etc的常见算法_运用机器学习算法研究城市形态与户外温度之间的相关性

     随着城市化进程以及气候变化的加剧，城市正经历着频率更高、强度更大、持续时间更长的热浪天气。目前学者提出许多研究不同尺度气候问题的方法，其中最常用的是参数回归方法，如最小二乘法回归模型(OLS，ordinary least squares)。但是城市中的环境复杂，城市气候与城市形态之间的关系不一定呈线性。因此，Zhongqi Yu等人在Sustainable cities and society上发表文章，运用随机森林算法，在不预设关系模型的前提下，研究城市形态与户外温度之间的相关性。

研究方法

     研究地点选在新加坡国立大学Kent Ridge校区，在校园内选择15个样点设置仪器收集数据。

  1)采集2019年2月-7月间74个典型天气的户外温度，进一步计算其日平均最大、最小和平均温度，白天和夜晚的平均温度，对照点温度，以及日平均太阳辐射和风速；

  2)建立学校的GIS地图和3D模型，包含地形、建筑、道路和铺装等信息；

  3)根据以往研究，认为每个样点的温度受周围50米范围内的城市形态影响更大；根据GIS地图、3D模型和实地调研，选择6个城市形态参数，分别为：样点周边50米范围内建筑和道路面积百分比、所有建筑