地理时空神经网络加权回归理论与方法研究
发布时间：2021-04-22 17:41
地理关系回归分析是地理时空建模的研究热点。发展新的时空回归分析方法,提升地理关系的分析挖掘能力,对于深入理解社会过程和地理现象具有重要的理论价值与实践意义。时空非平稳性是地理关系描述的固有特性,其解算精度决定了地理关系回归建模的准确性与可靠性。以地理加权回归和时空地理加权回归为核心的现有非平稳关系回归方法,由于无法充分拟合现实地理关系的复杂非线性特征,导致其在解算时空非平稳性时面临时空邻近关系表达不充分、核函数权重计算不准确等突出问题,极大限制了复杂地理关系的时空分析与建模表达能力。针对以上问题,本文综合利用现代人工智能方法优越的拟合与计算能力,将地理关系中复杂非线性问题的构造求解转换为深度神经网络的拓扑设计与优化学习问题,初步建立了地理时空神经网络加权回归理论与方法体系,并以浙江近岸海域赤潮灾害的地理时空关系建模为例,进行了核心方法的测试、应用与验证。本文的研究内容概况如下:（1）以“时空邻近关系的统一表达”和“权重核函数的精确构建”为目标,提出了时空邻近关系的多层次深度神经网络表达方法,设计了具有动态学习能力的地理时空加权神经网络,建立了时空非平稳性的精准解算训练框架,并进一步构建...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：171 页
【学位级别】：博士
【文章目录】：
致谢
摘要
Abstract
术语缩写表
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 时空非平稳关系建模方法研究
1.2.2 融合神经网络的时空建模研究
1.2.3 存在问题与不足
1.3 研究目的与内容
1.3.1 研究目的
1.3.2 研究内容
1.3.3 技术路线
1.4 研究区域与实验数据
1.4.1 研究区域
1.4.2 研究对象
1.4.3 实验数据
1.5 论文组织与章节安排
2 地理时空神经网络加权回归理论
2.1 地理时空神经网络加权回归总体研究框架
2.1.1 经典时空地理加权回归理论
2.1.2 深度神经网络方法理论
2.1.3 地理时空神经网络加权回归理论框架
2.2 时空邻近关系深度神经网络构造与表达
2.2.1 空间邻近关系神经网络设计与表达
2.2.2 时间邻近关系神经网络设计与表达
2.2.3 时空邻近关系神经网络设计与表达
2.3 时空加权神经网络设计与构建
2.4 地理时空神经网络加权回归训练框架
2.4.1 总体训练框架
2.4.2 激活函数与参数初始化
2.4.3 神经网络优化训练算法
2.5 统计诊断分析方法
2.5.1 统计诊断基础知识
2.5.2 时空非平稳性检验方法
2.5.3 模型性能检验方法
2.5.4 回归参数区间估计方法
2.6 本章小结
3 空间非平稳关系建模研究与实证分析
3.1 地理加权回归模型
3.1.1 模型定义与估计
3.1.2 空间核函数
3.1.3 最优带宽求解
3.2 地理神经网络加权回归模型
3.2.1 模型定义与设计
3.2.2 模型优化训练
3.3 实验设计与模型验证
3.3.1 实验数据
3.3.2 实验设计与实现
3.3.3 实验结果分析
3.4 本章小结
4 时空非平稳关系建模研究与实证分析
4.1 时空地理加权回归模型
4.1.1 模型定义与估计
4.1.2 时空核函数
4.1.3 最优模型解算
4.2 地理时空神经网络加权回归模型
4.2.1 模型定义与设计
4.2.2 模型优化训练
4.3 实验设计与模型验证
4.3.1 实验数据
4.3.2 实验设计与实现
4.3.3 实验结果分析
4.4 本章小结
5 复杂周期性时空非平稳关系建模研究与实证分析
5.1 周期性时空地理加权回归模型
5.1.1 模型定义与估计
5.1.2 顾及周期性的时空核函数
5.1.3 最优模型求解
5.2 广义地理时空神经网络加权回归模型
5.2.1 模型定义与设计
5.2.2 模型优化训练
5.3 实验设计与模型验证
5.3.1 实验数据
5.3.2 实验设计与实现
5.3.3 实验结果分析
5.4 本章小结
6 总结与展望
6.1 研究总结
6.2 研究特色与创新
6.3 研究展望
参考文献
作者简历
【参考文献】：
期刊论文
[1]季节性差分时空地理加权回归在HFRS分析中的应用[J]. 葛亮. 城市勘测. 2017(05)
