基于空间自回归神经网络模型的空间插值研究

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。     

基于GIS的浙江省年降水量空间分布推算方法研究

高精度的空间化降水信息对于区域水资源管理、生态环境治理、作物适宜性评价等方面都具有重要意义.选取浙江省72个气象站点1971-2008年38年的年平均降水量资料,在地统计学和地理信息系统(GIS)支持下,结合了坡度、坡向、到海岸线距离、周围10 km范围内的平均海拔高度和周围10 km范围内的最高海拔高度等地形地理因素,采用回归逆距离权重插值法、回归克里金插值法、回归样条插值法和回归趋势面插值法等多种插值方法对研究区年降水量的空间分布进行了插值研究,通过10个检验站点的插值误差来分析不同插值方法,并对模拟的年降水量空间分布图进行了比较分析.结果表明:回归逆距离权重插值法误差最小,效果最好.     

基于NPP-VIIRS夜间灯光数据的山西省GDP空间化模拟

选取山西省为研究对象,以美国国家极轨合作仪件-可见红外成像辐射计套件（NPP-VIIRS）夜间灯光数据、GDP统计数据等为数据源,构建GDP空间化拟合模型,建立山西省GDP密度图,据此研究山西省经济的空间差异性。通过对NPP-VIIRS夜间灯光数据的空间化处理,提取灯光指数,并将其与GDP进行回归拟合,建立最佳回归模型,得到GDP密度拟合图;利用县级GDP数据进行线性纠正,从而提高GDP的模拟精度。结果表明：（1）NPP-VIIRS夜间灯光数据与GDP的相关性较高,可用于山西省GDP模拟;（2）与GDP分区建模相比,GDP整体建模的精度更高;（3）山西省GDP的空间分布整体呈由城市中心逐渐向周边辐射的特点,构成GDP过渡带。     

中国大陆外商直接投资与入境商务旅游的空间错位研究

利用1998~2013年中国大陆30个省区外商直接投资（FDI）和入境商务旅游（IBT）的面板数据,基于重力模型和空间错位指数模型研究了二者的空间错位现象、特征及动力机制.结果发现：FDI与IBT存在空间错位且空间错位距离S逐年增加,预测至2018年S将达702.42 km;二者的空间错位具有空间差异性,呈现出一定的地带差异（东部的空间错位态势较中西部更为显著）和省际差异（广东和江苏SMI排名前两位,甘肃和吉林SMI排名后两位）;东部的空间错位格局决定了全国的空间错位格局.结合FDI与IBT空间错位的发展趋势,进一步分析了二者空间错位的动力机制,发现：FDI和IBT的属性特征是二者产生空间错位的内驱力,交通的迅速发展是直接动力,东西部的地区差异性是外部动力,政府政策支持是助力.     

大规模定制环境下基于模型集成的工时估算

为了在大规模定制环境下准确高效的获取产品工时,本文研究了已有工时估算模型的特点,提出一种基于模型集成的工时估算方法.通过对待集成工时模型分析,找出影响各工时模型的关键因子,采用模糊评价法构建关键因子信息矩阵;运用因子间相关度和因子对模型贡献度计算模型间距离,进而根据反距离权重法求出各模型权重,从而得到集成模型.通过实例和结果对比验证了该方法的可行性和精确性.     

一种基于百度指数的城市日游客规模预测方法

百度指数数据为预测游客规模提供了新思路。以杭州市为例,首先研究新浪微博签到数据与统计年鉴中实际游客量的关系,用新浪微博签到人数模拟实际旅游人数,建立杭州市日游客规模自回归移动平均（auto regressive moving average,ARMA）模型,并进行预测;然后结合计量经济学中的协整检验和格兰杰因果关系检验,分析百度指数与微博签到人数之间的关系,利用百度指数空间分布特征及主成分分析后提取的3个解释变量构建向量自回归（vector auto regression,VAR）模型;最后比较了2个模型的预测精度。结果显示,百度指数存在地理空间属性,且与新浪微博签到人数互为格兰杰因果关系,存在1~23 d的滞后期。此外,相比ARMA模型,考虑了百度指数地理属性的VAR模型在样本期内的预测精度提高了13.1%,在样本期外的预测精度提高了27.9%。研究表明,百度指数的时间和空间属性对游客规模预测有重要意义和价值。     

