基于地理神经网络加权回归的中国PM2.5浓度空间分布估算方法

中国空气污染问题日益严重,为获得连续的PM_2.5浓度空间分布,现有研究建立了多种基于统计回归的PM_2.5估算模型。然而,由于PM_2.5回归关系显著的空间非平稳性和复杂的非线性特征,如何实现高精度、高合理性的PM_2.5浓度空间大面估计仍然面临挑战,尤其在地形变化复杂、覆盖范围广阔的中国地区更为突出。本文引入了一种将普通线性回归（OLR）和神经网络结合的地理神经网络加权回归（GNNWR）模型,通过集成遥感数据、气象数据和地理信息数据建立了基于GNNWR的PM_2.5浓度空间估算方法。文章以中国2017年PM_2.5年平均浓度估算为例,开展了该模型与OLR、地理加权回归（GWR）的比较实验。实验结果表明,基于GNNWR的PM_2.浓度估算性能指标均明显优于OLR和GWR,且预测精度显著高于GWR。此外,GNNWR获得的PM_2.5浓度空间分布也更为合理,较为细致地刻画了中国地区PM_2.5浓度的局部空间变化和细节层次。     

引入拉格朗日算子的最佳线性回归模型选择

基于同时考虑自变量和因变量测量误差的线性回归模型,首先将众多待选模型统一为附有约束条件的线性回归模型,然后采用含有多个备选假设的假设检验理论,并以拉格朗日算子构造假设检验统计量,提出最佳线性回归模型选择方法。实验结果表明,该算法可以获得符合观测数据实际的最佳线性回归模型,而且较改进后的线性假设法更简便。     

耦合土地利用回归与人口加权模型的PM2.5暴露风险评估

PM_2.5已成为人群健康的重要威胁之一,科学精准的暴露评估是PM_2.5风险防控的前提,为提升PM_2.5暴露精准评估,本文利用土地利用数据、道路数据、气象数据等构建PM_2.5土地利用回归反演模型,实现了2013年12月1日-2014年2月8日（冬季）广佛都市区PM_2.5时空动态演变监测,在此基础上将PM_2.5反演结果与人口密度数据耦合,分别从PM_2.5污染浓度与人口加权PM_2.5浓度2个方面,评估广佛都市区PM_2.5污染暴露风险。研究结果表明：① 土地利用回归模型能够较好的反映研究区域内PM_2.5的空间分布特征,R²大于0.78;② 2013年12月1日-2014年2月8日,广佛都市区PM_2.5浓度平均值呈现波动变化趋势,研究时段内,最高平均浓度为97.91 μg/m³ （12月29日-1月11日）,最低平均浓度为53.40 μg/m³ （1月26日-2月8日）,全时段PM_2.5浓度超WHO健康标准的面积占比达99.8%;③ 广佛都市区PM_2.5的空间分布具有异质性规律,其高值区分别位于广州市天河区、越秀区、番禺区北部、花都区北部及佛山市禅城区、南海区中部、三水区中部,低值区主要位于广州市白云区、番禺区东南部及佛山市顺德区南部。人口加权暴露风险存在2个高值中心,分别位于广州市和佛山市的主城区;④ 耦合人口加权模型前后,广佛都市区PM_2.5暴露风险高风险区空间分布发生变化,未考虑人口加权模型时,广佛深高值区较为分散,主要位于南海区、天河区、越秀区、禅城区,考虑人口加权模型后,高值区更加集中于广州市和佛山市的主城区。     

滑动线性回归模型预测路堤沉降初探

在路堤沉降预测中,线性模型是应用最为广泛的模型之一。但是随着观测信息的丰富,常规的线性模型的不足凸现,影响了模型的精度,为了克服常规模型的缺点提出了滑动线性回归模型。滑动线性回归模型要求参与建模的数据个数保持不变,新观测的数据取代旧有的数据,从而获得了新的模型参数,通过实例验证,得到了理想的结果。     