[2]Comparison of Artificial Neural Networks, Geographically Weighted Regression and Cokriging Methods for Predicting the Spatial Distribution of Soil Macronutrients（N, P, and K）[J]. Samad EMAMGHOLIZADEH,Shahin SHAHSAVANI,Mohamad Amin ESLAMI. Chinese Geographical Science. 2017(05)
[3]利用Minkowski距离逼近道路网络距离算法研究[J]. 卢宾宾,杨欢,孙华波,于清德. 武汉大学学报(信息科学版). 2017(10)
[4]路网距离约束的GTWR模型应用——以北京市房价为例[J]. 王梦晗,刘纪平,王勇,罗安,徐胜华. 测绘科学. 2018(04)
[5]一种协同时空地理加权回归PM2.5浓度估算方法[J]. 赵阳阳,刘纪平,杨毅,石丽红,王梅. 测绘科学. 2016(12)
[6]基于CRBM算法的时间序列预测模型研究[J]. 周晓莉,张丰,杜震洪,曹敏杰,刘仁义. 浙江大学学报(理学版). 2016(04)
[7]中国省域经济发展影响因素及其时空规律研究——基于GTWR模型[J]. 玄海燕,张安琪,蔺全录,陈金淑. 工业技术经济. 2016(02)
[8]公安县农村居民点用地分布影响因子评价——基于GWR的空间异质性分析[J]. 郑文升,姜玉培,李孝环,罗静,王晓芳. 人文地理. 2015(05)
[9]基于GWR模型的中国NDVI与气候因子的相关分析[J]. 韩雅,朱文博,李双成. 北京大学学报(自然科学版). 2016(06)
[10]基于地理加权回归的吉林省人口城镇化动力机制分析[J]. 庞瑞秋,腾飞,魏冶. 地理科学. 2014(10)
博士论文
[1]联合浮标与卫星数据的赤潮预警与决策服务[D]. 孙笑笑.浙江大学 2017
[2]顾及时空非平稳性的地理加权回归方法研究[D]. 杨毅.武汉大学 2016
[3]基于深度卷积神经网络的人脸基准点定位研究[D]. 张少华.华中科技大学 2016
[4]地理加权回归基本理论与应用研究[D]. 覃文忠.同济大学 2007
硕士论文
[1]基于时空地理加权回归模型估算近地面NO2浓度[D]. 饶兰兰.中国矿业大学 2017
[2]基于深度学习的浙江近岸船舶数据赤潮生物量趋势性预测研究[D]. 周晓莉.浙江大学 2016
[3]时空地理加权回归模型的统计诊断[D]. 刘美玲.西安建筑科技大学 2013
[4]地理加权回归模型均方误差的研究[D]. 赵倩.东北林业大学 2012
[5]距离邻近与自然邻近典型聚类方法比较[D]. 余莉.昆明理工大学 2011
[6]混合地理加权回归模型的统计推断[D]. 齐飞.中央民族大学 2010
[7]地理信息系统中拓扑空间关系及空间推理研究[D]. 应新洋.重庆大学 2003
本文编号：3154192
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：171 页
【学位级别】：博士
【文章目录】：
致谢
摘要
Abstract
术语缩写表
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 时空非平稳关系建模方法研究
1.2.2 融合神经网络的时空建模研究
1.2.3 存在问题与不足
1.3 研究目的与内容
1.3.1 研究目的
1.3.2 研究内容
1.3.3 技术路线
1.4 研究区域与实验数据
1.4.1 研究区域
1.4.2 研究对象
1.4.3 实验数据
1.5 论文组织与章节安排
2 地理时空神经网络加权回归理论
2.1 地理时空神经网络加权回归总体研究框架
2.1.1 经典时空地理加权回归理论
2.1.2 深度神经网络方法理论
2.1.3 地理时空神经网络加权回归理论框架
2.2 时空邻近关系深度神经网络构造与表达
2.2.1 空间邻近关系神经网络设计与表达
2.2.2 时间邻近关系神经网络设计与表达
2.2.3 时空邻近关系神经网络设计与表达
2.3 时空加权神经网络设计与构建
2.4 地理时空神经网络加权回归训练框架
2.4.1 总体训练框架
2.4.2 激活函数与参数初始化
2.4.3 神经网络优化训练算法
2.5 统计诊断分析方法
2.5.1 统计诊断基础知识
2.5.2 时空非平稳性检验方法
2.5.3 模型性能检验方法
2.5.4 回归参数区间估计方法
2.6 本章小结
3 空间非平稳关系建模研究与实证分析
3.1 地理加权回归模型
3.1.1 模型定义与估计
3.1.2 空间核函数
3.1.3 最优带宽求解
