城市熱島是當前城市環(huán)境、人居環(huán)境的熱點研究問題之一。城市熱島足跡(SUHIF)是指城市升溫(或降溫)效應(yīng)疊加在背景溫度場上間接導(dǎo)致周圍郊區(qū)地表溫度(LST)改變的現(xiàn)象。當前針對SUHIF的模擬方法主要有兩類:一類是側(cè)重模擬足跡距離D的指數(shù)擬合法,另一類是側(cè)重模擬整體空間形態(tài)的幾何指標方法。本文使用機器學(xué)習(xí)技術(shù)和地表溫度數(shù)據(jù)對SUHIF進行模擬,旨在為SUHIF的模擬研究提供一種方法與思路借鑒。具體內(nèi)容包括:(1)使用機器學(xué)習(xí)技術(shù)設(shè)計、構(gòu)建并訓(xùn)練機器學(xué)習(xí)模型;(2)分析比較機器學(xué)習(xí)模型與指數(shù)擬合模型的模擬能力;(3)使用最佳機器學(xué)習(xí)模型對案例城市進行應(yīng)用測試。研究結(jié)果表明:(1)在現(xiàn)有數(shù)據(jù)及訓(xùn)練條件下,使用簡單機器學(xué)習(xí)建模得到的最優(yōu)模型為ANN(15-BR),而使用特征工程結(jié)合機器學(xué)習(xí)建模得到的最優(yōu)模型為可優(yōu)化k NN和ANN(10-LM)組成的串聯(lián)模型。其中ANN(15-BR)是以15個神經(jīng)元、貝葉斯正則化算法訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)模型;可優(yōu)化k NN是可優(yōu)化k最鄰近模型,其鄰點個數(shù)為4,距離度量指標為相關(guān)性,距離權(quán)重為等距離;ANN(10-LM)是以10個神經(jīng)元、Levenberg-Ma...

【文章頁數(shù)】：86 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀綜述
        1.2.1 城市熱島足跡及模擬方法
        1.2.2 城市熱環(huán)境監(jiān)測
        1.2.3 機器學(xué)習(xí)及應(yīng)用現(xiàn)狀
    1.3 研究目標與內(nèi)容
    1.4 研究思路與技術(shù)路線
    1.5 本章小結(jié)
第二章 構(gòu)建機器學(xué)習(xí)模型
    2.1 建模流程
    2.2 數(shù)據(jù)集
        2.2.1 數(shù)據(jù)源
        2.2.2 標記數(shù)據(jù)集
    2.3 數(shù)據(jù)探索分析
        2.3.1 統(tǒng)計分析
        2.3.2 趨勢特征分析
        2.3.3 分布特征分析
    2.4 模型設(shè)計
        2.4.1 簡單機器學(xué)習(xí)
        2.4.2 結(jié)合特征工程的機器學(xué)習(xí)
    2.5 模型訓(xùn)練
        2.5.1 訓(xùn)練方案
        2.5.2 訓(xùn)練算法
        2.5.3 模型算法
    2.6 模型選擇
        2.6.1 選擇方法
        2.6.2 評估指標
        2.6.3 訓(xùn)練結(jié)果
    2.7 本章小結(jié)
第三章 模型結(jié)果對比分析
    3.1 指數(shù)擬合模型
    3.2 簡單機器學(xué)習(xí)模型
    3.3 特征工程機器學(xué)習(xí)模型
        3.3.1 分類模型
        3.3.2 擬合模型
    3.4 模型對比
    3.5 本章小結(jié)
第四章 模型應(yīng)用
    4.1 案例城市選擇
    4.2 空間形態(tài)模擬方法
    4.3 空間形態(tài)模擬效果
    4.4 本章小結(jié)
第五章 討論
    5.1 模型的合理性
        5.1.1 模型數(shù)據(jù)的合理性
        5.1.2 模型結(jié)構(gòu)的合理性
        5.1.3 模擬結(jié)果的合理性
    5.2 模型的可解釋性
        5.2.1 定性可解釋性
        5.2.2 定量可解釋性
    5.3 模型的應(yīng)用潛力
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 主要結(jié)論
    6.2 未來展望
參考文獻
附件
在學(xué)期間的研究成果
致謝



本文編號：3976150