基于局部非线性地理加权回归模型的地表 温度降尺度算法研究

地表温度(land surface temperature,LST)是反映地表状况的一个重要参数,能对地表-大气相互作用过程进行描述。由于受到卫星热红外传感器成像条件的制约,获取的卫星热红外遥感图像存在时间分辨率、空间分辨率难以兼顾的问题,导致反演的LST数据难以得到深入应用。采用LST降尺度算法可以解决此矛盾,获得高时空分辨率的地表温度数据。目前LST降尺度模型逐步由全局模型转向局部模型,但局部降尺度模型忽略了非线性关系。针对此问题,提出基于局部非线性地理加权回归(non-linear geographically weighted regression,NL-GWR)的地表温度降尺度算法。选择合适的研究区域,并分别选取归一化差异植被指数(normalized difference vegetation index,NDVI)、归一化差异建筑指数(normalized difference build-up index,NDBI)以及数字高程模型(digital elevation model,DEM)作为辅助参数进行LST降尺度,将中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)地表温度空间分辨率从1000 m提升到100 m,并将基于地理加权回归(geographically weighted regression,GWR)与NL-GWR模型的降尺度结果进行对比分析。实验结果表明,考虑非线性关系的NL-GWR模型要优于GWR线性模型,能够获得较低的均方根误差(1.96℃)和平均绝对误差(1.63℃)。

城市住房价格局部线性地理加权回归分析——以湖北省黄石市为例

研究目的:以土地稀缺、资源组团型城市——湖北省黄石市为例,尝试引入局部线性地理加权回归(LLGWR)方法,探索住房价格及影响因子的空间变化规律,为政府房地产市场管理和土地利用规划提供借鉴。研究方法:整理1.93×104个住房样本和398个楼栋样本,遴选楼栋总层数、容积率、绿化率、小区等级、距区域中心距离、销售年份等作为解释变量,采用LLGWR方法构建城市住房价格的模型,并进行分析与解释。研究结果:与常规线性回归(OLS)相比,地理加权回归(GWR)和LLGWR能更合理和准确地解释住房价格的空间变异,且LLGWR优于GWR;销售年份、容积率、地理区位能显著影响住房价格,同时楼栋总层数、绿化率等因素影响住房价格,且在不同功能片区具有明显差异。研究结论:LLGWR模型可以实现系数函数和误差方差的无偏估计,提高模型的估测精度,能更为准确地解释住房价格;宏观市场趋势是影响住房价格的关键因素,但在不同的地理区位,住房价格增长趋势有明显的差异;土地利用规划和土地供应影响房地产空间分布,但研究区内土地价格对住房价格的影响不明显。

灰铸铁抗拉强度预测的局部加权线性回归建模

为实现在生产现场对灰铸铁抗拉强度进行快速、准确的预测控制,引入非参数化的局部加权线性回归建模方法,过程参数的选择结合铁水热分析仪检测的碳、硅含量及光谱仪检测的锰、磷、硫等主要化学成分值。从安徽一家大型铸造厂的实际生产中采集100多炉铁水化学成分与对应抗拉强度数据,经预处理后,分成训练集和验证集,进一步从新的生产批次采集检测数据组成测试集;并从文献中收集40组数据组成另一数据集,进行两组对比验证实验。将局部加权线性回归模型,与目前灰铸铁强度预测中常用的多元线性回归模型和BP神经网络模型对比,验证了该方法能够达到更高的预测精度,且其非参数化的建模方式能够更好地适应生产现场复杂多变的工况环境。

异方差混合地理加权回归模型的正交投影估计

文章针对误差项存在空间异方差的混合地理加权回归模型,提出了一种新的估计方法。该方法将正交投影、局部线性估计和广义最小二乘估计的思想相结合,能够单独对模型中的常数系数、系数函数和方差函数进行估计。通过数值模拟对所提方法的性能进行验证。模拟结果表明,所提方法比现有的再加权估计方法更具优势。最后,基于城镇居民文化消费水平及其影响因素的实证分析验证了所提方法的实用性。

资产方程中回归函数的局部线性加权估计

通过将标的资产价格所满足的积分方程转化为回归模型,建立了回归模型中回归函数的局部线性加权估计.利用回归函数的估计构造漂移系数的样本估计量,并证明了所构造样本估计量的均方收敛性.从而使利用样本估计量构造漂移系数的估计成为可能.

