【技术实现步骤摘要】
本专利技术属于地理空间事件分布预测，具体涉及一种地理空间事件分布情况预测方法。
技术介绍
1、随着地理空间数据日益丰富，包括卫星遥感数据、地理信息系统采集的数据和传感器监测数据等，这些数据在气象预测、环境监测、交通规划、城市管理等领域都得到了广泛的应用。基于地理空间数据的地理空间事件分布情况预测方法往往受限于数据、模型复杂度和预测精度等方面的挑战。基于机器学习的预测模型通过学习大规模的地理空间数据规律和特征，能够克服传统方法的局限性。近年来，许多研究人员利用机器学习算法，结合多源大数据进行地理空间数据预测模型的研究和应用，取得了显著的成果。
2、现有的地理空间事件分布情况预测研究主要集中在单一尺度，对于不同尺度下地理网格数据的特征和相互影响等问题的考虑不够充分，容易忽视预测数据和影响因素的时空分异(时空分异指研究的这些要素在时间和空间分布上的变化规律在某些方面保持特征的相对一致性，而在另一些方面则表现出一定差异)，且容易出现选择的用于预测的数据与地理空间事件之间的相关性较弱，使得地理空间事件分布情况的预测精度较低。
技术实现思路
1、本专利技术的目的在于提供一种地理空间事件分布情况预测方法，用以解决现有技术中的地理空间事件分布情况预测精度低的问题。
2、为解决上述技术问题，本专利技术提供了一种地理空间事件分布情况预测方法，包括如下步骤：
3、1)对多源地理空间数据进行特征分析，得到地理环境数据和经济社会数据；
4、2)进行地理网格划分
5、3)构建多个预测模型，每个预测模型的输入均包括预测时间段的前一时间段每个网格的多源地理空间数据和从4种特征变量中挑选出的特征变量，输出均为地理空间事件预测时间段在每个网格的分布情况，每个预测模型挑选出的特征变量不同；分别对每个预测模型进行训练，训练后对模型精度进行评估，从中挑选出最优的预测模型；
6、4)利用最优的预测模型对待预测区域待预测时间段的地理空间事件分布情况进行预测。
7、进一步地，地理环境数据包括土地利用数据和降水量数据。
8、进一步地，经济社会数据包括行政区gdp、夜间灯光数据和人口密度数据。
9、进一步地，每个预测模型均为xgboost模型。
10、进一步地，xgboost模型中的超参数和迭代次数利用贝叶斯优化算法优化得到。
11、进一步地，训练预测模型时的训练样本数据为经过不平衡样本优化处理后的样本数据。
12、进一步地，所述不平衡样本优化处理包括adasyn过采样和/或随机欠采样处理，随机欠采样处理指的是随机选择样本数据进行保留以使得多数类样本数量和少数类样本数据量相当。
13、进一步地，训练预测模型时的训练样本数据为经过预处理后的样本数据，预处理包括数据清洗、缺失值和异常值处理、以及空间参考系转换。
14、本专利技术的有益效果为：本专利技术属于改进型专利技术创造，该方法中预测模型的输入不再是单一尺度的多源地理空间数据，而是还有特征变量，从而构建得到以多源地理空间数据和提取出的特征变量为输入、以地理空间事件分布情况为输出的预测模型，其中的特征变量从地理环境数据、经济社会数据、时间序列数据和邻域空间数据中进行挑选从而可以构建得到多个预测模型，对每个预测模型的训练的精度进行评估以找到最优的预测模型。地理环境数据、经济社会数据、时间序列数据和邻域空间数据这4种特征变量均与地理空间事件分布情况密切相关，特别是其中的时间序列数据考虑到了时间前后的影响，邻域空间数据考虑到了空间邻域的影响，使得模型的泛化能力较高。而且，本专利技术将多尺度上的因素交互影响考虑在内，使得分析结果较为全面和准确，提高了模型的预测精度，为城市规划、环境保护、资源管理等领域提供全面的信息支持。
本文档来自技高网...【技术保护点】
1.一种地理空间事件分布情况预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的地理空间事件分布情况预测方法，其特征在于，地理环境数据包括土地利用数据和降水量数据。
3.根据权利要求1所述的地理空间事件分布情况预测方法，其特征在于，经济社会数据包括行政区GDP、夜间灯光数据和人口密度数据。
4.根据权利要求1所述的地理空间事件分布情况预测方法，其特征在于，每个预测模型均为XGBoost模型。
5.根据权利要求4所述的地理空间事件分布情况预测方法，其特征在于，XGBoost模型中的超参数和迭代次数利用贝叶斯优化算法优化得到。
6.根据权利要求1所述的地理空间事件分布情况预测方法，其特征在于，训练预测模型时的训练样本数据为经过不平衡样本优化处理后的样本数据。
7.根据权利要求6所述的地理空间事件分布情况预测方法，其特征在于，所述不平衡样本优化处理包括ADASYN过采样和/或随机欠采样处理，随机欠采样处理指的是随机选择样本数据进行保留以使得多数类样本数量和少数类样本数据量相当。
8.根据权利要
...【技术特征摘要】
1.一种地理空间事件分布情况预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的地理空间事件分布情况预测方法，其特征在于，地理环境数据包括土地利用数据和降水量数据。
3.根据权利要求1所述的地理空间事件分布情况预测方法，其特征在于，经济社会数据包括行政区gdp、夜间灯光数据和人口密度数据。
4.根据权利要求1所述的地理空间事件分布情况预测方法，其特征在于，每个预测模型均为xgboost模型。
5.根据权利要求4所述的地理空间事件分布情况预测方法，其特征在于，xgboost模型中的超参数和迭代次数利用贝叶斯优化算法优化得到。...
【专利技术属性】
技术研发人员：郭黎，王彩璇，马式纪，张婉晨，白翔天，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。