一种基于百度指数的城市日游客规模预测方法

百度指数数据为预测游客规模提供了新思路。以杭州市为例,首先研究新浪微博签到数据与统计年鉴中实际游客量的关系,用新浪微博签到人数模拟实际旅游人数,建立杭州市日游客规模自回归移动平均（auto regressive moving average,ARMA）模型,并进行预测;然后结合计量经济学中的协整检验和格兰杰因果关系检验,分析百度指数与微博签到人数之间的关系,利用百度指数空间分布特征及主成分分析后提取的3个解释变量构建向量自回归（vector auto regression,VAR）模型;最后比较了2个模型的预测精度。结果显示,百度指数存在地理空间属性,且与新浪微博签到人数互为格兰杰因果关系,存在1~23 d的滞后期。此外,相比ARMA模型,考虑了百度指数地理属性的VAR模型在样本期内的预测精度提高了13.1%,在样本期外的预测精度提高了27.9%。研究表明,百度指数的时间和空间属性对游客规模预测有重要意义和价值。     

预应力混凝土薄壁曲线梁空间分析的刚度法──Ⅱ．薄壁曲线梁预应力的空间分析与应用实例

本文通过矢量分析和伏拉索夫曲线梁平衡微分方程将曲线梁中任一空间预应力筋的作用换算成等代空间荷载，然后根据薄壁曲线架空间翘曲单元的刚度矩阵与等效节点法算式，可以方便地应用通常的刚度法进行预应力混凝土薄壁曲线架的空间结构分析。为了验证方法的正确性，通过与美国Ｓｃｏｒｄｅｌｉｓ用曲线有限条法的计算结果以及一个预应力混凝土曲线梁模型实验的一比较，表明本文对曲线梁预应力空间分析所提供的方法具有足够的精确性。最后结合一工程实例对预应力引起的曲线架内力作了分析。     

广义毕达哥拉斯犹豫模糊集混合加权距离测度及决策应用

在毕达哥拉斯犹豫模糊数的距离基础上,定义毕达哥拉斯犹豫模糊集（Pythagorean hesitant fussy set,PHFS）的加权距离测度和有序加权距离测度,在兼顾属性权重和位置权重的基础上,提出广义PHFS混合加权距离测度（D_GPHFHWA）,并研究其性质和特殊形式。针对属性值为毕达哥拉斯犹豫模糊数且属性权重未知的多属性决策问题,利用毕达哥拉斯犹豫模糊指数熵确定属性权重,并结合逼近理想解排序法（technique for order preference by similarity to an ideal solution,TOPSIS）思想,提出基于D_GPHFHWA测度的决策方法。最后,通过实例验证所提方法是有效、合理的。     

城市扩张的空间模式研究——以杭州市为例

以杭州市中心城区的多时相TM/ETM+遥感影像为数据源,采用建设用地扩张强度、空间自相关方法等,分析了杭州市1991~2010年间城市扩张的时空特征,并探讨其扩张的空间模式及其演化.结果表明：（1）杭州市城区快速扩展,各街道 乡镇扩张程度存在明显差异;（2）杭州城市扩张的“热点”方位变化大致为：城北-城西-多方位-城东,其变迁规律与杭州城市扩张模式的总体变化规律一致;（3）杭州市城市扩张的空间模式主要有边缘式、填充式、自发式和线性轴状,且随城市演化过程总体遵循以下轨迹：首先,主城表现为边缘式为主、填充式为辅的扩张;其次,外围自发式的扩张形成了副城;接下来主副城都表现为从填充为主、边缘为辅的扩张转变为边缘为主、填充为辅的扩张;而线性轴状扩张是沿交通线发展并贯穿整个城市空间的演化过程.     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network,DCNN）的多尺度神经网络（multi-scale neural network,MSNet）模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络（fully convolutional networks,FCN）方法和基于支持向量机（support vector machine,SVM）的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network,DCNN）的多尺度神经网络（multi-scale neural network,MSNet）模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络（fully convolutional networks,FCN）方法和基于支持向量机（support vector machine,SVM）的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。     