基于局部加权线性回归模型的风速短期预测研究

为提高风速预测的准确性,引入局部加权线性回归算法,建立风速局部加权线性回归预测模型。该模型首先通过核函数对每一历史风速设置权重,产生新的风速数据集。其次,对新的数据集进行最小二乘线性拟合回归,建立风速局部加权线性回归模型。最后,根据该模型对风速进行短期预测。以某风电场的实测数据进行仿真验证,并与传统的ARIMA模型和BP神经网络预测模型对比,实验结果表明本文所提方法的有效性,为风速预测提供一种新方法。

基于局部加权线性回归的交通事故数据分析

结合我国1998—2016年交通事故有人员伤亡的事故数据,对未来若干年的事故数据走向进行预测.利用局部加权线性回归方法,建立预测模型,预测结果包含2017年以后每年的交通事故数及死亡人数.分析了1998年至2016年的交通事故数发展趋势,并初步探究其背后的原因.该预测及分析结果可为国家道路交通安全管理提供参考.

局部k最近邻加权线性回归的光谱反射率重建

现实中很多场景都需要精确的颜色表示,如纺织、印刷、艺术品扫描存档、在线商品展示等。光谱反射率是决定物体颜色的本质属性,如果知道了光谱反射率,就可以重现物体在任何光照和观测条件下的颜色。采用专业仪器测量光谱反射率有成本高、分辨率低、测量时间慢等问题。随着数码成像设备的普及,基于相机RGB响应值的光谱反射率重建算法具有重要现实意义。光谱反射率重建的目的是建立低维RGB响应值到高维光谱反射率向量的映射关系,回归方法在这一领域已取得广泛应用。由于光谱反射率向量所处的空间是嵌在高维欧氏空间中的一个低维子流形,在训练样本有限的条件下,传统的全局回归方法不能有效地学习该流形结构,往往导致过拟合,使得学习出来的模型泛化能力较差。局部线性回归方法虽然可以改善全局回归过拟合的问题,但是局部学习方法易受例外点的影响,导致拟合不足。针对这一问题,提出一种基于局部加权线性回归的光谱反射率重建方法,这种方法在一个k最近邻范围约束内,给每个局部训练样本赋予不同的权重,从而有所侧重地利用局部训练样本来估计光谱反射率。实验结果表明,基于局部k最近邻加权线性回归的方法能更有效地利用局部信息,缓解过拟合和拟合不足,更准确地重建光谱反射率。

基于局部加权线性回归的电离层层析重构

电离层层析重构的精度和穿过电离层的观测射线的分布和数量息息相关,由于地面观测站与卫星数量和分布的局限性,电离层大量格网内没有射线通过,进而使得没有射线穿过的格网迭代收敛后的像素值与初始值相同;然而实际反演过程中,初始值通常是由精度不高的经验电离层模型给出,从而使得电离层层析重构的精度不高。围绕这一问题,将机器学习领域的局部加权线性回归算法拓展应用到电离层层析重构技术中,依据电离层格网空间内像素的电子密度空间平滑分布特性,为没有射线穿过的格网通过局部加权线性回归算法计算格网像素值,解决了没有观测射线穿过的格网对初值的过度依赖问题,进而提高电离层层析重构的精度。数值模拟实验和实测数据的仿真结果表明新算法相比于传统层析算法更加有效、可靠和优越。

基于半参数回归模型的最小一乘局部线性算法

根据最小一乘准则,推导出最小一乘局部线性估计的计算方法,并通过对模拟数据的计算和分析,对比最小一乘核算法和最小二乘局部线性算法,验证了最小一乘局部线性算法是一种有效的,稳健的估计方法,并且有降低边界效应的作用.

