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

来源：昆明理工大学学报(自然科学版), 2022, 47(04): 46-54.

DOI：10.16112/j.cnki.53-1223/n.2022.04.122

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

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.

• 单位
  长安大学