室内用户语义位置预测研究

位置预测技术可以提前预知用户下一时刻的位置,在基于位置的服务（Location-based Service,LBS）领域中发挥着极其重要的作用。现有的位置预测技术大多仅使用用户的地理轨迹,仅使用地理轨迹挖掘出来的用户移动模式易受地理特性的限制缺乏深层次的语义信息。本文基于某商场群体用户的室内轨迹数据和语义信息预测用户下一个时刻语义位置。语义位置预测包括停留区域识别、停留区域语义匹配、语义位置建模。在停留区域识别阶段,为减少室内停留时间不固定对停留区域识别的影响,本研究提出了一种新型的时空凝聚层次聚类算法（Spatial-Temporal Agglomerative Nesting, ST-AGNES),该算法具有思想简单、超参数少、自动生成聚类个数等优点。在语义匹配阶段,引入了吸引度规则,充分利用停留区域所有轨迹点与室内高密度的商铺名称信息做匹配。最后,采用长短型记忆神经网络模型（Long Short-Term Memory,LSTM）挖掘群体用户的语义位置模式并预测用户未来的语义位置,实验预测正确率达到61.3%。     

基于"山西2015速度模型"的定位方法对比研究

为了确定山西台网基于“山西2015速度模型”的相对固定的定位方法,选择2010~2016年最大空隙角小于45°、参与定位台站数大于40的103个地震事件,分别采用单纯形法、Hypo2000、Hyposat结合PTD等3种方法重新测定。结果显示,单纯形法和Hyposat结合PTD测定的残差以及网缘地震的震中距两方面均优于Hypo2000;在震源深度方面,Hyposat结合PTD的结果较为可信。综合分析认为,基于“山西2015速度模型”定位地震时,山西台网应固定使用Hyposat结合PTD的方法。     

中美两套西北太平洋热带气旋资料集的差异分析

利用中国气象局(CMA)和美国联合台风预警中心(JTWC)两套西北太平洋热带气旋(TC)资料集,对比分析了两者在1951—2005年TC定位和定强方面的差异。结果表明:两套资料定位差在20世纪50年代至60年代初及1988年至90年代差异较大;地理分布上主要是在TC登陆后所在的地区及高纬度洋面上差别较大。定强方面,CMA资料在20世纪50年代及60年代末至70年代初TC强度明显大于JTWC资料,JTWC资料则在80年代末以后的时段TC强度显著大于CMA资料;地理分布上定强差大的区域在80年代以前分布较零散,之后随着JTWC资料定强增大,其在西北太平洋洋面上强度显著偏强,CMA资料同期则在亚洲大陆沿岸部分地区强度较强。进一步分析显示,两套资料集之间的差异和TC观测技术的变化之间存在密切关系。在气象卫星使用以前(1951年至60年代初),以及美国空军飞机观测终止之后(1988年以后),两者无论是在定位还是定强上都存在很大差异;而两者定强差最小的时期(1973—1987年)则正好对应了飞机观测和Dvorak技术在TC观测上同时被使用的时段。两套西北太平洋TC资料集总体差异明显,却又各具特点,目前很难判断哪一套资料集更加可靠。但对于影响中国TC,CMA资料集具有明显优势。     

江苏沿海地区海洋渔业发展差异与对策

江苏是海洋大省,但并非海洋强省,2005年海洋渔业在全国处于第6位,为浙江和山东的1/3和1/5。江苏具有发展海洋渔业的有利条件,丰富的水产资源和滩涂资源适合发展海洋渔业,发达的地区经济为渔业发展提供了技术支撑。从省内区域差异来看,渔业过分集中于如东、启东等少数县市,多数县市产业优势未能充分发挥。应该大力发展海水增养业、加强养殖区域生态环境保护,积极发展相关海洋产业。     

