顾及空间异质性的自回归模型应用研究

针对传统的空间自回归模型拟合精度较低且无法顾及空间异质性的问题,该文提出了改进的地理加权自回归模型。并以北京市住宅小区特征价格数据为例,利用探索式空间数据分析方法分析住宅价格数据的空间自相关性,探讨其时空演变特征;建立了空间自回归模型、地理加权回归模型和地理加权自回归模型,并在模型之间进行精度对比和分析。实验结果表明:北京市住宅价格具有明显的空间相关性与空间集聚特征;由于综合考虑了空间自相关性和空间异质性,地理加权自回归模型不仅能大幅度提高模型的拟合优度和解释能力,还能更好地揭示住宅价格的空间变化规律,为数据的空间探索提供了新的方向。     

南昌市二手房价格影响因子的空间异质性

以安居客网站爬取的2018年10月894个南昌市住宅小区二手房价格为研究对象,利用地理加权回归模型探讨了建筑特征、邻里特征、区位特征等方面各影响因子对住宅价格的作用差异。研究结果表明:1)地理加权回归(GWR)模型的拟合结果优于OLS模型,将回归系数结果空间可视化发现南昌市二手房价格影响因子具有空间异质性。2)不同因子对价格影响程度不同,其中对南昌市二手房价格影响较大的因子是房龄、绿化率以及与CBD的距离。3)同一因子对住房价格的影响在不同空间也具有差异性。其中主要是绿化率、容积率、重点学校、购物中心及地铁对新开发区的二手房价格影响比较大,对老城区影响较小;商务中心区和三甲医院对南昌县二手房价的影响最大;而房龄和旅游景点对老城区影响比较大。     

地形因子与小微地震相关度的空间异质性分析

针对传统最小二乘回归未能顾及数据的空间特性,且无法度量模型自变量与因变量相关性的空间变异特性的问题,本文提出利用地理加权回归方法分析小微地震频次与地形因子相关度的空间异质性。以四川地区的地震监测资料、DEM为实验数据,选取地形复杂度、坡度变率、坡向变率和地面曲率为自变量,地震发生频次为因变量,构建地理加权回归模型,并进行回归系数的空间变异分析。实验分析发现,地震频次与地形因子具有一定的相关性:地形复杂度与地震频次相关性最强;坡度变率、沟壑密度、剖面曲率与地震频次的相关性依次减弱;不同空间位置的地形因子和地震频次的相关性具有较明显的空间异质性。实验结果表明,地理加权回归可以有效地度量分析地震频次与地形因子相关度的空间异质性,研究结果可为地震及次生灾害的分析与预报提供辅助决策参考。     

路网距离约束的GTWR模型应用——以北京市房价为例

针对传统地理加权回归方法无法解决时空非平稳性的问题,该文提出了一种路网距离约束的时空地理加权回归方法。引入时间特性,进一步把握了不同因子在时空维度影响的分异性;以路网距离度量约束,提高模型解释力。以北京市城6区1980—2015年的1 632个住宅小区特征价格数据为例,通过与直线距离约束的常规地理加权回归方法等进行比较,采用各模型的AIC与拟合优度等指标对模型置信水平高低进行评价。实验结果表明,路网距离约束的地理加权回归模型不仅能够提高模型的拟合精度,还能更好地揭示房价在时间与空间方面的变化规律。     

住宅房地产价格评估的空间型BP神经网络模型

住宅房地产价格与交通、环境等各类影响因子之间存在着非线性复杂关系,住宅价格的空间自相关性对住宅价格建模也有重要的影响。考虑到住宅价格的空间自相关性,构建了3种空间型BP神经网络模型,并利用遗传算法(GA)进行模型训练。第一种空间型模型的输入层神经元为样本坐标,第二种空间型模型的输入层神经元为空间滞后向量,第三种空间型模型的输入层神经元既包括样本坐标也包括空间滞后向量。以武汉市为例进行实证分析,选取了2010年291个住宅价格样本。实验结果表明,空间型BP神经网络模型的拟合精度优于普通BP神经网络模型及空间滞后模型,其中第三种空间型BP神经网络模型效果最优,输出结果与实际价格相关性达86.69%,均方根误差明显小于其他模型。     

SuperMap GIS地理加权回归模型研究与实现

地理加权回归分析是对普通线性回归模型的扩展,将空间数据的地理位置嵌入线性回归参数之中,以此来研究空间关系的空间异质性或空间非平稳性,属于局部空间分析模型.通过地理加权回归分析可以确定两种或两种以上变量间相互依赖的定量关系,局部区域的参数估计可以得到地理空间存在的不同空间关系,核函数的选取规则和带宽参数的验证方法也是本文研究的内容.     

