清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Research on Regional Geological Environmental Carrying Capacity Evaluation Method Based on Machine Learning Algorithms

加权 承载能力 随机森林 机器学习 计算机科学 支持向量机 资源(消歧) 人工智能 模糊逻辑 评价方法 数据挖掘 工作(物理) 可持续发展 特征(语言学) 样品(材料) 自然资源 空间分析 预测建模 实证研究
作者
Wang Cen,Xuehao Liu,Ao Zhang,Jiwen Ge,Xinwen Zhao
出处
期刊: 卷期号:: 454-461
标识
DOI:10.1109/icsece65727.2025.11257019
摘要

Evaluating the carrying capacity of regional geological environments is a crucial prerequisite for achieving sustainable regional development and ecological protection. However, traditional evaluation methods often rely on manual weighting and empirical judgment, resulting in insufficient accuracy and low efficiency. This paper proposes a machine learning–based method for evaluating regional geological environmental carrying capacity. First, a multidimensional evaluation index system is constructed by integrating natural geography, socioeconomic factors, and ecological environment elements. Multisource data—including remote sensing imagery, geological surveys, and monitoring station records—are collected, cleaned, normalized, and divided into sample units. Next, machine learning algorithms such as Random Forest and XGBoost are employed, combined with feature engineering, parameter optimization, and cross-validation techniques, to build a predictive model for carrying capacity. Experimental results show that the proposed method can accurately identify high, medium, and low carrying capacity zones within the target region. The model’s predictive accuracy significantly outperforms traditional fuzzy comprehensive evaluation and weighting methods, and its computational efficiency is higher. Further feature-importance analysis reveals that indicators such as slope gradient, soil type, and human activity intensity have a notable impact on carrying capacity. Finally, the model’s applicability and limitations are discussed, and it is suggested that future work could further improve evaluation performance by integrating multisource spatiotemporal data, deep learning techniques, and quantitative uncertainty analysis. The findings provide reliable technical support for regional geological environmental protection and resource planning.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
陈媛媛陈媛媛完成签到 ,获得积分10
18秒前
fantasy的应助被bobo呀采纳,获得10
24秒前
健康的魔镜完成签到 ,获得积分10
25秒前
37秒前
动听清炎完成签到,获得积分10
41秒前
xfy完成签到,获得积分10
53秒前
飞鹰完成签到,获得积分10
1分钟前
坚定的千兰完成签到,获得积分10
1分钟前
Maestro_S的应助被科研通管家采纳,获得10
1分钟前
xiaowangwang完成签到 ,获得积分10
1分钟前
飞鹰发布了新的文献求助10
1分钟前
2分钟前
现代火车发布了新的文献求助10
2分钟前
2分钟前
SciGPT的应助被einspringen采纳,获得10
2分钟前
小文同学发布了新的文献求助20
2分钟前
激情的白亦完成签到,获得积分10
3分钟前
3分钟前
忐忑的井发布了新的文献求助10
3分钟前
zhangfengyu玉完成签到 ,获得积分10
3分钟前
高挑的伟宸完成签到,获得积分10
3分钟前
3分钟前
einspringen发布了新的文献求助10
4分钟前
4分钟前
勤恳的怜菡完成签到,获得积分10
4分钟前
4分钟前
4分钟前
沉默的灯泡完成签到,获得积分10
4分钟前
充电宝的应助被兜兜采纳,获得10
5分钟前
5分钟前
兜兜发布了新的文献求助10
5分钟前
兜兜完成签到,获得积分10
5分钟前
和谐含雁完成签到,获得积分10
5分钟前
6分钟前
科研通AI6.3的应助被11采纳,获得10
6分钟前
Haines完成签到,获得积分20
7分钟前
SciGPT的应助被阿波罗光之子采纳,获得10
7分钟前
8分钟前
8分钟前
8分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Handbook of Sport Coaching Research 1000
Orthognathic Surgery - 2 Volume Set 500
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8195212
求助须知:如何正确求助?哪些是违规求助? 9580923
关于积分的说明 21872990
捐赠科研通 7795185
什么是DOI,文献DOI怎么找? 3437967
关于科研通互助平台的介绍 2561276
邀请新用户注册赠送积分活动 2484678