顾及空间异质性的自回归模型应用研究北大核心CSCD

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。     

顾及空间异质性的自适应IDW插值算法

传统的反距离加权(inverse distance weighted,IDW)插值法存在以假设空间过程平稳为前提,且插值过程需要用户提供初始化参数如分区数目、参考样点个数等的问题,因此提出一种顾及空间异质性的自适应IDW插值算法。该算法首先根据样点待插值属性数据的数理统计特征自适应设定分类阈值,将全部样点按照属性值大小分成高、中、低三类,其次利用机器学习算法k近邻法(k-nearest neighbor,k-NN)判定待插值点所属类别,然后根据分类结果自适应为待插值点一阶邻近样点,并设置相应的权重调和因子,最后构造出一个集空间相关与空间异质性于一体的IDW插值算法模型。实验结果表明,顾及空间异质性算法无需用户提供任何经验参数,其抗粗差的能力较另3种经典IDW插值算法更强,能够有效提高IDW插值算法的精准度。     

顾及空间异质性的大范围地面沉降时空预测

大速率、不均匀的地面沉降已经威胁到人类的生产活动,高精度的沉降预测结果对于地质灾害的精准防控具有重要意义。为掌握地面沉降的演化规律,利用现场观测数据或InSAR数据开展了多项预测研究。然而,由于空间异质性的存在,大范围地面沉降的准确预测仍然是一项挑战。在这项研究中,从数据驱动的角度提出了一种顾及空间异质性的大范围地面沉降时空预测方法 STLSTM (Spatio-temporal Long Short-Term Memory)。首先,通过聚类识别地理空间中的均质子区;然后,在每个子区中,一个特别的长短期记忆LSTM (Long ShortTerm Memory)网络被用来捕捉局部位置的非线性特征;最后,利用预训练的网络对未来时刻的地面沉降进行定量预测。在实验部分,哨兵1号影像数据被用来比较STLSTM与其他8种基准方法的性能,利用空间统计指标分析了模型的有效性。结果表明,STLSTM在152 s内达到了最高的预测精度（71.4%）,且能够有效弱化空间异质性对大区域沉降预测任务的影响。总之,这项研究将空间异质性处理策略融合到深度学习模型中,实现了高精度、高时效的大范围地面沉降时空预测。     

顾及空间异质性的温州市COVID-19疫情预测

结合COVID-19实际传播规律,利用温州市COVID-19确诊病例数据、行政区划与人口统计数据构建了区县级LSEIR修正模型,进一步顾及空间异质性加权融合各区县预测结果,以预测温州市整体疫情趋势。结果表明提出的LSEIR修正模型参数求解结果与传染病动力学模型参数物理意义相符,预测温州市感染人群将于2020-01-26达到峰值,与公布的实际情况一致。以感染人数和新增移出人数同时为0时刻作为疫情拐点,预测3月1日为温州市疫情拐点。本方法能够较准确地预测温州市及市内各区县COVID-19感染人群和移出人群变化趋势,为相关政府部门更好地发现疫情传播规律、分析防控措施有效性和预测疫情发展趋势提供了模型支持与决策服务。     

顾及控制点空间分布的坐标转换模型研究

针对目前坐标转换中公共点选取缺乏依据、坐标转换精度难以保证的问题,研究了基于控制点空间分布的坐标转换模型.?提出了控制点均匀度的概念,研究了控制点均匀度和密度的表达方法,分析了公共点均匀度和密度对坐标转换模型精度的影响,构建了顾及控制点空间分布的坐标转换模型,探讨了地方坐标系与CGCS2000的坐标转换流程,并结合实例...     

顾及空间自相关的统计数据分级质量评价

详细分析了统计地图数据分级质量的评价指标，研究了数据分级中应当考虑的数据空间分布规律，并用实例证明了分级数与空间自相关系数之间的变化规律。     

顾及子影像拼接参数的自检校模型

针对利用多个面阵CCD组合形成较大像幅的大面阵数字航摄相机,提出将子影像拼接参数引入到共线方程中,形成顾及子影像拼接误差的自检校成像模型,并给出利用该模型进行光束法区域网自检校空三数据平差处理,整体得到稳定可靠的子影像拼接参数估值解的算法流程。对一款国产数字航摄大面阵复合相机进行了子影像几何拼接定位试验,效果良好。     