基于地理国情数据的PM2.5浓度估算方法研究

以京津冀地区为研究对象,结合地理国情数据开展PM_(2.5)浓度估算方法的研究,在相关因素分析的基础上,运用土地利用回归方法与地理加权回归方法建立PM_(2.5)浓度空间分布回归模型,采用十折交叉验证对比模型稳定性与拟合精度,探索研究区最优建模方法及PM_(2.5)重要影响因子。结果表明:从模型稳定性及拟合精度来看,地理加权回归模型优于土地利用回归模型,模型调整后的R2分别为0.85、0.832,平均相对误差为12.4%、13.8%,均方根误差为10.61μg/m3、11.94μg/m3。相关分析判定结果表明,京津冀地区PM_(2.5)浓度的影响因子主要为气温、气压、房屋建筑、林地、耕地、降水、污染企业等。     

利用搜索引擎数据模拟疾病空间分布

互联网记录了人们的日常生活,对带有位置信息的搜索引擎数据进行分析和挖掘可以获得隐藏于其中的地理信息。本文通过分析中国各省流感月度发病数与相关关键词百度搜索指数之间的相关性,选取相关性较高关键词的百度指数作为解释变量,发病数作为因变量,在采用主成分分析法消除变量共线性后,分别使用普通最小二乘回归（OLS）、地理加权回归（GWR）及时空地理加权回归（GTWR）构建流感发病数的空间分布模型。模型的拟合度能够从OLS的0.737、GWR的0.915提高到GTWR的0.959,赤池信息准则（AIC）也表明,GTWR模型明显优于OLS与GWR模型。验证结果显示,GTWR模型能准确识别流感高发地区,将该方法与搜索引擎数据结合能较好地模拟流感空间分布,为空间流行病学的研究提供预测模型和统计解释。     

兰州市商品住宅价格的空间分异规律

针对住宅价格在城市空间中的分布规律问题,该文以兰州市主城区2015年在售的187个商品住宅样本均价为基本数据,运用空间自相关法对兰州市住宅价格的空间异质性和集聚性进行分析,并利用趋势面分析和空间反距离权重插值法对住宅价格的空间分布格局进行研究。结果表明:兰州市住宅价格总体上呈显著的空间正自相关性,少数地区存在差异性;住宅价格发展不平衡,价格"东高西低";住宅价格由各区行政中心向四周逐级递减,呈多极核分布特征;价格等值线"东密西疏",住宅价格变化幅度空间差异较大。分析发现,区位条件、交通条件及居住环境是影响兰州市商品住宅价格的主要因素。     

地理加权回归建模结果不确定性度量与约束方法EI北大核心CSCD

作为一种经典局部加权最小二乘方法,地理加权回归建模一直受样本空间稀疏及预测变量局部共线性等因素困扰,导致建模结果不确定性呈现空间异质。通过协方差传播定律构建后验标准差精度评价指标,本文提出了一种地理加权回归建模结果不确定性度量与约束方法,并基于地表PM 2.5浓度遥感制图实例开展了验证。试验结果表明:不确定性约束后,不同参数下地理加权回归模型的拟合精度、基于样本/站点/区域的十折交叉验证精度均有改善;局部共线性导致的模型回归系数符号偏差问题得到了改正;模型预测结果奇异值及负值能被有效甄别,有效提升了地表PM 2.5浓度制图结果的可靠性。该不确定性度量与约束方法可有效保证地理加权回归模型估算结果的稳定性和有效性。     

湖北省县域粮食单产影响因素的空间异质性研究

在城镇化进程快速推进耕地保护形势严峻的背景下,粮食单产的区域差异研究对地区粮食安全具有重要意义。本文以湖北省粮食单产数据为基础,采用探索性数据分析方法和地理加权回归模型揭示省内县域粮食单产的空间关系和影响因素的空间异质性。结果表明:湖北省县域粮食单产具有显著的空间自相关特征,整体水平稳中有增。农村劳动力、化肥施用量、农村机械总动力和有效灌溉面积比对粮食单产具有正向促进作用和一定的空间分异规律,对农村用电量呈现出先正后负的影响,各因素的空间异质性显著。结合县域现状和因素的区域特质采取对应的有效措施应对粮食安全问题具有深远的现实意义。     

市域尺度货物运输碳排放时空变化及因素分析

针对货物运输导致碳排放成为温室气体主要来源之一的问题,该文综合货物运输车辆的微观温室气体排放及时空变化,从市域尺度分析货物运输碳排放的时空变化规律。利用微观排放模型计算了2000年、2005年、2010年和2015年全国286个城市货物运输碳排放的空间分布及其变化,并应用地理加权回归模型探究城市化不同层面因素对碳排放时空分布变化的影响。结果表明:货物运输碳排放具有显著的空间集聚特征,且高排放地区的集聚规律更加显著;地理加权回归模型精度明显高于普通线性回归模型,经济变量、人口变量、货运强度变量与货物运输碳排放存在显著正相关关系。该研究可为中国各市级区域制订节能减排政策提供量化的科学依据。     

