基于决策树的区域地块风险管控模式预测

针对传统地块风险管控模式确定存在效率低、成本高、缺乏系统性的缺陷,通过构建区域地块风险管控模式决策的特征数据集,并采用卡方自动交叉检验(CHAID)、穷举卡方自动交叉检验(E-CHAID)、分类与回归树(CART)3种决策树(DT),探索不同DT算法应用于区域地块风险管控模式预测的可行性.结果表明,DT应用于区域地块风险管控模式预测是可行的.CART-DT在准确率(ACC)、精度(PRE)、召回率(REC)、F1值方面的性能均显著优于CHAID-DT和E-CHAID-DT.CART的总体优化算法可能更适合区域地块风险管控模式的预测.区域保护目标(RPG)、区域污染物类型(RPT)、区域企业平均生产年限(RAPP)3项输入变量对CART-DT输出的重要性非常高;区域年平均风速(RAAWS)、区域地形地貌(RT)、区域土地增值潜力(RLVP)等11项输入变量对CART-DT输出的重要性较高;区域人口密度(RPD)、区域主导行业风险(RDIS)等6项输入变量对CART-DT的输出也有一定贡献.