基于空间计量模型的商铺租金影响因素空间异质性分析——以杭州市为例

社会经济发展推动城市商业的繁荣与商铺的增值,但商铺租金的影响机制尚不明确。选取了杭州市1～6级商服用地范围内2 026个具有代表性的底层商铺,运用克里金插值法探索了杭州市商铺租金的空间分异格局,并采用基于空间计量模型的特征价格法,探究了5个分市场下商铺租金影响因素的空间异质性。结果显示,三级医院、大型购物中心、学校、交通设施等商业服务、公共服务设施对商铺租金的影响程度、影响范围具有显著差异;相同的特征变量在城市不同区域,如复合功能区域、商务功能主导区域、居住功能主导区域,以及城市中心区域、城市外围区域,对商铺租金的影响呈现空间异质性。     

基于BP神经网络的陕西省县域乡村性分异研究

以陕西省83个县域为实证研究单元,基于城乡一体化思想构建了乡村性综合评价指标体系,运用BP神经网络确定其指标权重,在Visual Studio 2010平台上计算乡村性指数,并借助ArcGIS和GeoDA软件划分乡村发展类型,对乡村性数值分异及空间分异进行了定量化测度和分析.运用BP神经网络确定乡村性权重及强度具有一定的可行性;陕西省县域乡村性在数值分异特征上,两极分化严重,中低、中等、中高水平县域组内均衡;在空间分异特征上,呈陕南、陕北高,关中低,东低西高的分布格局,乡村性空间关联性较强,彼此联系紧密.进而对陕西省县域乡村性差异的成因做了初步探讨,提出了县域发展的方向.     

基于时空多视图BP神经网络的城市空气质量数据补全方法研究

针对城市空气质量监测数据缺失的问题,提出一种基于时空多视图BP神经网络的数据补全方法。采用指数移动平均、普通克里金和非凸矩阵完备作为时空多视图特征,结合映射非线性关系的BP神经网络,构建数据补全模型。以北京市36个站点2014年5月1日至2015年4月30日监测的PM_2.5、PM₁₀、NO₂、CO、O₃和SO₂6种空气污染物小时浓度为实验数据。实验结果表明,在15%缺失率下,随机缺失补全的平均相对误差为0.102~0.154,时间连续缺失补全的平均相对误差为0.161~0.271,空间连续缺失的补全平均相对误差为0.108~0.155,优于典型的单视图预测方法和多视图线性预测方法。研究成果可为城市空气质量数据补全工作提供方法支持,研究思路可为时空数据挖掘提供参考。     

数字逻辑的稳健神经网络实现

多层二进前向神经网络或布尔神经网络作为典型的人工神经网络模型，研究和应用的十分广泛，这里在分析数字逻辑基本运算和神经元关系后，提出了一种改进的利用三层前向感知器神经网络实现任意数字逻辑函数的新算法，该算法由稳健的感知器构造神经网络，并引入汉明距离化简、卡诺图化简和最小项抑制来降低网络的复杂性，由此算法构造的神经网络不但具有稳健性能，而且消除了对数字输入变量所作的变换，使其更加简单、规范，容错能力更强，可广泛应用于对数字电路设计、编码密码的研究。     

融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

PM_2.5小时浓度多为单步预测。为实现PM_2.5小时浓度的多步预测,基于“编码器-解码器”的序列-序列预测（Seq2Seq）模型,集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力,提出了融合图卷积神经网络和注意力机制的PM_2.5小时浓度多步预测（GCN_Attention_Seq2Seq）模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照,以2015—2016年北京市22个空气质量监测站点的空气质量数据为样本进行实例验证,结果表明,Seq2Seq模型和图卷积神经网络（GCN）可对PM_2.5小时浓度数据的时空依赖进行有效建模,注意力机制有助于减缓多步预测中的预测精度衰减,提升PM_2.5小时浓度多步预测的精度。GCN_Attention_Seq2Seq模型可有效应用于多种长度的PM_2.5浓度预测窗口。     

基于出行距离评价城市公园绿地的可达性——以乐清市为例

公园绿地的可达性是衡量其空间布局合理性的重要指标,以出行距离来度量公园绿地的可达性是一种较为便捷和有效的方法.以乐清市城区为例,根据公园绿地的规模,设置相应的服务半径,借助ArcGIS网络分析工具,基于出行距离来评价公园绿地的可达性.与缓冲区分析和按统一服务半径(500m)进行分析对比,本方法更接近实际.