymeansofstatisticalandGISspatialanalysistools.Theaimistoreduc