自回归模型在变形监测中的应用

为了准确地对变形监测进行预报,得到科学的监测结果,本文利用自回归模型和最小二乘估计以及矩阵实验室(MATLAB)对变形监测数据进行处理。通过实际工程分析得到如下结论：(1)自回归模型用于变形监测可得到比较科学的结论;(2)对于不同的变形监测数据,如何选择自回归模型p是一个亟须解决的问题。本研究的结论可为变形监测数据处理提供一定的参考。     

基于空间自回归模型的广州市NDVI和NDBI与气温关系研究

为了探索城镇化地区热岛的时空变化特征,采用2015年覆盖广州市的1 km空间分辨率MOD13A3月合成归一化植被指数(normalized difference vegetation index,NDVI)数据、用Landsat8 OLI提取的归一化建筑指数(normalized difference build-up index,NDBI)数据以及不同季节的气象站点近地表气温数据,运用相关性分析方法,研究近地表气温与NDVI和NDBI的相互关系;在此基础上,应用空间自回归方法构建不同季节的近地表气温与NDVI和NDBI的空间自回归模型,定量分析广州地区近地表气温与NDVI和NDBI的空间关系,并与普通回归模型进行比较分析。结果表明,不同季节的NDVI与近地表气温呈负相关,NDBI与近地表气温呈正相关;与普通线性回归模型相比,空间滞后模型与空间误差模型的拟合效果最优;通过比较分析相关系数(R~2)值、赤池信息量准则(Akaike information criterion,AIC)值及回归模型残差的莫兰指数(Moran index,Moran’s I),发现空间滞后模型的拟合效果略优于空间误差模型;从春季到秋季,NDVI对近地表气温的影响大于NDBI对近地表气温的影响;在空间滞后模型中,显著的、正的空间自回归系数表明,气象站点的近地表气温受到相邻气象站点的近地表气温的显著正影响。     

空气污染暴露公正异质性空间自相关分析

本文借助地理信息系统(GIS)空间分析、逻辑回归模型和空间自相关等技术,开展基于年龄、种族和受教育程度特征要素的空气污染暴露公正评价研究。结果表明:研究区基于这3个特征要素存在暴露不公正县域单元,但是仅有黑人(OR平均值为2.815)和少于4年教育程度(OR平均值为1.682)的人群不公正特征明显;除印第安人和少于4年教育程度的人群组外,研究区基于3个特征要素的空间自相关格局都存在高-高集聚特征。     

自回归模型在矿山变形监测中的应用

变形监测的目的是针对不同的监测数据采用合适的数据处理方式,建立适当的模型,做出正确的预报,以减小事故的发生。回归模型是研究一个随机变量(因变量)和另一个或一些变量(自变量)关系的统计方法,它通常设置一些可以测量的变量为自变量建立回归方程来预测另外一些变量的变化趋势,是一种静态数据处理方式,但是在时间序列情况下,回归应该根据该变量自身以前的规律创建预测模型,这就是自回归模型,是一种动态数据处理方法,它特别适合于短期监测预报。     

顾及卫星空间分布状态的 GNSS信噪比随机模型

为了研究随机模型对GNSS定位精度的影响,介绍了GPS/GLONASS/BDS组合伪距单点定位的函数模型以及几种当前常用的先验随机模型。结合各个模型的优缺点,提出通过指数函数引入空间分布改善因子,建立一种改进的信噪比随机模型,并设计相关多系统伪距单点定位试验对其性能进行分析。实验结果表明:改进模型的解算精度显著优于现存的几种先验随机模型,相比等权模型在三维定位精度上提升15%～30%,相比高度角模型提升15%～25%,相比信噪比模型提升5%～15%,相比现存的PDOP模型也有明显提升。改进模型在不同遮蔽情况、双系统和三系统组合定位时精度均优于现存的信噪比随机模型,从而验证了该定权算法的有效性。     

顾及系统误差的平差模型研究

在高精度测量中,利用平差模型从整体上对系统误差予以补偿和消除的理论研究已日益被关注.从国内外文献看,一般均着重于研究附加系统参数平差模型的理论和应用.考虑到系统误差源的复杂性,文中提出了附加系统权平差模型、附加系统参数和系统权平差模型,导出了平差公式和假设检验的统计量.附加系统参数模型是将系统误差影响归入函数模型,附加系统权模型是将系统误差影响归为随机模型,两者混合模型则是将系统误差影响分别归入函数模型和随机模型,这样就形成了顾及系统误差的平差模型体系.附加系统权平差模型涉及到系统方差估计这一难题,文中提出了按概率分布置信域的思想由最大误差估计系统方差的方法.     

