本文選題：混合時(shí)空地理加權(quán)回歸 + 時(shí)空地理加權(quán)回歸�。� 參考：《計(jì)算機(jī)科學(xué)》2017年03期

【摘要】：針對(duì)全局平穩(wěn)特征和時(shí)空非平穩(wěn)特征同時(shí)存在的現(xiàn)象,提出了混合時(shí)空地理加權(quán)回歸方法(Mixed Geographically and Temporally Weighted Regression,MGTWR),給出了MGTWR的數(shù)學(xué)定義和回歸參數(shù)的兩步估計(jì)。同時(shí),介紹了調(diào)整型帶寬選擇機(jī)制下的權(quán)重計(jì)算方法和基于Akaike信息準(zhǔn)則(Akaike Information Criterion,AIC)的參數(shù)優(yōu)化方法。采用復(fù)雜程度不同的模擬數(shù)據(jù)來測試方法的性能。結(jié)果表明,MGTWR和GTWR的R2大于0.8,能模擬全局平穩(wěn)特征和時(shí)空非平穩(wěn)特征的現(xiàn)象,但MGTWR顯著優(yōu)于GTWR。MGWR因無法探測時(shí)間平穩(wěn)特征,模擬效果最差。此外,數(shù)據(jù)復(fù)雜程度影響MGTWR,GTWR和MGWR的性能,數(shù)據(jù)越簡單模擬效果越好。
[Abstract]:Aiming at the phenomenon that the global stationary feature and the spatio-temporal non-stationary feature exist simultaneously, a mixed spatio-spatial geo-weighted regression method is proposed. The mathematical definition of MGTWR and the two-step estimation of regression parameters are given. At the same time, the weight calculation method based on the adjusting bandwidth selection mechanism and the parameter optimization method based on Akaike information criterion are introduced. The performance of the method is tested using simulated data of varying complexity. The results show that the R2 of MGTWR and GTWR is greater than 0.8, which can simulate the phenomena of global stationary feature and spatio-temporal non-stationary feature, but MGTWR is superior to GTWR.MGWR because it can not detect the time-stationary feature, so the simulation effect is the worst. In addition, the complexity of data affects the performance of MGTWR and MGWR. The simpler the data is, the better the simulation effect is.
【作者單位】： 遼寧工程技術(shù)大學(xué);中國測繪科學(xué)研究院;
【基金】：公益性行業(yè)科研專項(xiàng)(201512032) 國家重點(diǎn)研發(fā)計(jì)劃(總體設(shè)計(jì)與標(biāo)準(zhǔn)規(guī)范,2016YFC0803101)資助
【分類號(hào)】：O212

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 喻勝華,梁小林;帶多余參數(shù)的回歸方程系統(tǒng)的兩步估計(jì)[J];高校應(yīng)用數(shù)學(xué)學(xué)報(bào)A輯(中文版);2001年02期

2 尹素菊,王松桂;圓參數(shù)的兩步估計(jì)(英文)[J];工程數(shù)學(xué)學(xué)報(bào);2004年05期

3 劉殿國,張洪波;具有周期趨勢的灰色系統(tǒng)模型的兩步估計(jì)[J];吉林師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年02期

4 陽寧光;一般半相依回歸系統(tǒng)兩步估計(jì)序列的收斂性[J];汕頭大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年01期

5 黃云騰;朱寧;趙肖肖;黃敦明;;回歸系統(tǒng)廣義嶺型主成分兩步估計(jì)的優(yōu)良性質(zhì)[J];桂林電子科技大學(xué)學(xué)報(bào);2012年03期

6 林春土;m個(gè)半相依回歸方程組系數(shù)的兩步估計(jì)[J];科學(xué)通報(bào);1984年15期

7 陳昌華;;半相依回歸方程組兩步估計(jì)的優(yōu)良性[J];應(yīng)用概率統(tǒng)計(jì);1986年02期

8 楊虎;兩步估計(jì)效率的若干注記[J];重慶交通學(xué)院學(xué)報(bào);1991年02期

9 劉金山,陳永明;相依線性回歸方程組的一種“樸實(shí)”兩步估計(jì)的有效性[J];數(shù)理統(tǒng)計(jì)與應(yīng)用概率;1997年01期

10 張忠占;嵌套病例對(duì)照研究中的兩步估計(jì)方法(英文)[J];應(yīng)用概率統(tǒng)計(jì);2002年02期

相關(guān)博士學(xué)位論文 前1條

1 尹素菊;線性模型的參數(shù)估計(jì)理論與方法[D];北京工業(yè)大學(xué);2005年

相關(guān)碩士學(xué)位論文 前8條

1 葛欣怡;帶刪失結(jié)構(gòu)的第二類Tobit模型的兩步估計(jì)法[D];中國科學(xué)技術(shù)大學(xué);2016年

2 劉相各;新建Panel模型的參數(shù)估計(jì)及假設(shè)檢驗(yàn)[D];鄭州大學(xué);2016年

3 溫敏;基于局部似然修正的可加模型的兩步估計(jì)[D];山東大學(xué);2007年

4 徐鍵;兩個(gè)半相依回歸公共參數(shù)的改進(jìn)估計(jì)[D];北京交通大學(xué);2011年

5 李少會(huì);半?yún)?shù)空間多元回歸模型兩步估計(jì)及其性質(zhì)研究[D];蘭州理工大學(xué);2011年

6 曹玉璋;基于Box-Cox變換的Gamma模型[D];華中師范大學(xué);2011年

7 范倩雯;半相依回歸系統(tǒng)的根方估計(jì)[D];湖南大學(xué);2009年

8 楊曉萍;存在項(xiàng)目無回答時(shí)的因子分析[D];華東師范大學(xué);2001年

，

本文編號(hào)：2018983