人工神经网络和随机森林在回归问题中的应用比较

机器学习方法在回归问题中的应用十分广泛,人工神经网络(Artificial Neural Network,ANN)和随机森林(random forest,RF)均是经典的机器学习算法,在回归问题中均有众多的应用。神经网络和RF算法均为决策树算法的扩展,且均在解决回归问题中有着良好的精度。ANN是一种可以广泛应用于各个学科的经典机器学习算法;RF算法具有结构清晰、易于解释、运行效率高且对于数据要求低等优势,且RF模型具有稳定性较高,不易出现过拟合问题等特点。文章通过2个回归问题的案例,比较神经网络和RF算法在回归问题中的区别,为研究2种算法在回归问题中的应用提供参考。     

基于GIS的池州市城区道路通达性研究

利用GIS空间分析技术,以池州市城区道路交通网络数据为数据基础,选取道路密度、道路服务指数和路网连接度3个指标,构建池州市交通网络通达性模型,并在此基础上,对池州市城区道路网络的通达性现状进行分析。研究结果表明,池州市城区道路交通网络通达性呈现明显的空间分布,受空间分布格局的影响,商业中心、旅游景点和部分学校周围的通达性较好,研究结果对池州市城区道路网络的优化和扩展有一定指导作用。     

安徽土壤侵蚀敏感性评价研究

以通用土壤流失方程为基础,选择了降雨侵蚀力、地形起伏度、土壤质地、地表覆盖4个自然因子作为评价指标,根据安徽省自然环境特征,制定评价指标的分级标准,在GIS软件支持下,对安徽省土壤侵蚀敏感性的影响因子逐一分级评价和综合评价。结果表明：安徽省总体土壤侵蚀敏感程度较高,空间上呈明显的块状分布特征,极敏感和高度敏感区主要集中在皖南、皖西的丘陵山区,中度敏感区主要分布于淮河中游平原的中部,轻度敏感和不敏感区则主要分布于江淮丘陵、沿江平原以及淮河中游平原的北部和南部地区。土壤侵蚀敏感性与土壤侵蚀现状关系密切,两者总体一致但局部有差异。     

基于NPP-VIIRS夜光遥感的江苏省人口数据空间化研究

以NPP-VIIRS夜间灯光数据和土地覆盖等数据为基础,结合江苏省各县市常住人口统计数据,采用空间回归模型对各市县常住人口进行回归建模,绘制常住人口密度空间分布图,并与以行政区为统计单元的人口密度分布图进行对比,准确获取江苏省内部的人口分布信息。结果表明:1)夜间灯光强度累计值与人口统计数据间相关性为0.78(p0.01),相关系数高;相较于传统的最小二乘估计方法,空间回归模型模拟效果较好,其中,空间滞后模型较空间误差模型较优。2)相较于传统的人口分布图,基于空间滞后模型绘制的2016年江苏省人口格网化密度分布图能更清晰地反映各市县内人口分布差异,客观性较强且表征规律较为明显。