基于NPP/VIIRS夜间灯光图像的GDP智能预测模型研究

• 作者: 王森 蔡小莉 鲍云飞 詹邦成
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 夜光遥感 国内生产总值(GDP)预测 时间序列分析 随机森林(RF)模型 贝叶斯优化
• 年，卷（期）: 2022,（8）
• 所属期刊栏目: 论文|Papers
• 页码范围: 3191-3201
• 页数: 11页
• 分类号: TP301
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1815.2022.08.027

摘要

针对现今传统统计方法难以准确及时的揭示经济参量时空信息且估算国内生产总值(gross domestic product,GDP)精度不足的问题,利用国家极轨卫星携带的可见光和近红外成像辐射计(national polar-orbiting partnership/visible infrared imaging radiometer,NPP/VIIRS)获取的2012—2018年夜间灯光影像为数据源,对数据产生的误差进行处理得到了可以用来定量分析的长时间序列数据;首先采用随机森林算法对数据集进行预测研究,在此基础上提出一种基于袋外数据估计的回归误差,采用改进的网格搜索算法对随机森林模型进行参数调优.同时也使用贝叶斯优化对随机森林(random forest,RF)模型进行参数调优.运用嵌套5F-CV,并通过外部5F-CV循环估算模型的泛化能力,内部5F-CV循环用于确定最佳参数找出最优参数模型,建立自动预测系统,根据输入的研究区数据,使算法模型自动进行精准预测.结果表明:基于贝叶斯优化改进的随机森林算法在预测GDP时最好,预测精度达到97％,具有较高的准确率和鲁棒性.研究结果展示了机器学习算法和夜间光照指数用于在县级尺度上预测GDP表现出显著的能力.