基于MODIS数据的山西省PM2.5浓度估算研究

通过ENVI软件对美国国家航空航天局（NASA）发布的MODIS L1B数据进行几何校正、波段合成、重采样、构建查找表等操作,反演了山西省2020年3—8月气溶胶光学厚度（aerosol optical depth,AOD）,用大气气溶胶产品MOD04_3K验证AOD的反演精度,对反演结果中的高度进行订正,分析了山西省AOD时空分布特征,在此基础上建立了AOD与PM_2.5浓度的回归模型,并通过模型验证估算误差。结果表明：（1）MODIS L1B反演结果具有较高的精度,与大气气溶胶产品MOD04_3K数据的相关系数为0.934。（2）在时间分布上,AOD存在明显的季节性差异,夏季AOD均值远高于春季;在空间分布上,AOD呈现由北向南逐渐增加的趋势,高值主要出现在山西省南部的临汾市和运城市。（3）整体、春季、夏季3类回归模型的平均相对误差分别为25.91%,27.62%,23.87%,表明模型的拟合效果较好,可较为准确地估算PM_2.5浓度。     

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。     

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。     

SVM回归法在汛期旱涝预测中的应用研究

研究基于统计学习理论的支持向量机（SVM）回归在汛期旱涝预测中的应用．根据浙江省38个测站的降水量资料，用正态化Z指数对汛期旱涝等级进行划分，得到了能够反映全省旱涝状况的指标．以此指标作为预测量，通过相关分析从前期大气环流场、海温场中选取高相关预测因子，应用逐步回归和SVM回归技术分别建立浙江省汛期旱涝短期气候预测模型，并进行了对比分析．结果表明：SVM回归模型集中了众多预测因子的预测信息，有效地利用了支持向量机方法的非线性映射能力，无论在历史样本拟合的精度上还是模型实际预测的能力上都比传统的逐步回归方法有一定提高，具有较好的应用效果．     

紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。     

基于半监督子空间迁移的稀疏表示遥感图像场景分类方法

利用已有的标记数据对新领域图像进行分类是遥感图像场景分类的重要研究方向。提出了一种基于半监督子空间迁移的稀疏表示（sparse representation method based on semi-supervised transfer learning subspace，SR-SSTLS）遥感图像场景分类方法。为减少源域和目标域数据分布变化，将不同数据域的遥感图像投影至共享子空间。源域和目标域数据在投影子空间协同学习共享字典，使得带标记的源域数据辅助目标域模型的建立。同时，建立了基于源域、目标域、源域-目标域标记数据的拉普拉斯图矩阵和目标域未标记数据的拉普拉斯正则化项，使得目标域中的数据均得到很好编码。在多个遥感图像数据集上的实验结果均证明了SR-SSTLS方法的有效性。     

基于铁路客运视角的长三角区域网络结构研究

区域网络结构研究是区域一体化发展规划的重要依据。基于铁路客运视角开展研究是区域网络结构研究的重要途径之一。本文结合社会网络分析方法和ArcGIS空间分析方法，依据2015—2019年长三角区域城际铁路客运班次数据，从网络密度、网络中心度、核心-边缘结构和凝聚子群4个方面对长三角区域城市网络结构特征及其演变趋势进行研究。结果表明：（1）长三角区域城市间铁路流数量呈不断增长趋势，铁路客运联系的空间分布不平衡，主轴与次轴相互交织共同构成整体网络；（2）城市网络密度显著上升，网络结构复杂，但处于弱连接状态，江浙沪省际联系紧密，安徽省有待进一步融入长三角区域一体化；（3）度数中心度两极分化显著、高低值区地域集聚特征明显、核心城市控制力强势；（4）由上海市、南京市、苏州市、无锡市、常州市等组成的宁沪主轴沿线城市群在长三角区域内关系最为紧密、一体化程度最高；（5）凝聚子群分布形态的组织性逐步增强，以区域内的中心城市为枢纽，形成了具有地理邻近性的铁路客运联系网络；（6）长三角区域总体网络结构特征为空间分布不平衡、城市首位度突出、形成各级凝聚子群，总体演变趋势为网络联系趋于紧密、网络结构趋于复杂、分布形态趋于优化。     

基于改进卷积神经网络的数控机床旋转轴热误差建模方法

为对五轴数控机床旋转轴的热误差进行更精确地预测,解决变工况条件下预测精度不佳与热误差数据获取困难的问题,提出了基于改进卷积神经网络的热误差建模方法.采用激光干涉仪与热成像仪采集不同温度下的角度定位误差与热图像,对热误差进行傅里叶函数拟合,将预测目标由不同角度下的热误差转变为拟合函数参数.在VGG网络模型架构上,引入SKNet注意力机制,以提高模型对变工况下的热图像特征提取水平,并采用全局平均池化代替全连接层,以改善过拟合情况.将建立的模型用于热误差预测,结果表明,旋转轴热误差预测RMSE在升温状态下为8.36″,降温条件下为9.57″,预测精度达90%以上,优于普通卷积神经网络模型.结果证实了所提方法在旋转轴热误差建模中的有效性.     

