一种协同时空地理加权回归PM2.5浓度估算方法

针对PM2.5浓度估算中时空特征考虑不足和样本量较少的问题,该文将协同训练和时空地理加权回归相结合,提出了协同时空地理加权回归。采用两个不同参数的时空地理加权回归模型作为回归器,利用一个回归器训练另一个回归器的未标注样本,选择最优结果作为标注样本加入标注样本,通过不断学习扩大标注样本量提升模型的回归性能。以京津冀地区2015年3-7月的PM2.5浓度数据为实验数据,利用气溶胶光学厚度产品、温度、风速和相对湿度进行建模,采用不同核函数的时空地理加权回归作为对比方法进行实验。结果显示,协同时空地理加权回归性能比基于Gauss核函数时空地理加权回归提升了10%,比基于bi-square核函数时空地理加权回归提升了6.25%,证明该文方法能够提升时空样本数量不足时的PM2.5浓度估算精度。     

一种基于主成分分析的时空地理加权回归方法

针对时空地理加权回归模型(GTWR)进行预测时,输入变量较多导致计算复杂度高,而输入变量较少引起预测精度降低这一问题,提出了一种基于主成分分析的时空地理加权回归方法(PCA-GTWR)。该方法采用非线性主成分分析方法,先对影响PM2.5浓度的若干相关变量降维处理得到几个综合指标,并将其作为GTWR模型的输入变量进行预测。为验证该方法的有效性,采用北京市2014-04—2017-03的PM2.5数据,利用Pearson相关系数法选取与PM2.5浓度具有较高相关性的影响因素作为常规的GTWR模型的输入变量,在变量个数相同的前提下,与本文方法进行对比。结果表明应用非线性主成分分析方法对相关变量进行预处理后,有效地解决了变量之间的共线性,保留了原始影响因素主要信息,提高了运算效率,且该方法的MAE、RMSE、AIC均低于常规的GTWR模型,拟合优度GF最高达到88.11%。     

一种局部多项式时空地理加权回归方法

基于加权最小二乘估计的时空地理加权回归方法,在随机项方差相同且最小的假设条件下估计回归参数和拟合值,由于没有考虑时空分析中异方差影响而导致估计结果存在一定偏差。局部多项式估计是一种消除异方差影响的非参数估计方法。本文在局部多项式估计原理基础上,提出了局部多项式时空地理加权回归方法。它是采用三元一阶泰勒级数展开式重构时空回归系数和自变量矩阵,进而建立满足高斯-马尔可夫独立同分布假定要求的新模型,利用新模型回归系数估计值、拟合值以及新模型与原模型的关系,可得到原模型回归系数估计值和拟合值。本文采用模拟数据和真实数据进行试验,以GTWR与局部线性地理加权回归作为对比方法,从方法适用性、整体估计效果、回归系数估计偏差和拟合优度、整体估计偏差等方面分析了LPGTWR方法性能,有效证明了LPGTWR方法能消除异方差影响提升估计精度。     

社会经济权重约束下的时空地理加权回归方法

时空地理加权回归方法本质上是一种局部回归,容易放大局部的时空效应,而减小或者忽略了影响因素全局上的重要程度,造成估计偏差.为了解决这个问题,该文提出一种社会经济权重约束下的时空地理加权回归方法,在计算时空权重矩阵的同时,采用客观赋值法,利用各社会经济因素间的对比强度和冲突性,从全局角度计算各社会经济因素的权重,再基于各因素权重估算相对应的回归系数.以京津冀地区生产性服务业影响因素分析为例,进行实验验证.结果 表明,新方法的RMSE和SSE比传统GTWR的分别提升了75.08％、93.9％,R2提升了13.4％,有效弥补了GTWR放大时空非平稳特征、忽略社会经济因素重要程度的不足,提升模型拟合效果.     

