一种顾及空间异质性的集成空间预测方法技术

本发明专利技术涉及地理空间数据处理技术领域，具体涉及一种顾及空间异质性的集成空间预测方法。该方法包括：将所有已知样本输入第一、第二和第三基学习器，得到对应的特征向量，并组成已知数据集；将待预测样本输入第一、第二和第三基学习器，得到第一特征向量、第二特征向量和第三特征向量；将空间邻近关系表达向量输入训练后的空间加权集成神经网络，得到对应的空间异质性集成权重；基于所述已知数据集获取第一、第二和第三特征向量分别对应的平均集成权重；根据所述第一、第二和第三特征向量，以及所述空间异质性集成权重和所述平均集成权重得到预测结果。本发明专利技术避免在进行地理空间预测时的空间异质性的问题，提高了预测精度。

【技术实现步骤摘要】

本专利技术涉及地理空间数据处理，具体涉及一种顾及空间异质性的集成空间预测方法。

技术介绍

1、随着传感器网络、移动定位技术不断普及和发展，获取海量的地理空间数据逐渐成为可能，为复杂地理过程的建模与分析提供了良好的数据支撑。尽管数据规模的逐渐扩大使得时空数据分析的输入信息越来越丰富，分析结果也更加准确。然而，由于当前采集设备的能力受限或地理现象本身的偶发性，地理空间数据普遍存在稀疏分布的现象，严重制约地表自然与社会系统精准刻画与预测。

2、现有技术中，地理空间预测技术利用有限的观测数据和地理特征，通过统计或机器学习方法等，估计未知地理空间位置的属性或特征，从而更好地刻画地理系统要素的空间分布格局，可以在一定程度上解决地理空间数据稀疏性问题。根据空间预测模型的构建方式，可划分为单一建模策略和多模型集成策略。单一建模策略通常采用统计和机器学习方法来学习数据的空间依赖结构。然而，每个模型都有优缺点，通常很难为给定的研究区域选择合适的空间预测模型。此外，针对特定研究区域构建的单一模型，通常难以泛化到其它研究区域。

3、为了进一步提高空间预测模本文档来自技高网...

【技术保护点】

1.一种顾及空间异质性的集成空间预测方法，其特征在于，该方法包括：

2.根据权利要求1所述的一种顾及空间异质性的集成空间预测方法，其特征在于，所述构建第一基学习器、第二基学习器和第三基学习器，包括：

3.根据权利要求1所述的一种顾及空间异质性的集成空间预测方法，其特征在于，所述构建空间加权集成神经网络，包括：

4.根据权利要求1所述的一种顾及空间异质性的集成空间预测方法，其特征在于，所述利用已知数据集对空间加权集成神经网络进行训练，包括：

5.根据权利要求1所述的一种顾及空间异质性的集成空间预测方法，其特征在于，所述获取待预测样本到各已知样...

【技术特征摘要】

1.一种顾及空间异质性的集成空间预测方法，其特征在于，该方法包括：

2.根据权利要求1所述的一种顾及空间异质性的集成空间预测方法，其特征在于，所述构建第一基学习器、第二基学习器和第三基学习器，包括：

3.根据权利要求1所述的一种顾及空间异质性的集成空间预测方法，其特征在于，所述构建空间加权集成神经网络，包括：

4.根据权利要求1所述的一种顾及空间异质性的集成空间预测方法，其特征在于，所述利用已知数据集对空间加权集成神经网络进行训练，包括：

5.根据...

【专利技术属性】
技术研发人员：程诗奋，王立增，王培晓，陆锋，
申请(专利权)人：中国科学院地理科学与资源研究所，
类型：发明
国别省市：