ty -jour a2 -Zhao，dong au -Mustafa，Elhadi K. au -co，Yungang au- liu -liu，guoxiang au -kaloop，Mosbeh R.Au -beshr -beshr -au -au -au -au -zarzoura -zarzoura，zarzoura，fawzi au -sadek -sadek，mohammed py，mohammed py，mohammed py-2020 DA -2020/03/31 TI-使用Landsat数据预测土地表面温度（LST）的研究：四种算法SP -7363546 VL -2020 AB的比较 - 用于预测土地表面温度（LST）的软计算模型变化对于评估和预测世界迅速变化的世界气候非常有用。在这项研究中，相比，在应用和动态发展的神经封面推理系统（ANFIS）和动态发展的神经封面推理系统（DENFIS）中，使用了四种软计算技术，即多元自适应回归花纹（MARS），小波神经网络（WNN），自适应神经封面推理系统（ANFIS）和动态发展最佳模型可用于预测北京区域的LST变化。在本研究中考虑了地形变化，以准确预测LST。此外，Landsat 4/5 TM和Landsat 8oli_tirs图像四年（1995，2004，2010和2015）用于研究研究领域的LST变化。使用统计分析，确定系数评估这四个模型（ r ²），均方根误差（RMSE）和训练和测试阶段中的平均绝对误差（MAE），并使用火星估算设计模型中应考虑的重要变量。结果表明，由于研究区域的城市变化，研究区域的LST每年增加0.28°C。此外，地形变化和先前记录的温度变化对研究区域的LST预测有重大影响。此外，模型的结果表明，火星，ANFI和DENFIS模型可用于预测研究区域的LST。ANFIS模型在训练中表现出最高的表现（ r ² = 0.99, RMSE = 0.78°C, MAE = 0.55°C) and testing ( r ² = 0.99, RMSE = 0.36°C, MAE = 0.16°C) stages; therefore, the ANFIS model can be used to predict the LST changes in the Beijing area. The predicted LST shows that the change in climate and urban area will affect the LST changes of the Beijing area in the future. SN - 1687-8086 UR - https://doi.org/10.1155/2020/7363546 DO - 10.1155/2020/7363546 JF - Advances in Civil Engineering PB - Hindawi KW - ER -