基于DMSP/OLS夜间灯光数据的浙江省城镇发展评价

综合DMSP/OLS非辐射定标夜间灯光数据与城镇建成区统计数据,提取夜间灯光数据城镇分割阈值,构建并修正回归方程,以获得能够反映城镇化发展水平的修正回归城镇灯光总值CRTNLI(correct regressive total night light index),该指标与基于行政区的统计数据具有极高的相关性.应用浙江省1993,2003及2013年3年的CRTNLI进行城镇发展潜力和辐射范围分析,结果表明:浙江省中小型城镇发展较快,城镇辐射范围与行政区划一致性高,且基本形成了以杭州、宁波为中心,浙北及沿海平原和浙赣铁路线为轴线的点轴-等级渐进扩散式发展模式.     

浙江省新型冠状病毒肺炎（COVID-19）疫情时空演化与影响因素分析

新型冠状病毒肺炎（COVID-19）疫情全球暴发，严重危害人们身体健康，阻碍经济快速发展。基于地理学视角对重点地域时空传播模式进行解析，有助于疫情防治。鉴于此，以浙江省为研究区，借助多源时空数据，综合运用文本分析、数理统计、空间回归分析等方法，解析确诊病例的社会人口学特征与疫情的时空演化过程，进而分析其影响因素。结果表明：（1）确诊病例年龄分布跨度较大，呈“中段大，两端小”的正态分布格局。（2）在时间上，疫情发展演化可分为初发期、暴发突增期、稳步下降期、内部稳定期、境外输入期5个时期；新增确诊病例通报时间与发病时间间隔集中于0~6 d，外地病例通报时间与发病时间间隔长于本地病例，且外地病例多发病于离开原住地当天；日发病人数性别构成比无明显差异，年龄构成比具有阶段性特征。（3）在空间上，确诊病例呈“东南-西北”走向，演变趋势呈“单一散发”向“多地群发”再至“重点输入”演变，具有“高-高”“高-低”集聚特征；确诊病例路径迁移呈现明显的核心-边缘结构，迁出地以武汉市为核心的首位流显著。（4）老龄人口比、人均GDP、第三产业占比、规模以上工业企业数、与武汉市的空间距离是影响疫情分布的主导因素。最后，提出了针对性的防控建议，指出了研究中的不足与未来努力的方向。     

出境旅游网络关注度时空演变及影响因素研究——以泰国为例

网络关注度是测量潜在旅游者对目的地旅游关注情况及需求变化的重要手段之一。基于百度指数，以我国31个省（区、市）（不含港、澳、台）的泰国旅游网络关注度为研究对象，运用季节性强度指数、地理集中度指数、赫芬达尔-赫希曼指数、地理探测器等方法，探讨我国居民对泰国旅游网络关注度的时空演化规律及其影响因素。结果表明：从时序演化上看，2011—2019年泰国旅游网络关注度呈波动上升态势，可划分为快速上升期和平稳发展期2个阶段，地区季节性差异显著，3月、7月、12月为泰国旅游网络关注度的高峰时段；从空间分异上看，泰国旅游网络关注度空间分异变化不大，空间集聚趋于分散状态，整体呈“东高-西低”的阶梯状递减特征，高关注度地区主要集中在东部地区及四川省，低关注度地区则主要分布于除四川省外的西部省份；从影响因素上看，经济发展水平（人均可支配收入、GDP）、交通便利程度、贸易开放度以及国际旅游开放度共同影响泰国旅游网络关注度的空间分布格局。     