闸坡站风暴潮增水与热带气旋登陆点及路径的关系

将1992～2006年15a间影响和登陆闸坡站的热带气旋按照登陆点和移动路径进行分类．研究各类热带气旋在闸坡站引起的风暴潮增水峰值的出现时间与热带气旋登陆点及移动路径的关系,定性分析热带气旋风场结构对风暴潮增水的影响并经过2007年至今风暴潮增水预报过程中的实例检验．结果表明：闸坡站的增水类型与热带气旋的登陆地点和路径关系密切．在闸坡站登陆的东北行热带气旋引起的风暴潮增水多出现在登陆前,其他路径则出现在登陆时或登陆后;在闸坡以西登陆的热带气旋引起的风暴潮增水峰值一般发生在登陆时或登陆后1h以内;在闸坡站以东登陆的热带气旋引起的风暴潮增水峰值一般发生在登陆前10h以上;而其他类型的热带气旋引起的风暴潮增水由于个例较少规律尚不明显．     

基于位置大数据的国庆假期青藏高原人群分布时空变化模式挖掘

人类活动是引起青藏高原生态环境发生改变的重要因素。很多学者对青藏高原史前人类活动和近几十年的人口分布格局与人口流动开展了大量研究,但有关人群时空分布的精细尺度研究相对缺乏。海量的位置大数据为认识高原人群短期的动态变化提供了新途径。本文利用手机定位数据、人口迁徙数据等高时空分辨率的位置大数据,通过时间序列分解方法和基于统计检验的异常判别方法,分析了2017年国庆期间青海与西藏的人群分布时空变化特征,并探讨了假期旅游行为及人口迁徙与变化特征之间的关系。研究结果显示：① 在省级和城市整体尺度上,定位请求量的假期变化在时间上呈现先降后升的“潮汐”变化模式;② 在精细网格尺度上,西宁和拉萨城市及周边地区的人群分布变化在空间上呈现中心跌、周边涨的“离心化”变化模式。国庆假期人们向城市周边热门景点移动聚集的旅游行为和城市之间的人口迁徙都是导致西宁和拉萨周边地区定位请求量上涨的重要潜在原因,而两座高原城市中心定位请求的下跌不仅与人口迁徙有关,还与假期人类日常行为及定位请求频次的变化等因素有关。通过位置大数据挖掘节庆假期人群分布的时空变化,不仅加深了对高原人口分布格局与流动变化的认识,也为高原城镇化与生态保护的精细化管理与决策提供支撑。     

基于改进的向后-向前选择法粗差定位与估值算法

对传统的向后-向前选择法粗差定位方法进行改进,即在原有基础上加入对平差模型的整体检验,计算统计量的相关系数,通过对偏相关系数的检验来定位统计量相关的粗差观测值。通过模拟粗差算例证明,该算法能够准确定位多维粗差,有效改善粗差定位转移的现象,且粗差估值结果比较可靠。     

�㶫������������˫����¶�λ�������

???????λ????????????2004??1???2007??5??ML??1.5????????????ж?λ??????????2004??9??17?????????4.9????????????????????????????????????????ML??2.0?????????????б?????????????4.9???????????????????????????λ???????￡????????1?±?????????????????????????????????4.9?????????????????????     

基于神经网络的选址区位评价模型分析应用

针对设施选址区位评价问题,分析了分级评分、回归分析等传统方法的特点和不足,并由此提出基于人工神经网络的选址区位评价模型;系统地分析了利用神经网络模型进行选址区位评价的思路和特点,提出基于遗传算法的网络结构和网络学习优化算法;通过某大型银行网点的选址实例分析,验证了该评价模型的可行性和实用性,同时也总结了其在实际应用中的若干规律。     

空间选址关键因素及其建模研究

影响空间选址的因素错综复杂,本文在对以往一些研究成果进行综合分析的基础上,提出了空间选址的三大影响因素:容量、区位特征和作用范围,并进行了空间选址的建模研究,建立了三个基本模型(容量因素影响模型、区位特征因素影响模型、作用范围因素影响模型)和空间选址的评估模型,并结合应用实例对该模型进行了初步的验证。