基于GIS的地理网络模型研究

本文在分析地理网络特征的基础上 ,提出了地理网络的概念模型 ,并用面向对象方法构建了地理网络的逻辑模型。

地理连接网络模型中的距离性质

网络中的节点之间的距离是复杂网络研究中最重要的问题之一.本文研究了地理连接网络模型中两种距离——典型距离和洪泛时间——的渐近行为。通过构造辅助树和使用连续时间分支过程,证明了在这个网络模型中的典型距离具有渐近正态性,并且洪泛时间依概率收敛于一个给定的常数。

地理卷积神经网络时空加权回归理论方法研究

针对传统时空地理加权回归模型在探测时空异质性方面能力有限的问题,本文引入卷积神经网络,提出地理卷积神经网络时空加权回归模型。该模型通过设计一种时空加权卷积神经网络,并利用Dropout算法和批归一化算法进行优化,从而达到对时空权重矩阵的精确求解,进而为充分探测事物的时空异质性提供理论方法。以2012-2019年福建省县级能源消费碳排放量及其影响因子为基础数据,对两种模型进行验证。结果表明,文章提出的模型的精度指标AICc、RSS、R2比时空地理加权回归模型的分别提升了451.3、0.51、0.06。

利用时空神经网络模型的长江经济带气温反演

传统基于遥感的气温反演方法往往使用全局模型,从而忽略了气温分布及其时空影响异质性,特别是在较大区域尺度的研究中存在不足。针对长江经济带区域,引入时空地理加权神经网络模型,建立一种高精度的气温估计方法。通过在广义回归网络模型中建立局部模型来顾及时空异质性的影响,融合遥感数据、同化数据、站点数据,获取面域分布的近地表气温信息。采用基于站点的十折交叉验证方法对模型性能进行评估,结果表明,时空地理加权神经网络有效提高了气温估计的精度(均方根误差为1.899℃,平均绝对误差(mean absolute error,MAE)为1.310℃,相关系数为0.976),与多元线性回归和传统的全局神经网络方法相比,MAE值分别降低了1.112℃和0.378℃。气温空间分布制图结果显示,该方法结果能很好地反映长江经济带气温空间上的差异和不同季节的特征信息,具有实际应用价值。