使用机器学习和地表温度数据模拟城市热岛足迹

发布时间：2024-05-17 23:58

　　城市热岛是当前城市环境、人居环境的热点研究问题之一。城市热岛足迹(SUHIF)是指城市升温(或降温)效应叠加在背景温度场上间接导致周围郊区地表温度(LST)改变的现象。当前针对SUHIF的模拟方法主要有两类:一类是侧重模拟足迹距离D的指数拟合法,另一类是侧重模拟整体空间形态的几何指标方法。本文使用机器学习技术和地表温度数据对SUHIF进行模拟,旨在为SUHIF的模拟研究提供一种方法与思路借鉴。具体内容包括:(1)使用机器学习技术设计、构建并训练机器学习模型;(2)分析比较机器学习模型与指数拟合模型的模拟能力;(3)使用最佳机器学习模型对案例城市进行应用测试。研究结果表明:(1)在现有数据及训练条件下,使用简单机器学习建模得到的最优模型为ANN(15-BR),而使用特征工程结合机器学习建模得到的最优模型为可优化k NN和ANN(10-LM)组成的串联模型。其中ANN(15-BR)是以15个神经元、贝叶斯正则化算法训练的人工神经网络模型;可优化k NN是可优化k最邻近模型,其邻点个数为4,距离度量指标为相关性,距离权重为等距离;ANN(10-LM)是以10个神经元、Levenberg-Ma...

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 研究现状综述
        1.2.1 城市热岛足迹及模拟方法
        1.2.2 城市热环境监测
        1.2.3 机器学习及应用现状
    1.3 研究目标与内容
    1.4 研究思路与技术路线
    1.5 本章小结
第二章 构建机器学习模型
    2.1 建模流程
    2.2 数据集
        2.2.1 数据源
        2.2.2 标记数据集
    2.3 数据探索分析
        2.3.1 统计分析
        2.3.2 趋势特征分析
        2.3.3 分布特征分析
    2.4 模型设计
        2.4.1 简单机器学习
        2.4.2 结合特征工程的机器学习
    2.5 模型训练
        2.5.1 训练方案
        2.5.2 训练算法
        2.5.3 模型算法
    2.6 模型选择
        2.6.1 选择方法
        2.6.2 评估指标
        2.6.3 训练结果
    2.7 本章小结
第三章 模型结果对比分析
    3.1 指数拟合模型
    3.2 简单机器学习模型
    3.3 特征工程机器学习模型
        3.3.1 分类模型
        3.3.2 拟合模型
    3.4 模型对比
    3.5 本章小结
第四章 模型应用
    4.1 案例城市选择
    4.2 空间形态模拟方法
    4.3 空间形态模拟效果
    4.4 本章小结
第五章 讨论
    5.1 模型的合理性
        5.1.1 模型数据的合理性
        5.1.2 模型结构的合理性
        5.1.3 模拟结果的合理性
    5.2 模型的可解释性
        5.2.1 定性可解释性
        5.2.2 定量可解释性
    5.3 模型的应用潜力
    5.4 本章小结
第六章 结论与展望
    6.1 主要结论
    6.2 未来展望
参考文献
附件
在学期间的研究成果
致谢



本文编号：3976150