基于ArcGIS的房地产价格空间分布研究

首先以深圳市福田区部分普通住宅的房地产价格为数据基础,利用空间分布分析中的最近邻距离分析法确定了各住宅的空间分布情况,即呈簇状分布状态;然后,运用空间自相关理论和方法,选用Moran,指数对研究区域的房价自相关关系进行测度和实证分析,从而得到深圳市景田区部分住宅房地产价格的空间自相关性情况;最后,利用ArcGIS中的地统计分析工具对整个区域的房地产价格进行了拟合,得到研究区域房价的空间分布情况。     

地形因子与小微地震相关度的空间异质性分析

针对传统最小二乘回归未能顾及数据的空间特性,且无法度量模型自变量与因变量相关性的空间变异特性的问题,本文提出利用地理加权回归方法分析小微地震频次与地形因子相关度的空间异质性。以四川地区的地震监测资料、DEM为实验数据,选取地形复杂度、坡度变率、坡向变率和地面曲率为自变量,地震发生频次为因变量,构建地理加权回归模型,并进行回归系数的空间变异分析。实验分析发现,地震频次与地形因子具有一定的相关性:地形复杂度与地震频次相关性最强;坡度变率、沟壑密度、剖面曲率与地震频次的相关性依次减弱;不同空间位置的地形因子和地震频次的相关性具有较明显的空间异质性。实验结果表明,地理加权回归可以有效地度量分析地震频次与地形因子相关度的空间异质性,研究结果可为地震及次生灾害的分析与预报提供辅助决策参考。     

城镇地价的空间相关性研究

空间自相关(spatial autocorrelation)是指变量在空间上表现出一定的规律性,空间回归是考虑了空间相关性的回归技术。本文将空间自相关性理论应用于地价样点价格分析,发现地价分布规律,并通过地价样点和地价影响因素建立空间线性回归模型的方法估算土地的价值,改进了传统的回归估价方法,从而提高了地价评估的准确程度。     

克里金时空自回归模型在变形建模中的应用

针对时空自回归模型的空间权阵大多采用邻接性和反距离加权法导致模型预测精度较低的问题,该文提出了一种基于克里金法空间加权的时空自回归模型,通过普通克里金插值法原理来定义空间权阵,并利用五强溪大坝5年的观测数据分别对传统空间加权和克里金法空间加权进行建模对比。结果显示,克里金法加权比传统加权的变形预测精度提高44%左右,说明克里金时空自回归更适合建立大坝时空变形模型。该方法描述了实际空间的变异情况,提高了变形建模的预测精度,可用于大坝及其他变形体的变形建模。     

混合地理加权回归模型算法研究

以迭代算法为基础，推导出混合地理加权回归模型的常系数（全局参数）和变系数（局域参数）的计算方法，并以上海市住宅小区楼盘销售平均价格为例进行验证。结果表明，混合地理加权回归模型的计算量略大于地理加权回归模型，但对样本数据的拟合更好，局域参数估计更稳健。     

稳健度量选权迭代的地理加权回归研究

针对地理加权回归参数估计采用最小二乘方法,最小二乘估计易受离群值影响,导致地理加权回归模型并不稳健的问题,该文提出基于稳健度量选权迭代的地理加权回归分析方法,核心思想是通过标准化残差构造权重函数,通过迭代加权降低离群值对回归模型参数估计的影响。利用模拟数据与真实数据进行试验,分别与GWR、RGWR进行对比分析,以MSE、MAE为指标进行性能评价。模拟数据试验中,RMIWGWR模型比RGWR模型的MSE、MAE指标分别提升9.29%和8.34%;真实数据试验中,RMIWGWR模型比RGWR模型的MSE、MAE指标分别提升63.88%和38.45%。试验表明:该方法可改善粗差存在环境下地理加权回归模型参数估计精度,提升模型拟合效果。     

西安市住宅价格空间结构和分异规律分析

利用ESDA方法对西安市城区的291个普通住宅项目均价数据进行研究,通过计算Moran指数和半变异函数分析了其空间自相关性和变异性,并进行了趋势分析。应用Kriging空间插值方法对西安市普通住宅价格空间分布进行了模拟。研究结果表明:西安市房价存在显著的空间自相关性,大部分住宅价格呈空间集聚格局,少部分因存在空间异质性而呈离散分布;房价变异函数表现出各向异性,不同方向有不同结构特征,空间自相关尺度为14.2km;西安市房价空间分异规律明显,房价分布格局受城市功能区划和交通影响较大。     

基于GIS和PCA的住宅房产特征价格模型

本文针对房产特征价格估价模型特征变量量化和函数拟合不准确的问题,提出了基于GIS和PCA建立住宅房产特征价格模型的思路:利用GIS管理分析功能辅助特征变量量化,避免了量化的主观随意性,提高量化精度;利用PCA方法提取房产特征变量量化值的主成分,然后进行拟合分析,从而解决函数拟合中变量相关性问题,提高了函数拟合准确性;以构建的模型为基础开发了房产估价决策支持系统软件,最后利用该软件系统对赣州房产进行估价实践,表明该模型能有效提高房产估价精度和可信度。