文章预览
题目 ： An ensemble spatial prediction method considering geospatial heterogeneity 期刊 ： International Journal of Geographical Information Science DOI ： https://doi.org/10.1080/13658816.2024.2358052 01 摘要 集成学习综合了不同模型的优点，在空间预测领域得到了广泛的应用。然而，空间异质性对模型集成过程的非线性约束使得集成权重难以自适应确定，极大地限制了集成学习模型的预测能力。因此，本文提出了一种新颖的地理空间异构集成学习方法（GSH-EL）。首先，采用地理加权回归模型、地理最优相似度模型和随机森林模型作为三个基学习器，分别表达地理要素的局部空间异质性、全局特征相关性和非线性关系。然后，提出了GSH-EL的空间加权集成神经网络模块（SWENN），通过探索空间邻近度和集成权重之间复杂的非线性关系来表达空间异质性。最后，将三个基学习器的输出与 SWENN 的
………………………………
