混合时空地理加权回归及参数的两步估计

针对全局平稳特征和时空非平稳特征同时存在的现象,提出了混合时空地理加权回归方法(Mixed Geographically and Temporally Weighted Regression,MGTWR),给出了MGTWR的数学定义和回归参数的两步估计。同时,介绍了调整型带宽选择机制下的权重计算方法和基于Akaike信息准则(Akaike Information Criterion,AIC)的参数优化方法。采用复杂程度不同的模拟数据来测试方法的性能。结果表明,MGTWR和GTWR的R2大于0.8,能模拟全局平稳特征和时空非平稳特征的现象,但MGTWR显著优于GTWR。MGWR因无法探测时间平稳特征,模拟效果最差。此外,数据复杂程度影响MGTWR,GTWR和MGWR的性能,数据越简单模拟效果越好。

昆虫种群动态时空回归预测方法及应用研究

根据昆虫种群内个体空间相互作用的特点，提出分析昆虫种群时空相关的三维相关图方法及种群动态预测的时空混合回归模型。对马尾松毛虫幼虫密度分布的预测采用了时空自回归加时空趋势面的形式，预测的马尾松毛虫幼虫的平均密度和实测的平均密度在时空变化的趋势上是完全一致的，而且预测结果给出了马尾松毛虫幼虫密度分布的图象形式，给防治决策提供了方便。

基于变量选择的混合时空地理加权回归参数估计

混合时空地理加权回归模型作为一种有效处理空间数据全局平稳和局部非平稳的分析方法得到了广泛的应用.但其参数估计方法中假定固定系数变量已知且不存在时空效应,这一较强的前提使回归系数的估计值变得极不稳定.为探究当固定系数变量存在时空效应时的参数估计方法,本文提出一种变量选择(Variable Selection)方法来剔除指标间的交互效应,并给出相应的算法过程.通过乌鲁木齐市商品住宅真实价格数据对不同估计方法进行对比验证,结果表明,利用变量选择方法后得到的MGTWR模型性能和拟合效果得到提升,固定回归系数的估计更加稳定,原有参数估计方法得到改善.

顾及平稳特征的PM2.5浓度时空趋势拟合研究

针对PM2.5浓度估算中全局平稳因素和局部非平稳因素同时存在的问题,该文以京津冀地区2015年1月—7月的PM2.5浓度为研究对象,人口密度、GDP、AOD、温度、相对湿度、风速和大气压强为影响因子,利用混合时空地理加权回归模型对PM2.5浓度进行估算。结果显示,考虑全局平稳特征时能有效地提升PM2.5浓度估算的精度,PM2.5浓度与风速、温度呈负相关关系,京津冀地区PM2.5浓度呈北低南高的趋势。