问基于一类支持向量机的雪崩预测研究

EN

您的问题似乎属于OCC问题的一般领域的新颖性检测。

因此，简单的回答是:是的。您可以应用SVDD ()方法获取数据集中包含样本的最小超球面，然后评估新的观测值是否为孤立点。

当然，数据集的代表性越低，分类器的准确性就越低。

你能找出获得非雪崩数据的可能方法吗？

1)阿瓦兰奇发生在一条山链上。你能在你的数据中添加邻近峰值的数据吗?从同一天发生雪崩？

2)从数据挖掘中可以获得很好的洞察力。例如，什么是山的最小坡度才能产生雪崩？温度范围？

3)你能否寻找其他数据集(有非雪崩条目)，你可以结合你的数据？

您可以使用数据挖掘的方法来预测雪崩，然而，有一些坑瀑布，我可以提供给您基于我的基本雪崩知识的登山。

1. 你想预测什么？雪崩(主要是村庄和公路)或人为引发的雪崩(主要影响滑雪者)。这些因素是完全不同的。
2. 已经提到了获取数据的问题。有一些与雪崩事件有关的数据集，例如在瑞士阿夫兰切研究所:然而，关于没有触发雪崩和触发雪崩但没有人受伤，因此没有报告的情况，https://www.slf.ch/de/lawinen/unfaelle-und-schadenlawinen/alle-gemeldeten-lawinenunfaelle-aktuell.html自然很少有数据。有人试图根据互联网上的旅游报道来估算旅游人数。
3. 获得精确的数据更成问题。考虑一下这周报告中的图2：https://www.slf.ch/de/lawinenbulletin-und-schneesituation/wochen-und-winterberichte/201819/wob-18-25-april.html，它在45分钟的时间差下比较了相同的斜率，看起来完全不同。
4. 特征选择是另一个大问题。您提到要使用事故当天的天气数据。我认为这是错误的结论，因为大多数滑雪雪崩发生在周末，可能是在稍微好一些的天气。而且，大多数人都是明智的，在危险的日子里不去滑雪旅行，进行高风险的旅游。这有很大的可能扭曲您的数据和模型。