基于对数比转换的成分数据空间插值研究

【目的】以新疆玛纳斯河绿洲表层土壤质地数据为例,研究对数比转换方法在成分数据空间插值中的应用。【方法】采用加法、中心化和等角3种不同对数比转换方法,对土壤颗粒含量数据进行转换,针对数据中的零值不能进行对数比转换问题引入了零值替换方法,空间插值采用普通克里格法。【结果】零值替换后土壤颗粒之和仍为100%。基于对数比转换的插值结果满足土壤质地颗粒组成定和100%的要求,而对土壤颗粒单独插值不满足定和100%的要求。插值结果精度评价表明基于等角对数比转换方法的插值结果最优,但3种方法的结果差别甚小。【结论】零值替换方法的引入在不改变成分数据定和的前提下避免了零值不能进行对数比转换。基于对数比转换的普通克里格法满足成分数据空间插值的非负、定和、误差最小和无偏估计4个要求。

一种改进的成分数据的中心对称对数比变换

由于成分数据定和限制的约束,使得常用的多元统计方法对其失效.为了解决这个问题,文章提出了成分数据的加权对称对数比变换,并用双标图将其从图形的角度进行分析.实证研究部分显示所得结果更符合实际情况.

基于对称对数比变换的成分数据预测建模方法

文章基于对称对数比变换,提出一种成分数据的预测建模方法,并利用该方法对北京市三次产业的数据进行简要分析.

不同插值方法对成分数据空间预测结果的影响——以土壤连续分类模糊隶属度值为例

地球科学中成分数据(compositional data)非常普通,其在进行空间插值时必须满足4个条件:每一位置各组分之和为常数,每一组分为非负,插值结果无偏最优。本文以土壤连续分类模糊隶属度值为例,数据经对数正态变换、非对称对数比转换、对称对数比转换后进行普通克里格插值结果和成分克里格插值(compositional kriging)结果进行比较。结果表明,对原始数据和经对数正态变换后数据进行插值,每一位置预测结果隶属度之和不能满足常数1。经非对称对数比转换后,插值结果虽然满足各个位置组分之和为1,但是预测结果精度较低,且预测结果空间分布连续性不明显。数据经对称对数比转换后插值结果和成分克里格插值结果,都能满足成分数据空间插值的4个条件,但二者各有优势。相比较而言,对称对数比转换方法得到的预测结果更能体现土壤空间连续渐变特征,而成分克里格插值结果能保证隶属度本身是最优无偏估计。

土壤模糊隶属度不同数据转换方法及其对空间插值结果的影响

应用模糊c-均值算法对土壤进行连续分类时,其输出的土壤模糊隶属度值具有成分数据的结构特点。直接基于土壤隶属度数据实施普通克里格插值,其空间预测结果缺乏可信度。因此,在进行插值预测之前,必须对土壤模糊隶属度值进行必要的数据转换。研究采用对数正态变换方法、对称对数比转换方法和非对称对数比转换方法对土壤模糊隶属度值进行数据转换,分析了各种数据转换形式对插值结果及其精度的影响。结果表明,对样点土壤模糊隶属度进行简单对数正态转换,其插值结果空间上任意点的土壤对于不同类别的隶属度之和均不为1,因此这样的插值结果理论上缺乏可行性。数据经非对称对数比转换和对称对数比转换后,插值结果均满足各个位置组分之和为1和非负限制,二者相比,后者对区域总体趋势的反映较前者好,且精度较高。因此,在应用对称对数比方法对样点土壤模糊隶属度值进行数据转换的基础上,应用克里格技术实施空间插值可以获得最佳预测结果。

3种成分数据方法在24h活动行为时间使用流行病学研究中的应用比较

通过文献资料调研和实例分析比较等距对数比转换(isometric logratio transformation,ilr)、Dirichlet分布和Flexible Dirichlet(FD)3种成分数据方法优缺点,旨在选择最优方法以阐明人群24 h活动行为时间使用比例分布。研究发现,相比于Dirichlet和FD方法,ilr更能准确描述研究人群24 h活动行为时间使用比例分布。未来的研究仍需继续探索成分数据方法,促进时间使用流行病方法学研究及应用。

成分数据预测建模在北京市三次产业上的应用

在社会、经济、技术等领域中,成分数据是一种被广泛应用的数据类型.文章对比研究了成分数据两种不同建模预测的区别,利用北京市三次产业数据,通过比较研究,指出成分数据预测——非对称对数比变换在应用方面的优缺点,并对北京市三次产业进行简要分析.

土壤质地空间预测方法比较

土壤质地作为成分数据(compositional data)的一种,其空间插值需满足非负、定和、误差最小和无偏估计4个条件。采用成分克里格法(compositional Kriging)和基于对数比转换的普通克里格法对土壤质地各颗粒组成进行空间预测,均方根误差(root mean squared errors,RMSE)和标准化克里格方差(mean squared deviation ratio,MSDR)分别被用来衡量不同方法的预测精度及模型拟合效果。研究结果表明:对数比转换的普通克里格法和成分克里格法能够保证插值结果满足成分数据插值的4个条件;成分克里格法预测的各土壤颗粒组成的RMSE最小,预测精度最高,其黏粒RMSE值相对于非对称对数比转换的普通克里格法提高将近17%;成分克里格法的变异函数拟合效果总体上好于其他两种预测方法,预测结果极差更宽,更能反映土壤质地各颗粒组成与高程、母质和水域分布的关系。