基于反距离加权随机森林的空间推测方法研究

摘要：

在地学领域中,空间推测是根据已知样本点运用连接函数推测未知区域数值的过程.基于回归克里金(Regression Kriging,RK)以及随机森林(Random Forest,RF)等机器学习算法的空间推测方法已在土壤水质反演、空气质量预测等领域中得到广泛应用,通过引入缓冲距离、邻近点的观测值以及到预估点的水平距离等方式逐步发展出"Random Forest for spatial prediction(RF-sp)"、"Random F orest Spatial Interpolation(RFSI)"等模型.为克服 RFSI 模型中距离的不足并获得更加精确的推测结果,本文在其基础上引入反距离加权策略,考虑将邻近点的观测值以及到预估点的距离进行组合,提出了一种基于水平位置距离的反距离加权随机森林(Random Forest with Inverse Distance Weighted Based on Location Distance,RFIdw)模型.基于 SIC97(Spatial Interpola-tion Comparison 97)数据集开展的对比实验表明,本文提出的RFIdw相较于RFSI、RFsp可获得更加精准的空间推测结果,同时输出有效的不确定性表达信息.

关键词：降水量、空间推测、随机森林、反距离加权、不确定性、SIC97数据集

所属期刊栏目：47

分类号：P208;TP181(一般性问题)

资助基金：国家重点研发计划;国家重点研发计划;国家自然科学基金;国家自然科学基金;内蒙古自治区科技重大专项;重庆市农业产业数字化地图项目;陕西省重点研发计划项目;长安大学中央高校基本科研业务费专项;长安大学中央高校基本科研业务费专项

在线出版日期：2022-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：46-54