基于空间自回归神经网络模型的空间插值研究

基于空间距离计算的空间自相关权重系数是经典空间插值方法的核心,然而由于空间距离与自相关权重之间复杂的非线性关系,反距离权重(IDW)法和克里金(Kriging)法等传统空间插值方法,在求解权重精准解时存在一定的局限性。由此,利用神经网络超强的非线性拟合能力,通过融合神经网络与空间自回归方法,建立了空间自回归神经网络(SARNN)模型,实现了空间自相关权重的精准计算并将其应用于空间插值研究。为验证SARNN模型的有效性和可行性,采用两类模拟数据及海洋环境数据进行交叉验证,并与IDW法和Kriging法进行精度对比。实验结果表明,SARNN法显著提升了R2、RMSE、MAE、MAPE等统计指标,插值结果明显优于IDW法和Kriging法;同时,SARNN法在空间插值中对突变数据和极值数据的预测较为准确,改善了传统插值方法空间平滑过渡差,易出现“牛眼”、锯齿现象等问题,显著提高了空间插值结果的准确性与合理性。SARNN法提供了一种空间插值的新思路,具有较为广泛的应用价值。

个体与环境交互作用下中国成人超重肥胖情况变化趋势及影响因素研究

论文基于中国25个省份内635个社区的29586个成年居民2010-2016年的纵向追踪调查数据,分别利用非线性发展模型和多层Logistic回归模型,阐释中国居民超重肥胖情况的变化趋势,同时探究其在个体与环境交互作用下的影响机制。研究发现:①以身体质量指数衡量的中国成人超重肥胖发生风险逐年增加,其中女性、年龄、有配偶人群、日均锻炼时长负向作用于成人身体质量指数增长速率;②中国成人超重肥胖差异具有多层级性,个体层面社会经济属性、饮食习惯和行为方式,社区层面建成环境和自然环境,省域层面城市化水平,均能影响成人超重肥胖发生;③不同层级间超重肥胖影响因子具有交互作用关系,环境能通过影响个体心理状态及行为选择对个体健康结果的作用,间接作用于居民超重肥胖结果。研究结果旨在帮助中国成人居民达到更好的健康状态,以及为相关政府部门制定促进人口健康的政策提供理论依据。