3.2 地理神经网络加权回归模型
3.2.1 模型定义与设计
3.2.2 模型优化训练
3.3 实验设计与模型验证
3.3.1 实验数据
3.3.2 实验设计与实现
3.3.3 实验结果分析
3.4 本章小结
4 时空非平稳关系建模研究与实证分析
4.1 时空地理加权回归模型
4.1.1 模型定义与估计
4.1.2 时空核函数
4.1.3 最优模型解算
4.2 地理时空神经网络加权回归模型
4.2.1 模型定义与设计
4.2.2 模型优化训练
4.3 实验设计与模型验证
4.3.1 实验数据
4.3.2 实验设计与实现
4.3.3 实验结果分析
4.4 本章小结
5 复杂周期性时空非平稳关系建模研究与实证分析
5.1 周期性时空地理加权回归模型
5.1.1 模型定义与估计
5.1.2 顾及周期性的时空核函数
5.1.3 最优模型求解
5.2 广义地理时空神经网络加权回归模型
5.2.1 模型定义与设计
5.2.2 模型优化训练
5.3 实验设计与模型验证
5.3.1 实验数据
5.3.2 实验设计与实现
5.3.3 实验结果分析
5.4 本章小结
6 总结与展望
6.1 研究总结
6.2 研究特色与创新
6.3 研究展望
参考文献
作者简历
【参考文献】：
期刊论文
[1]季节性差分时空地理加权回归在HFRS分析中的应用[J]. 葛亮. 城市勘测. 2017(05)
[2]Comparison of Artificial Neural Networks, Geographically Weighted Regression and Cokriging Methods for Predicting the Spatial Distribution of Soil Macronutrients（N, P, and K）[J]. Samad EMAMGHOLIZADEH,Shahin SHAHSAVANI,Mohamad Amin ESLAMI. Chinese Geographical Science. 2017(05)
[3]利用Minkowski距离逼近道路网络距离算法研究[J]. 卢宾宾,杨欢,孙华波,于清德. 武汉大学学报(信息科学版). 2017(10)
[4]路网距离约束的GTWR模型应用——以北京市房价为例[J]. 王梦晗,刘纪平,王勇,罗安,徐胜华. 测绘科学. 2018(04)
[5]一种协同时空地理加权回归PM2.5浓度估算方法[J]. 赵阳阳,刘纪平,杨毅,石丽红,王梅. 测绘科学. 2016(12)
[6]基于CRBM算法的时间序列预测模型研究[J]. 周晓莉,张丰,杜震洪,曹敏杰,刘仁义. 浙江大学学报(理学版). 2016(04)
[7]中国省域经济发展影响因素及其时空规律研究——基于GTWR模型[J]. 玄海燕,张安琪,蔺全录,陈金淑. 工业技术经济. 2016(02)
[8]公安县农村居民点用地分布影响因子评价——基于GWR的空间异质性分析[J]. 郑文升,姜玉培,李孝环,罗静,王晓芳. 人文地理. 2015(05)
[9]基于GWR模型的中国NDVI与气候因子的相关分析[J]. 韩雅,朱文博,李双成. 北京大学学报(自然科学版). 2016(06)
[10]基于地理加权回归的吉林省人口城镇化动力机制分析[J]. 庞瑞秋,腾飞,魏冶. 地理科学. 2014(10)
博士论文
[1]联合浮标与卫星数据的赤潮预警与决策服务[D]. 孙笑笑.浙江大学 2017
[2]顾及时空非平稳性的地理加权回归方法研究[D]. 杨毅.武汉大学 2016
[3]基于深度卷积神经网络的人脸基准点定位研究[D]. 张少华.华中科技大学 2016
[4]地理加权回归基本理论与应用研究[D]. 覃文忠.同济大学 2007
硕士论文
[1]基于时空地理加权回归模型估算近地面NO2浓度[D]. 饶兰兰.中国矿业大学 2017
[2]基于深度学习的浙江近岸船舶数据赤潮生物量趋势性预测研究[D]. 周晓莉.浙江大学 2016
[3]时空地理加权回归模型的统计诊断[D]. 刘美玲.西安建筑科技大学 2013
[4]地理加权回归模型均方误差的研究[D]. 赵倩.东北林业大学 2012
[5]距离邻近与自然邻近典型聚类方法比较[D]. 余莉.昆明理工大学 2011
[6]混合地理加权回归模型的统计推断[D]. 齐飞.中央民族大学 2010
[7]地理信息系统中拓扑空间关系及空间推理研究[D]. 应新洋.重庆大学 2003
本文编号：3154192
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3154192.html
