精細(xì)尺度的城市人口分布信息是城市資源配置和綜合管理的重要依據(jù)。本文以廣州市越秀區(qū)、荔灣區(qū)、天河區(qū)、海珠區(qū)、白云區(qū)及黃埔區(qū)作為研究區(qū)域,基于人口統(tǒng)計(jì)、夜間燈光、興趣點(diǎn)及土地利用等多源數(shù)據(jù),利用地理探測(cè)器識(shí)別人口分布的影響因子,運(yùn)用隨機(jī)森林模型開(kāi)展人口分布空間格網(wǎng)模擬研究。研究結(jié)果表明,與傳統(tǒng)的相關(guān)分析相比,地理探測(cè)器能夠更為準(zhǔn)確地識(shí)別人口空間分布的重要影響因子�；陔S機(jī)森林模型的人口分布格網(wǎng)模擬結(jié)果與街道（鎮(zhèn)）實(shí)際人口的相關(guān)系數(shù)為0.774,平均相對(duì)誤差約為30%。相比基于線性回歸模型的模擬結(jié)果,隨機(jī)森林模型的精度有明顯提高。 

【文章來(lái)源】：測(cè)繪通報(bào). 2020,(01)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

基于線性回歸模型的人口分布格網(wǎng)模擬結(jié)果

隨機(jī)森林模型構(gòu)建過(guò)程中需要確定2個(gè)重要參數(shù)，包括子樹(shù)最大深度(max＿depth)和子樹(shù)數(shù)量(n＿estimators)。首先，在子樹(shù)數(shù)量較大的前提下(n＿estimators=500)，測(cè)試子樹(shù)深度不同取值時(shí)隨機(jī)森林模型的泛化性能。由圖2可知，隨著子樹(shù)深度的增加，模型泛化性能逐漸增強(qiáng)，當(dāng)子樹(shù)深度等于6時(shí)，模型泛化性能達(dá)到最佳。其次，測(cè)試當(dāng)子樹(shù)深度為6的時(shí)候，子樹(shù)數(shù)量與模型泛化性能的關(guān)系。由圖3可知，隨著子樹(shù)數(shù)量的增加，模型泛化性能波動(dòng)較大;當(dāng)子樹(shù)數(shù)量等于320時(shí)，模型泛化性能達(dá)到最優(yōu);隨后，當(dāng)子樹(shù)數(shù)量大于600之后模型泛化性能較為穩(wěn)定，且模型效果較好。綜上所述，將子樹(shù)最大深度設(shè)置為6，子樹(shù)數(shù)量設(shè)置為600，搭建隨機(jī)森林模型。3.3 模型結(jié)果及精度評(píng)價(jià)

模型泛化性能與子樹(shù)數(shù)量之間的關(guān)系

【參考文獻(xiàn)】：
期刊論文
[1]多源信息多尺度視角的南京市街道級(jí)人口模擬研究[J]. 許玲麗,顏梅春.  測(cè)繪通報(bào). 2019(02)
[2]基于空間句法和LBS大數(shù)據(jù)的合肥市人口分布空間格局研究[J]. 張曉瑞,華茜,程志剛.  地理科學(xué). 2018(11)
[3]基于多源數(shù)據(jù)的北京市朝陽(yáng)區(qū)人口時(shí)空格局評(píng)估與預(yù)測(cè)[J]. 林文棋,陳會(huì)宴,謝盼,李穎,陳清凝,李棟.  地球信息科學(xué)學(xué)報(bào). 2018(10)
[4]基于改進(jìn)粒子濾波的室內(nèi)自適應(yīng)定位算法[J]. 胡東海,邵元,陳瑩,夏士雄.  計(jì)算機(jī)工程與應(yīng)用. 2019(09)
[5]聯(lián)合區(qū)域疊加濾波法與小波變換去除GPS站坐標(biāo)時(shí)間序列噪聲[J]. 馬俊,周曉慧,朱兆涵.  測(cè)繪通報(bào). 2017(12)
[6]基于多源數(shù)據(jù)人口分布空間化研究——以河北省張家口市為例[J]. 黃安,許月卿,孫丕苓,劉超,鄭偉然.  資源科學(xué). 2017(11)
[7]基于隨機(jī)森林模型的珠江三角洲30 m格網(wǎng)人口空間化[J]. 譚敏,劉凱,柳林,朱遠(yuǎn)輝,王大山.  地理科學(xué)進(jìn)展. 2017(10)
[8]基于夜間燈光數(shù)據(jù)和空間回歸模型的城市常住人口格網(wǎng)化方法研究[J]. 李翔,陳振杰,吳潔璇,汪文祥,曲樂(lè)安,周琛,韓肖鋒.  地球信息科學(xué)學(xué)報(bào). 2017(10)
[9]基于智能手機(jī)的室內(nèi)定位技術(shù)的發(fā)展現(xiàn)狀和挑戰(zhàn)[J]. 陳銳志,陳亮.  測(cè)繪學(xué)報(bào). 2017(10)
[10]和聲搜索算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的無(wú)線網(wǎng)絡(luò)室內(nèi)定位[J]. 付思源,王華東.  南京理工大學(xué)學(xué)報(bào). 2017(04)

碩士論文
[1]人口數(shù)據(jù)空間化格網(wǎng)尺度適宜性研究[D]. 徐鳳嬌.延邊大學(xué) 2017
[2]城市人口數(shù)據(jù)空間化研究[D]. 毛瑩瑩.福建師范大學(xué) 2016
[3]長(zhǎng)三角人口數(shù)據(jù)格網(wǎng)化及其人口空間分布特征分析[D]. 潘順.上海師范大學(xué) 2016
[4]基于格網(wǎng)的人口空間分布特征分析[D]. 顏清梅.四川師范大學(xué) 2013
[5]基于多源數(shù)據(jù)的太湖流域人口空間化研究[D]. 劉煥金.南京農(nóng)業(yè)大學(xué) 2012



本文編號(hào)：3366933