基于信息熵的空间插值影响因素分析

空间数据作为一种地理现象的离散度量广泛应用于各类地理空间分析。然而,空间数据经常由于各种原因出现数据的缺失,存在不完备的特性,需要利用空间插值方法对其进行插值估计。现有国内外对于空间插值方法的研究较多,但是对于空间插值影响因素的分析研究则相对较少。本文首先对国内外相关空间插值研究工作进行总结和回顾,进而探讨不同采样密度、采样分布和采样粒度对于空间插值精度的影响。在此基础上,提出一种基于信息熵的空间插值影响因素分析方法。该方法针对采样数据的不同采样密度和采样分布,对空间数据的可插值性进行比较分析,进而探讨插值粒度,即插值网格分辨率对于空间数据可插值性的影响。最后,采用一组实际数据验证了使用信息熵对空间数据进行可插值性研究的可行性和适用性。     

线性回归总体最小二乘平差模型及解算

针对系数矩阵含有一列常数列的线性回归总体最小二乘平差问题,提出一种总体最小二乘平差模型。在此基础上,推导了线性回归总体最小二乘的迭代算法,并采用一个算例验证了模型和算法的可行性。     

线性回归模型的稳健总体最小二乘解算

针对线性回归中自变量和因变量可能含有粗差的情况,提出线性回归模型的稳健总体最小二乘法。将线性回归模型进行等价变换,视其总体最小二乘平差模型为非线性,根据选权迭代的思想推导线性回归模型的稳健总体最小二乘迭代算法。以模拟算例在自变量和因变量同时添加粗差的情况下进行10 000次试验,并从中选出一组数据进行具体分析,结果验证了本文算法的有效性和可行性。     

加权复合分位数自回归模型在隧道围岩变形预测中的应用

提出加权复合分位数自回归模型对隧道围岩变形进行预测的新方法,并给出其原理和实现算法。以昆明市阳宗隧道为例,对加权复合分位数自回归预测模型进行计算,并与其他模型进行对比分析。结果表明,新方法预测效果优于非加权复合分位数估值的AR(2)模型、基于最小二乘参数估计的自回归预测、经遗传算法优化的支持向量机等预测方法。     

基于夜间灯光数据和空间回归模型的城市常住人口格网化方法研究

精确掌握常住人口的数量和分布特征有助于明确社会发展情况、提高人口管理能力。目前人口数据主要以行政区为单元统计,难以表现城市内部的人口分布特征。然而,在城市中,受道路、公共服务设施、城市亮化灯光的影响,利用夜间灯光数据对人口回归,精度降低。如何提高城市常住人口回归结果的精度,值得深入研究。上海是中国的国家中心城市之一,在快速城镇化进程中上海面临巨大人口压力。因此,本文以上海市为研究区,以NPP-VIIRS (National Polar-orbiting Partnership Visible Infrared Imaging Radiometer Suite)夜间灯光数据、乡镇级常住人口统计数据为基础,提取商业和居住区的灯光数据来缓解交通、城市亮化区的影响,提高灯光累计值与常住人口数的相关性（相关系数从0.7032提高至0.8026）。然后,本文用空间回归模型对上海市2013年常住人口进行回归,相对误差为10.57%,并对回归结果进行分乡（镇、街道）修正。实验结果表明,使用空间回归模型对常住人口回归可以取得较高的精度,且格网化结果能够弥补传统统计数据空间分辨率低的缺点,更加详细地刻画常住人口的圈层特征与真实分布情况。     

基于模型和空间相关性的GPS时间序列插值方法

针对GPS时间序列的空缺,根据数据固有特性和空间特性,提出基于模型和噪声空间相关性的GPS时间序列插值方法,并以陕西省GPS连续站为例验证该方法对长空缺插值的优势。通过实验分析不同情况的空缺和插值对GPS时间序列速度、周期项以及噪声特性的影响。结果表明,空缺对速度影响较小,较少的观测也可以较好地反映地壳线性运动;空缺对周期项影响较大,利用GPS分析周期性运动时必须考虑空缺的影响;噪声频谱分析显示离散空缺比长空缺影响大,噪声特性分析时应注意。     

