用于城市化时空建模的深度学习

城市化对全球人口的健康与福祉有强烈影响。因此，城市化的预测性空间建模可作为有效公共卫生规划的有用工具。许多空间城市化模型已使用经典机器学习和数值建模技术开发。然而，已被证明能够捕捉复杂时空现象的深度学习尚未应用于城市化建模。在此，我们探索深度空间学习用于城市化预测建模的能力。我们将数值地理空间数据视为具有像素和通道的图像，并通过增强丰富数据集，以利用深度学习的高容量。我们最终的模型可生成端到端多变量城市化预测，并在初步比较中优于最先进的经典机器学习城市化模型。