基于空间自回归神经网络模型的空间插值研究

发布时间：2021-10-31 22:29

　　基于空间距离计算的空间自相关权重系数是经典空间插值方法的核心,然而由于空间距离与自相关权重之间复杂的非线性关系,反距离权重（IDW）法和克里金（Kriging）法等传统空间插值方法,在求解权重精准解时存在一定的局限性。由此,利用神经网络超强的非线性拟合能力,通过融合神经网络与空间自回归方法,建立了空间自回归神经网络（SARNN）模型,实现了空间自相关权重的精准计算并将其应用于空间插值研究。为验证SARNN模型的有效性和可行性,采用两类模拟数据及海洋环境数据进行交叉验证,并与IDW法和Kriging法进行精度对比。实验结果表明,SARNN法显著提升了R²、RMSE、MAE、MAPE等统计指标,插值结果明显优于IDW法和Kriging法;同时,SARNN法在空间插值中对突变数据和极值数据的预测较为准确,改善了传统插值方法空间平滑过渡差,易出现"牛眼"、锯齿现象等问题,显著提高了空间插值结果的准确性与合理性。SARNN法提供了一种空间插值的新思路,具有较为广泛的应用价值。 

【文章来源】：浙江大学学报(理学版). 2020,47(05)北大核心CSCD

【文章页数】：10 页

【参考文献】：
期刊论文
[1]基于BP神经网络和支持向量机的降水量空间插值对比研究——以甘肃省为例[J]. 李纯斌,刘永峰,吴静,王春瑜,柳小妮.  草原与草坪. 2018(04)
[2]粒子群算法优化BP在降雨空间插值中的应用[J]. 邱云翔,张潇潇,刘国东.  长江科学院院报. 2017(12)
[3]Kriging插值中不同变异函数对城市环境场强重构的影响[J]. 李章义,陈媛.  中国无线电. 2017(07)
[4]3种区域空气质量空间插值方法对比研究[J]. 丁卉,余志,徐伟嘉,曹生现,李红霞,刘永红.  安全与环境学报. 2016(03)



本文编号：3468977