一种顾及空间邻近度的时空预测方法

时空预测问题中需要对时间和空间依赖进行捕捉,如何精确地提取数据中的时空特征,拟合复杂的非线性时空关系是其主要挑战和核心任务之一。提出一种顾及空间邻近度的时空预测方法,采用反欧氏距离加权的图卷积神经网络来提取时空序列的空间特征,并将所提取的空间特征输入到参数少,训练速度较快的门控循环单元来提取时间特征,从而进行时空预测。选取4种时空预测方法进行对比实验,并在两组真实的社交媒体签到数据集上进行了验证。实验结果表明,本文方法相比其他时空预测模型在均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)这3个预测结果评价指标上均有不同程度的提高,说明本文方法具有较高的预测精度,能够较好地拟合时空序列的非线性关系,实现时空预测。

基于邻近度的土地利用图斑综合方法

针对土地利用现状图中图斑的自动综合,提出从图斑的属性及空间邻近度出发构建综合邻近度,从而对图斑邻近判断问题进行定性及定量化的探讨,并利用景观评价指数来对综合邻近度应用于图斑自动综合的效果进行评价。以蕲春县彭思镇土地利用现状图为例进行实验,结果表明,该方法较好地保持了土地利用图中综合前后各地类的结构布局,证明了运用综合邻近度的方法来综合对象是可行的。

顾及各向异性的多参数协同优化IDW插值方法

反距离加权插值(inverse distance weighting,IDW)的精度受到空间邻近度、距离衰减系数及最邻近点数等多个参数共同的影响。然而,目前的IDW插值算法大多仅考虑单参数的调优,或对各参数独立调优,难以实现插值模型的整体优化。此外,传统的IDW插值算法没有顾及各向异性对空间邻近度的影响。本文提出一种顾及空间各向异性的多参数协同优化IDW插值算法(PIDW)。首先,引入距离调节参数以及方向参数,将经典各向同性的欧氏空间距离扩展为各向异性的“椭圆”距离;然后,引入粒子群优化算法对最邻近点数、距离衰减系数、距离调节及各向异性方向的多参数进行协同优化,获得插值精度的偏差与方差在全局意义下的满意解。试验采用两个不同尺度的空间数据验证了PIDW算法的插值效果,结果表明本文的插值算法能够显著地提高各向异性环境下IDW插值算法的精度。通过与经典的IDW及其改进算法的IDW、普通克里金及顾及各向异性的普通克里金算法的比较分析,进一步证实了PIDW具有较好的插值效果。

土地利用现状图斑的自动综合

本文针对土地利用现状数据中图斑的自动综合,采用语义与空间相结合的方法,分析了影响图斑综合的因素,根据这些因素的影响对土地利用多边形进行合并、融合及聚合操作。并以长沙市宁乡县的土地利用数据为例进行实验,结果表明,该方法较好地保持了宁乡县综合前后各地类的结构布局,能够较好地反映土地利用现状布局,节省了人机交互合并的工作量。