网格GIS的四重地理空间网格模型

在对网格与网格GIS深入分析的基础上，提出了网格GIS体系结构的四重地理空间网格模型，论述了其结构与特点，简述了网格GIS的技术体系，并对一个工程设计实例进行了网格化的分析。     

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。     

北京PM2.5浓度空间分布的贝叶斯地理加权回归模拟北大核心CSCD

针对地理加权回归(GWR)模型无法克服小样本数据下异常值影响的问题,该文利用贝叶斯地理加权回归(BGWR)模型对北京地区2016年10月1日至12月29日长达90d的PM2.5监测数据进行了浓度模拟。该方法通过加入贝叶斯先验信息,选取不同的平滑函数,在局部空间样本稀少的情况下,有效降低了异常值和"弱数据"对回归结果的影响,更加真实地反映了PM2.5浓度空间分布。实验结果表明,基于不同平滑函数的3种BGWR模型校正决定系数分别达到了0.799、0.801和0.867。平均比GWR模型提升了28%,比OLS模型提升了32%,证实了BGWR模型在模拟PM2.5浓度分布时具有更好的适用性。     

贪心算法的地理加权回归特征变量选择方法

针对建立地理加权回归(GWR)模型时,无法直接应用普通线性回归(OLR)常用的特征变量选择方法,且计算过程较复杂的问题,该文基于贪心算法原理,通过引入Akaike信息法则,设计了适用于GWR的特征变量选择方法:逐个引入或删除特征变量,判断该变量对模型置信水平影响程度,根据评价准则决定该变量的取舍,最终实现模型外没有关系强的变量、模型内没有关系弱的变量。实验结果表明,比较基于OLR的逐步回归、向前引入法和向后删除法3种方法选择变量建立模型,向前引入法优于向后剔除法,两者都优于基于OLR的逐步回归法,更适用于GWR分析。     

一种基于半监督学习的地理加权回归方法

地理加权回归方法在小样本数据下回归分析精度往往不高。半监督学习是一种利用未标记样本参与训练的机器学习方法,可以有效地提升少量有标记样本的学习性能。基于此本文提出了一种基于半监督学习的地理加权回归方法,其核心思想是利用有标记样本建立回归模型来训练未标记样本,再选择置信度高的结果扩充有标记样本,不断训练,以提高回归性能。本文采用模拟数据和真实数据进行试验,以均方误差提升百分比作为性能评价指标,将SSLGWR与GWR、COREG对比分析。模拟数据试验中,SSLGWR在3种不同配置下性能分别提升了39.66%、11.92%和0.94%。真实数据试验中,SSLGWR在3种不同配置下性能分别提升了8.94%、3.36%和5.87%。SSLGWR结果均显著优于GWR和COGWR。试验证明,半监督学习方法能利用未标记数据提升地理加权回归模型的性能,特别是在有标记样本数量较少时作用显著。     

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.     

地理加权回归模型的多重共线性诊断方法

地理加权回归是常用的空间分析方法,已广泛应用于各个领域,但利用此方法进行回归分析前,往往忽略了对设计矩阵进行局部多重共线性的诊断,从而导致对模型的估计不准确。因此,本文在引入了全局模型的多重共线性诊断方法的基础上,对这些方法进行了改进,改进后构建了加权方差膨胀因子法和加权条件指标方法——分解比法,用于诊断地理加权回归模型设计矩阵的多重共线性问题。实验结果表明,多重共线性不存在于全局模型,而可能存在于局部模型中,构建的两种方法能够有效地诊断地理加权回归模型的多重共线性问题,且加权条件指标方法——分解比法比加权方差膨胀因子法在诊断多重共线性问题上更有优势。     

融合地理探测器和地理加权回归的太原市建设用地变化因素研究

准确地识别城市化进程中建设用地的变化情况及其背后的驱动力,对城市后续的可持续发展具有重要意义。本文首先以2000—2020年遥感影像为基础,对太原市建设用地空间分布变化进行研究,然后结合地理探测器模型和地理加权回归模型,对研究区建设用地的空间分布影响驱动力因子进行研究,得到以下结论:除政策因素外,现有的城市建设用地空间分布变化还受到高程、交通、GDP、人口等因素的显著作用。太原市城市建设用地变化的布局不单是GDP变化、人口变化、海拔高度、公路网密度4个显著性因子均匀、独立、直接作用的结果,而是具有空间异质性的各因子两两交互作用后增效的产物。本文成果有望为城市建设用地驱动力研究提供一种新思路。     

