融合时序数据和面板数据的LSTM-RBF城区面积预测模型

发布时间：2021-05-12 16:42

　　城市扩展模拟预测是将城市时空演变规律应用于城市规划建设决策的重要基础,也是城市研究的热点。现有研究主要分为两类:一类是从城市时空演变角度出发采用异速增长等模型利用时序数据预测;另一类从城市扩张驱动力角度出发采用各类神经网络或多元回归模型结合面板数据进行预测。这两类算法均从单一方面对城市扩张做出解释,缺乏对城市时空演变规律和驱动因素双方面的综合考虑。本文提出了融合时序数据和面板数据的LSTM-RBF城区面积预测模型,该模型通过将长短期记忆（LSTM）网络和径向基函数（RBF）网络相结合,实现了时间序列城区面积和经济、人口等驱动力数据双方面支持下的城区面积联合预测,提高了城区面积预测的精度,为城区面积预测提供了一种新颖有效的方法,能够为城市时空演变研究服务于城市土地利用和规划制订提供技术支持。 

【文章来源】：测绘与空间地理信息. 2020,43(05)

【文章页数】：5 页

【文章目录】：
0 引言
1 LSTM-RBF城区面积预测模型
    1.1 LSTM网络
    1.2 RBF神经网络
    1.3 LSTM-RBF模型原理与步骤
2 实验与分析
3 结束语



本文编号：3183760