地学数据集成及空间决策支持的方法与应用

空间数据分析技术的严重滞后出现了“信息爆炸”的现象。因此,由于地学数据多源性的特点,如何集成量纲不一,形式多样,既有定量数据,又有定性的文字描述,经验性和知识性的地学数据并使之帮助决策成为当前亟待研究的课题之一。本文讨论两个空间数据集成和决策支持方法:模糊证据权重和加权逻辑回归方法。与传统地学数据集成和空间决策支持方法如判别分析和其他多元回归不同之处在于,这两种方法在解释变量是连续和类别变量混合模式的情况下或响应变量取两类值的情况下处理的结果更为合理。     

海河流域降水空间插值方法的选取

在水资源承载力模型的研究中,空间插值可以提供每个计算栅格的气象要素资料。在众多的气象要素空间插值方法中,并没有一种适合每一个气象要素的最佳插值方法,因此在不同的区域进行气象插值时,宜采用不同的方法进行比较,从而得到最佳的插值方法。本文以京津冀地区43个站1961-2000年降水资料为数据源,选用了距离平方反比法(IDS)、梯度距离平方比和普通克里格法。交叉验证结果表明:在海河流域进行降水插值分析时由于各月份降水与高程之间的相关系数较弱,不宜采用GIDS方法;在本研究区内大部分月份降水数据进行对数变换后进行插值,插值精度得到了提升;对于月降水的插值Kriging方法比IDW方法更加优越。     

���Իع�������С����ƽ��ģ�ͼ�����

??????????????г????е?????????????С???????????????????????С?????????????????????????????????????С????????????????????????????????????????????     

贵州局地大气加权平均温度模型的建立与精度分析

基于贵阳、威宁两个无线电探空站2014~2016年的气象数据,采用一元线性回归方法构建贵州整体、局地及季节大气加权平均温度Tm模型,并分析模型的精度。结果表明,贵州整体Tm模型精度高于Bevis模型、全国模型和亚热带季风气候模型;建立贵州局地、季节模型有助于进一步改善Tm的精度;相较于Bevis模型,局地Tm模型反演的PWV精度更高,与实际降水吻合更好。     

变异函数模型参数的加权总体最小二乘回归法

顾及距离值的随机误差,提出用加权总体最小二乘回归法估计变异函数模型参数。通过协方差传播律发现,分组后的变异函数值和距离值是不等精度的。给出距离值的定权方法,结合熵权法和点对数法迭代解算模型参数。以幂函数模型为例,模拟数据和实测数据的结果表明,加权总体最小二乘回归法更加合理,参数的估计精度也更高。     

东北地区TRMM数据降尺度的GWR模型分析

利用东北地区2000-2010年93个气象站点观测数据作为“真实值”,对TRMM降水数据进行精度验证,发现研究区TRMM降水数据与观测数据之间具有明显的线性相关性,且TRMM降水数据数值偏大于观测值,表明TRMM降水数据在东北地区具有一定的可信度。对东北地区多年平均、2001、2010年的TRMM数据,进行GWR模型降尺度研究,得到1 km的新降水数据,并与全局OLS回归模型进行对比。结果表明：（1）相比全局OLS回归模型,GWR模型的降尺度结果可获得更好的R与RMSE,说明GWR模型更适用于东北地区TRMM数据的降尺度研究;（2）东北地区GWR模型的降尺度分析结果与观测数据之间的相关系数在0.44-0.97之间,且分布较分散;（3）经过降尺度的TRMM降水数据,在空间分辨率上有较大提高,能更真实地反映研究区的降水特征,为该数据小尺度的应用研究奠定基础。