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。     

基于IGGⅢ的地理加权回归模型研究

针对离群值存在时地理加权回归模型拟合效果较差的问题,本文提出了基于IGGⅢ的地理加权回归方法。核心是采用IGGⅢ方案中的权函数计算权重矩阵,将权因子用于地理加权回归参数估计模型。利用模拟数据和真实数据与GWR、ACV-GWR进行对比试验,以MSE、MAE和R²作为指标对结果进行评价。模拟试验结果显示,IGGⅢ-GWR比GWR性能分别提升了51.14%、23.77%、28.4%,比ACV-GWR分别提升了49.96%、22.57%、27.1%;真实试验结果显示,IGGⅢ-GWR比GWR性能分别提升了12.65%、7.44%、0.37%,比ACV-GWR分别提升了11.85%、6.96%、0.34%。试验结果表明,基于IGGⅢ的地理加权回归可提高模型的抗差能力,拟合效果更好。     

逐步回归的时空地理加权变量选取方法

针对当前建立时空地理加权回归模型采用一般的变量选择方法不考虑时间和空间因素的问题,该文提出一种基于逐步回归的时空地理加权变量选取方法。通过引入Akaike信息法则为变量的取舍准则,基于逐步回归,利用陕甘宁地区影响人口分布的变量与人口分布关系进行实际性能的实验验证。实验结果表明:该方法优于传统逐步回归法、向前引入法和向后剔除法。     

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。     

一种基于CUDA的大数据量地理加权回归并行加速算法

针对传统地理加权回归(GWR)在大数据量计算中存在的计算效率低、内存占用大、数据规模受限等问题,本文提出了快速并行地理加权回归(FPGWR)算法,基于英伟达CUDA架构实现了GWR的并行加速,将串行过程分解为并行的独立回归计算模块,同时优化了内存使用模型,提高了算法的运行速度。对比FPGWR和传统GWR在不同数量级模拟数据上和真实数据上的运行速度,结果显示,FPGWR能够支持更大规模的样本量计算并有效提升运行效率,数据量越大加速效果越显著。     

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...     

复杂地形地区月平均气温(混合)地理加权回归克里格插值

以地形地貌特征复杂、观测站点分布稀疏不均匀的四川省为研究区,引入地形因子（坡度和坡向）和植被指数,采用顾及空间关系非平稳性的（混合）地理加权回归克里格模型（（mixed）geographically weighted regression Kriging,（m）GWRK）进行月尺度平均气温插值方法及精度分析研究。针对不同季节和不同地区,将（m）GWRK插值结果与基于全局回归的回归克里格（regression Kriging,RK）插值结果进行对比。结果表明,RK、GWRK、mGWRK回归关系的决定系数R2分别为0.795、0.922、0.911,均方根误差分别为0.83℃、0.64℃、0.55℃,表明GWRK、mGWRK对目标变量的解释能力以及插值精度都优于RK;GWRK、mGWRK相对于RK对月平均气温插值的改进具有季节与地区差异,冬半年的改进大于夏半年,在地形地貌变化大的地区改进大于地形地貌变化小的地区。     

基于网格的地理空间信息服务关键技术研究

地理信息服务主要解决传统的地理信息系统所访问的地理信息资源共享问题.提出了基于网格的地理信息服务技术体系,建立了基于网格地理信息服务概念框架,以及基于网格地理空间信息服务平台的层次结构.探讨了地理空间数据网络传输保密技术、多源地理空间数据无缝集成技术、地理空间信息多级格网搜索技术、地理空间数据的无损压缩技术和地理空间信息服务规范5个方面的地理信息服务关键技术.