湖北省国内旅游规模均衡分布了吗？——位序-规模法则对高首位度区域的适用分析

基于2006－2016年时间序列数据，利用首位度、频数分析等方法判断位序-规模法则拟合高首位度区域旅游规模结构的适用性。在此基础上，从空间关联和产业关联2个层面剖析湖北省国内旅游规模非均衡分布原因。结果表明：（1）湖北省国内旅游规模并不是位序-规模法则拟合的均衡分布，而是武汉“一市独大”，其他城市“弱小均质”的非均衡结构；（2）湖北省13市（州）国内旅游规模呈现“高-低”集聚特征，武汉一市的极化发展致使其他市（州）低水平均质；（3）住宿业、餐饮业、交通运输业、零售业发展水平显著调节了景区品质对国内旅游规模的影响，武汉具有优势关联产业，高品质景区使国内旅游极化发展；其他市（州）因为景区品质或关联产业的短板导致低水平均质。     

浙江省对美投资民营企业的时空格局演变及其影响因素

基于中国规模以上工业企业数据，运用标准差椭圆、平均最邻近分析和核密度估计等多种空间统计方法，对2006,2009,2012和2015年浙江省对美投资民营企业空间分异格局进行测度，并运用地理探测器分析影响民营企业空间分布的地理因子。结果表明：（1）浙江省对美投资的民营企业呈沿标准差椭圆长轴方向集聚和沿短轴方向扩散分布，分布中心呈向西北方移动的态势，且中心始终处于绍兴市境内；（2）最邻近指数一直在减小，企业空间布局集聚特征逐渐加强；（3）高密度核心区主要分布在浙江东北部经济发达区域，以杭州市区、宁波市区、“慈溪-余姚”为核心集中分布，其次是温州市区，其余经济相对落后区域分布较少；（4）浙江省对美投资民营企业空间布局的影响因素呈现从单一因素主导向多因素共同作用的格局，经济发展水平、技术创新能力和外商直接投资水平是影响力最大的因素。     

长江三角洲地区传统村落空间格局及影响因素分析

以长江三角洲地区(江苏省、浙江省、上海市、安徽省)1074个传统村落为研究对象, 运用空间分析理论剖析该地区传统村落的空间分布特征及其与自然环境、社会经济、历史文化等影响因素的关系. 研究发现: (1)长江三角洲地区传统村落呈集聚性分布状态. (2)传统村落空间上极不均衡, 从市域尺度来看, 主要分布在安徽省的黄山市、宣城市; 浙江省的丽水市、金华市、台州市、衢州市和杭州市. (3)交通不便、经济相对落后的山区丘陵地带以及有河流分布地带的传统村落分布较为密集, 且布局深受历史风俗文化影响. 研究结果可为长江三角洲地区传统村落的有机更新与可持续发展提供借鉴.     

宁波市鄞州区产业经济空间差异研究

以宁波市鄞州区街道/镇为分析单元, 采用探索性空间分析、Ripley’s K函数法和核密度估计法对该区2005年和2011年的人口、GDP、三次产业产值指标进行了时空分析. 结果表明: (1)鄞州区各街道/镇的产业转换速度呈两翼快中间慢的趋势, 紧邻城区和两翼的转换速度快于中间过渡地带. (2)区内各街道/镇的产业发展空间差异显著, 第一产业呈非集聚分布; 第二产业环绕在老城区的U型集聚带和沿海的工业集聚带; 第三产业集聚最显著, 但规模较小. (3)鄞州区整体产业差异显著, 人口、GDP和第一产业集聚分别为第二、三产业的集聚提供了劳动力、集聚空间和资本.     

灰色模型在江西省国内生产总值(GDP)中的应用与分析

运用灰色系统理论，建立了江西省国内生产总值（GDP）及各产业的预测模型，并对模型进行了关联检验；利用灰色关联分析，分析了江西省各产业对GDP的影响。     

基于ISCCP数据集的梅雨期影响浙江省及周边地区的对流系统特征分析

基于国际卫星云气候计划（international satellite cloud climate program，ISCCP）1998—2007年10 a深对流路径跟踪资料数据集，统计分析了梅雨期影响浙江省及周边地区的对流系统（convection system，CS）的空间、时间分布特征。从空间分布看，梅雨期影响浙江省及周边地区的CS主要来源于区域本地，且50%以上为短时对流过程，其次来源于西南、西北区域，定量统计源地发生个数，发现存在多个高发区域，与山区地形有较好的对应关系；进一步，用云顶最低温减小表征系统加强，发现江西省北部与安徽省、湖北省、浙江省交界处易发生系统加强过程；通过统计分析不同区域CS发生的初始时刻，发现CS白天发生次数稍大于晚上，并呈一定的日变化特征，且9：00（UTC）是CS初始高发时刻。