基于反距离加权随机森林的空间推测方法研究

作     者：焦思佳 吴田军 董世英 王长鹏 JIAO Sijia;WU Tianjun;DONG Shiying;WANG Changpeng

作者机构：长安大学理学院陕西西安710064 

出 版 物：《昆明理工大学学报（自然科学版）》 (Journal of Kunming University of Science and Technology(Natural Science))

年 卷 期：2022年第47卷第4期

页      面：46-54页

学科分类：07[理学] 08[工学] 081104[工学-模式识别与智能系统] 070503[理学-地图学与地理信息系统] 0705[理学-地理学] 0811[工学-控制科学与工程] 

基　　金：国家重点研发计划项目(2021YFB3900905,2021YFB3901300) 国家自然科学基金项目(42071316,12001057) 内蒙古自治区科技重大专项(2021ZD0045) 重庆市农业产业数字化地图项目(21C00346) 陕西省重点研发计划项目(2021NY-170) 长安大学中央高校基本科研业务费专项(300102120201,300102122201)。 

主　　题：降水量 空间推测 随机森林 反距离加权 不确定性 SIC97数据集 

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 (RFsp)、“Random Forest 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 Interpolation 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.