本文選題：時空插值 + 分區(qū)��； 參考：《測繪學(xué)報(bào)》2016年04期

【摘要】：時空插值方法被廣泛應(yīng)用于缺失時空數(shù)據(jù)集的插值與估計(jì)。時空插值是時空建模與分析的一個重要內(nèi)容,當(dāng)前該研究關(guān)注的熱點(diǎn)之一是異質(zhì)條件下的時空插值與估計(jì)問題。因此,本文從時空數(shù)據(jù)的異質(zhì)性出發(fā),提出了一種顧及時空異質(zhì)性的缺失數(shù)據(jù)時空插值方法。該方法首先對數(shù)據(jù)集進(jìn)行時空分區(qū),然后分別在時間和空間按照異質(zhì)協(xié)方差模型計(jì)算缺失數(shù)據(jù)的估計(jì)值,進(jìn)而利用相關(guān)系數(shù)確定時空權(quán)重、融合時間和空間估計(jì)值得到缺失數(shù)據(jù)的最終估計(jì)結(jié)果。最后通過兩組氣象數(shù)據(jù)集進(jìn)行交叉驗(yàn)證對比分析試驗(yàn)。試驗(yàn)結(jié)果表明本文方法對比其他插值方法具有更高的精度和適用性。
[Abstract]:Spatiotemporal interpolation is widely used in interpolation and estimation of missing spatiotemporal data sets. Space-time interpolation is an important part of spatio-temporal modeling and analysis. Currently, one of the hotspots of this research is the spatio-temporal interpolation and estimation under heterogeneous conditions. Therefore, based on the heterogeneity of spatiotemporal data, this paper proposes a spatio-temporal interpolation method for missing data with consideration of spatio-temporal heterogeneity. Firstly, the data sets are partitioned in time and space, then the missing data estimates are calculated in time and space according to heterogeneous covariance model, and then the space-time weights are determined by correlation coefficients. The fusion time and space estimation is worth the final estimation result of missing data. Finally, two sets of meteorological data sets are used for cross-validation and comparative analysis. The experimental results show that the proposed method has higher accuracy and applicability than other interpolation methods.
【作者單位】： 中南大學(xué)地球科學(xué)與信息物理學(xué)院;武漢大學(xué)測繪遙感信息工程國家重點(diǎn)實(shí)驗(yàn)室;日電(NEC)中國研究院;
【基金】：國家863計(jì)劃(2013AA122301) 湖南省博士生優(yōu)秀學(xué)位論文(CX2014B050) 中南大學(xué)研究生創(chuàng)新項(xiàng)目(2015zzts067)~~
【分類號】：P208

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李開燦;;有缺失數(shù)據(jù)的META-MARKOV模型的局部計(jì)算[J];應(yīng)用數(shù)學(xué)學(xué)報(bào);2007年03期

2 周偉萍;張德然;楊興瓊;;具有部分缺失數(shù)據(jù)時兩個幾何總體的估計(jì)[J];長春大學(xué)學(xué)報(bào);2008年02期

3 梁怡;;缺失數(shù)據(jù)的插補(bǔ)調(diào)整方法[J];西安文理學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年01期

4 楊基棟;;缺失數(shù)據(jù)的插補(bǔ)方法及其統(tǒng)計(jì)分析[J];華北水利水電學(xué)院學(xué)報(bào);2010年02期

5 周影;劉龍;馬維軍;李季;劉海東;朱佶;李紹坤;;調(diào)查問卷中含缺失數(shù)據(jù)的等級變量的補(bǔ)缺方法[J];數(shù)學(xué)的實(shí)踐與認(rèn)識;2011年01期

6 游曉鋒;丁樹良;劉紅云;;缺失數(shù)據(jù)的估計(jì)方法及應(yīng)用[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

7 梁怡;龐應(yīng)周;;缺失數(shù)據(jù)常見插補(bǔ)調(diào)整方法的比較[J];內(nèi)蒙古科技與經(jīng)濟(jì);2013年23期

8 孫瑜玲;;數(shù)學(xué)建模中的缺失數(shù)據(jù)[J];中國科教創(chuàng)新導(dǎo)刊;2013年10期

9 龐新生;缺失數(shù)據(jù)處理中相關(guān)問題的探討[J];統(tǒng)計(jì)與信息論壇;2004年05期

10 廖娟芬;黃紹軍;李春紅;;具有部分缺失數(shù)據(jù)的異均值方差分析法[J];海南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

相關(guān)會議論文 前8條

1 耿直;葛丹丹;;縱向研究非隨機(jī)缺失數(shù)據(jù)分析[A];中國現(xiàn)場統(tǒng)計(jì)研究會第12屆學(xué)術(shù)年會論文集[C];2005年

2 管河山;姜青山;Steven X.Wei;;一種處理缺失數(shù)據(jù)的新方法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報(bào)告篇）[C];2004年

3 陳楠;劉紅云;;基于增長模型的缺失數(shù)據(jù)處理方法之比較[A];心理學(xué)與創(chuàng)新能力提升——第十六屆全國心理學(xué)學(xué)術(shù)會議論文集[C];2013年

4 肖進(jìn);賀昌政;;面向缺失數(shù)據(jù)的客戶價值區(qū)分集成模型研究[A];中國企業(yè)運(yùn)籌學(xué)[2010(1)][C];2010年

5 曾莉;張淑梅;辛濤;;IRT模型中缺失數(shù)據(jù)處理方法比較[A];第十一屆全國心理學(xué)學(xué)術(shù)會議論文摘要集[C];2007年

6 孫玲;劉浩;袁長亮;;北京市城市快速路微波檢測缺失數(shù)據(jù)分析[A];2008第四屆中國智能交通年會論文集[C];2008年

7 張香云;;基于EM算法缺失數(shù)據(jù)下混合模型的參數(shù)估計(jì)[A];第十三屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2011年

8 李曉煦;侯杰泰;;結(jié)構(gòu)方程中缺失數(shù)據(jù)的處理:FIML,EM與MI[A];全國教育與心理統(tǒng)計(jì)測量學(xué)術(shù)年會論文摘要集[C];2006年

，

本文編號：1858342