基于局部加权映射回归的合采井产能预测算法

在油田开发中,为了节约成本,优化生产,多采用几个油层混合开采。在混合开采过程中,为了使油井处于合理有效的生产状态,必须了解单个油层对混采油的产量贡献。利用原油色谱烃技术,提出了一种基于局部加权映射回归和粒子群算法的预测方法,并采用原油配比实验进行了验证。实验结果表明,该方法具有一定的可行性,与现有的预测方法比较,提高了预测的准确率。

空间变系数地理加权自回归模型的局部GMM估计

近年来,空间数据的分析与建模得到了广泛关注和重视。空间自相关性和空间异质性是空间数据最重要的两类性质。现有研究大都是单独分析这两类特性。在空间自回归模型和地理加权回归模型的基础上,研究了一类空间变系数地理加权回归模型,该模型将普通的空间自回归模型的空间滞后参数和回归系数都设置成空间变系数,既考虑了空间自相关性,又反映了空间异质性。因为,空间变系数地理加权自回归模型是一类具有内生变量的变系数模型,为了解决内生变量问题,基于局部线性平滑法和广义矩法,构造了未知系数函数的局部GMM估计。对于表达式中的正定加权矩阵,进行了三种选择,并进行了数值模拟。为了比较空间变系数地理加权自回归模型局部GMM方法下的参数估计效果与地理加权回归模型和空间自回归模型下的估计效果,在模拟中根据不同的模型形式生成数据,结果表明提出的模型和方法表现良好。最后,利用所研究的模型和估计方法对中国省域城镇居民消费与收入的关系进行了研究,所提出的方法在实例分析中也取得了较好的结果。研究表明,所研究的模型和估计方法效果良好,适应性广,可以避免模型设置错误的风险,具有广泛的应用前景。

线性回归参数的总体最小二乘估计算法研究

针对线性回归参数的总体最小二乘估计问题提出了线性回归加权总体最小二乘平差模型,在此基础上推导了线性回归的加权总体最小二乘迭代算法。之后,采用一个算例进行了分析,其结果验证了提出模型和算法的正确性和可行性。

基于支持向量机回归算法的旅游短时客流量数据预测模型

传统的客流量数据预测模型获取的数据维数较高,难以消除冗余数据,导致预测结果误差较大。为此本文提出了基于支持向量机回归算法的旅游短时客流量数据预测模型。首先利用局部线性嵌入算法对旅游短时客流量数据样本点进行局部重构,减小重构误差,降低数据维数,并消除客流量数据中存在的噪声数据和冗余数据。然后利用支持向量机回归算法构建旅游短时客流量数据预测模型。实验结果表明:该模型预测结果的最大百分比误差、平均百分比误差和均方误差均较低,证明该模型实现了设计预期。

空间局部加权回归自适应TFPF

时频峰值滤波(TFPF)算法是一种非常有效的去噪方法.但是传统的TFPF采用的单一窗长,并且仅沿时间方向进行滤波,忽略了信号的空间信息,并且TFPF近似等效成一个时不变的低通滤波器,不能追踪快速变化的信号.针对这些问题,引入空间局部加权回归自适应TFPF(SLWR-ATFPF).鉴于随机噪声在各个位置的方向随机性,以及有效信号在各个位置的方向确定性,首先利用空间局部加权回归(SLWR),对含噪信号进行空间加权,从而使加权之后的信号包含空间信息.然后,再引入凸集和Viterbi的思想,对空间加权之后的信号进行自适应滤波.从而,完成时空域二维自适应滤波.将SLWR-ATFPF应用于合成记录和实际的共炮点记录,实验结果表明,改进的方法与原算法相比,能够在压制低信噪比(SNR)随机噪声的同时更好地保留有效信号.