顾及系统误差的平差模型研究

在高精度测量中,利用平差模型从整体上对系统误差予以补偿和消除的理论研究已日益被关注,从国内外文献看,一般均着重于研究附加系统参数平差模型的理论和应用,考虑到系统误差源的复杂性,文中提出了附加系统权平差模型,附加系统参数和系统权平差模型。导出了平差公式和假设检验的统计量,附加系统参数模型是将系统误差影响归入函数模型,附加系统权模型是将系统误差影响归为随机模型,两者混合模型则是将系统误差影响分别归入函数模型和随机模型,这样就形成了顾及系统误差的平差模型体系。附加系统权平差模型涉及到系统方差估计这一难题,文中提出了按概率分布置信域的思想由最大误差估计系统方差的方法。     

顾及DEM误差自相关的坡度计算模型精度分析

基于DEM的坡度计算,其误差来源于DEM误差、DEM结构和坡度计算模型。在顾及DEM误差自相关的前提下,对四种DEM坡度计算模型进行了分析和评价。研究表明,三阶不带权差分能给出较高的坡度计算精度;在局部窗口中,格网点数量越多,坡度计算越准确;等权比不等权的坡度计算模型更准确;DEM误差自相关结构形式对坡度计算无影响。进一步的理论分析和试验分析还表明：DEM误差自相关性的存在,不仅能够改善地形分析的精度,也能改善DEM自身精度。     

顾及时空异质性的缺失数据时空插值方法

时空插值方法被广泛应用于缺失时空数据集的插值与估计。时空插值是时空建模与分析的一个重要内容,当前该研究关注的热点之一是异质条件下的时空插值与估计问题。因此,本文从时空数据的异质性出发,提出了一种顾及时空异质性的缺失数据时空插值方法。该方法首先对数据集进行时空分区,然后分别在时间和空间按照异质协方差模型计算缺失数据的估计值,进而利用相关系数确定时空权重、融合时间和空间估计值得到缺失数据的最终估计结果。最后通过两组气象数据集进行交叉验证对比分析试验。试验结果表明本文方法对比其他插值方法具有更高的精度和适用性。     

平稳自回归模型在高层建筑沉降预测中的应用

首先介绍了平稳自回归模型-AR(p)模型,然后将该模型应用到高层建筑沉降预测实例中,通过沉降实测数据与预测数据进行对比分析,其结果均满足精度要求,表明:AR(p)模型在高层建筑的沉降预测中具有很好的适用性。     

顾及物理空间的三维不动产数据模型研究

针对现有三维数据模型难以有效支撑三维不动产物理空间和产权空间一体化管理的问题,该文提出了顾及物理空间的三维不动产数据模型。基于土地管理领域模型(LADM)分析设计了产权语义类,并利用城市地理标记语言(CityGML)发展了多层级物理空间的构建方法,通过CityGML的扩展机制实现了产权空间要素类和物理空间要素类的语义关联以及一体化存储。实验表明,该模型能够有效表达“地—楼—层—户—间”多层次的几何语义信息,解决了三维不动产数据模型内容单一、缺乏建筑语义等难点,为不动产立体化产权管理和三维确权登记等工作提供了方法支撑。     

顾及参数空间平稳性的地理加权人口空间化研究

近年来,人口空间化的方法理论愈趋成熟,但对人口空间化建模中变量参数的空间平稳性处理却鲜有人关注.以土地利用数据、夜间灯光数据和人口统计数据为数据源,提出一种基于半参数地理加权回归模型(semi-parametric geographically weighted regression,S-GWR)的人口空间化方法,并利...     

顾及轨迹密度分布异质性的道路交叉口提取方法

车辆轨迹大数据为道路网生成与更新、道路状态信息感知提供了新机遇,从轨迹数据中准确提取道路交叉口是基于车辆轨迹数据构建精细化道路网地图的关键步骤。当前已有学者根据轨迹点的转向、速度变化等特征,基于空间聚类提出了一些道路交叉口识别的经典方法,但由于轨迹数据密度分布的异质性、噪声干扰及最优聚类参数设置等问题,从不同采样频率、分布密度的轨迹数据中提取不同大小、形态的交叉口仍是一个挑战。为此,本文首先针对轨迹密度的空间分布异质性提出基于层次划分的轨迹栅格化策略,进而从视觉角度出发,提出一种基于“转换-分割-优化”全流程的道路交叉口层次提取方法。通过对不同采样频率的真实轨迹数据进行试验分析,验证了本文方法对低频轨迹数据中道路交叉口提取的准确度与有效性,识别结果优于现有代表性方法。