一类多重积分蒙特卡罗近似求解及其局部加权回归拟合

从概率论角度出发,通过构造随机变量序列及其分布,结合辛钦大数定律和依概率收敛,对一类n重积分的极限问题进行证明;利用多维连续型随机变量数学期望和重积分之间的关系,对n重积分进行离散化处理,在此基础上构造蒙特卡罗算法,并对给出的一类n重积分当n→∞时的极限过程进行模拟计算;在蒙特卡罗法近似计算结果的基础上,利用局部加权回归对计算结果进行拟合,利用R软件给出蒙特卡罗法和局部加权回归拟合过程的可视化,当重积分重数n不断增加时,近似计算结果和回归拟合曲线都能很好地逼近极限值;对一类n重积分极限中的参数进行修正,并将文献给出的在固定区域[0,1]×[0,1]×…×[0,1]上一类n重积分极限的结论推广至一般区域[0,u]×[0,u]×…×[0,u]上,然后利用蒙特卡罗法对一般区域上n重积分当n→∞时的极限过程进行模拟计算,并利用局部加权回归对其进行拟合,从而进一步验证结论的合理性。

基于局部对齐单目视频深度的三维场景重建

单目深度估计方法在各种场景下已经取得了较强的鲁棒性,该类方法通常预测尺度偏移量未知的不变仿射深度而非度量深度,因为收集大规模的不变仿射深度训练数据比收集度量深度训练数据容易得多。然而,在某些基于视频的应用场景中,例如视频深度估计和三维场景重建,每帧预测的深度中存在的未知比例和偏移量值可能会导致预测的深度不一致。为了解决该问题,我们提出了一种基于局部加权线性回归的方法,通过利用稀疏锚点恢复深度的尺度图和偏移量图,以保证连续帧之间的一致性。大量的实验表明,我们的方法可以在几个零样本基准上显著降低现有技术方法的Rel误差(相对误差)。此外,我们收集了630万张RGBD图像对来训练鲁棒的深度模型。通过局部恢复尺度和偏移量,我们的ResNet50-backbone模型性能甚至超过了最先进的DPT ViT-Large模型。与基于几何的重建方法相结合,我们提出了一种新的稠密三维场景重建流程,既能受益于稀疏点的尺度一致性,又能受益于单目深度估计方法的鲁棒性。通过对视频的每一帧依次预测深度图,我们可以重建出准确的三维场景几何信息。

基于局部加权偏最小二乘法的冷凝器污垢预测

提出了基于局部加权偏最小二乘回归算法的污垢预测算法,通过在训练集的污垢数据局部模型内对新测得的数据进行偏最小二乘回归分析,并应用自适应算法对模型参数、各模型之间的加权系数进行自动优化调整。算法能很好地解决新旧数据相互影响问题,以适应冷凝器水质及工况参数的动态变化,具有学习速度快、泛化能力强及鲁棒性强的特点。通过与各种工况下的污垢预测值比较,实验结果说明基于局部加权偏最小二乘回归学习算法的污垢模型预测精度比神经网络模型、渐近污垢模型有显著提高。

一种加权局部熵羽化的图像拼接模型

图像拼接技术能多幅背景相似的图像合成为一张全景图像,也可以补充某些图像缺失的部分,但是目前常用的拼接算法还存在准确性不高、鲁棒性不强的缺陷,为此本文提出了一种加权局部熵羽化的图像拼接模型。首先对图像的局部熵进行羽化,然后采用一元线性回归的方法对邻域像素的灰度图像进行相似度的优化,最后对图像的局部熵进行加权,以突出图像中领域像素之间的块相似度,降低羽化的痕迹。模型的对比仿真结果表明,本文提出的算法相比较SIFT算法,对于动态图像的拼接具有更高的准确性,并且抗噪性能更加,具有较好的鲁棒性。