排序方式： 共有7条查询结果，搜索用时 15 毫秒
1
1.
针对Aqua和Terra MODIS AOD数据利用线性回归算法拟合结果不够精确的问题,本文提出了二次多项式回归算法对其进行拟合,二次多项式是指这个多项式的项数超过1,且最高次方数为2。采用二次多项式回归和线性回归算法分别对2015年随机选择的一天和4-6月的AOD数据进行拟合,并将两种方法拟合的结果进行对比分析。研究结果显示,针对同一组Aqua和Terra MODIS AOD数据的拟合,二次多项式回归方法拟合得到的RMSE、MAE、R值比线性回归拟合方法得到的值精度都要高很多,说明二次多项式回归拟合方法在Aqua和Terra MODIS AOD数据的拟合方面优于线性回归方法的拟合,证明了二次多项式回归拟合方法适用于此方面的研究,而且能够提升Aqua和Terra MODIS AOD数据拟合结果的精度。 相似文献
2.
反距离加权插值法是空间分析中插值的一种常用方法,被广泛应用于各个领域的插值计算中。针对反距离插值法(IDW)中未考虑时间因素与高程因素的影响,本文提出一种顾及高程因素的时空反距离加权插值法(H-TIDW)。该方法首先利用时间序列分解法去除数据的季节性波动,然后综合考虑时空距离与高程因素构建时空插值模型进行预测,最后在预测结果上叠加季节性波动得到最终的预测值。验证结果表明:顾及高程的时空反距离加权插值法将时空信息考虑到距离计算之内,从时间和空间两个维度对PM2.5浓度数据进行分析研究,避免了只考虑空间或者时间而造成大量有价值信息丢失,且插值精度也有一定程度的提升。 相似文献
3.
针对传统空间插值方法对影响PM2.5的插值因素考虑不全面和局部加权线性回归模型中近邻个数选择困难等问题,该文基于局部加权线性回归模型提出了一种引入正则化项的空间插值方法。以北京市3个月的PM2.5数据为例,选取SO_2、NO_2、O_3、CO作为观测指标,通过正则化进行权重系数修正、L曲线法确定正则化系数,提高了该插值模型的稳定性与自适应性。交叉验证结果显示,本文方法相对于普通Kriging,3个月的平均绝对误差(MAE)与均方根误差(RMSE)分别降低28.44%、26.25%;相对于反距离加权插值法的MAE、RMSE分别降低18.07%、17.02%。研究结果表明,基于局部加权线性回归模型的PM2.5空间插值相对于传统方法有一定提升。 相似文献
4.
针对采用地理加权回归模型（GWR）进行预测时输入变量较多导致计算复杂度高,而输入变量较少引起预测精度降低这一问题,提出了一种基于主成分分析的地理加权回归方法（PCA-GWR）。首先,该方法检验了气溶胶光学厚度（AOD）影响因素之间的共线性;然后,通过非线性主成分分析法（NLPCA）对影响AOD值的若干相关变量进行处理,既消除了相关变量彼此之间的多重共线性,又可以起到降维的作用;最后,利用非线性主成分分析得到较少的几个综合指标,通过地理加权回归模型对AOD值进行分析预测。为验证该方法的有效性,采用京津冀地区的AOD、高程、风速、气温、湿度、气压、坡度、坡向数据,利用Pearson相关系数法选取与AOD浓度具有较高相关性的影响因素作为常规的GWR模型的输入变量,在变量个数相同的前提下,与本文方法进行对比。研究结果表明：应用非线性主成分分析法对相关变量进行预处理后,有效地解决了变量之间的共线性,保留了原始影响因素主要信息,提高了运算效率,且该方法所得的MAE、RMSE、AIC及其拟合优度R2均优于常规的GWR模型。 相似文献
5.
旅游目的地网络关注度与关注重心的时空变化——以南京市为例 总被引：1，自引：0，他引：1
基于2011—2015年全国31个省市自治区与直辖市对南京旅游网络关注度百度指数,使用泰尔指数,重心模型等方法,分析南京旅游网络关注度的区域差异与空间分布均衡程度,通过关注度重心的动态变化揭示其未来的发展趋势,以期为南京旅游产品的对外营销的侧重地区提供重要参考。研究发现:1)2011—2015年,南京旅游网络关注度总体呈平稳态势,2015年出现小幅回落;2)区域总体差异与区域间差异较为稳定,区域间差异显著;3)区域内部差异是造成区域总体差异的重要原因;4)南京旅游网络关注度位序与南京旅游客源地客流位序存在一定相关性;5)南京旅游网络关注度重心大致呈现东北—西南—东北的移动轨迹,关注度重心位于华东与华中地区交界处。 相似文献
6.
一种基于主成分分析的协同克里金插值方法 总被引：1，自引：0，他引：1
针对协同克里金插值方法在插值时,辅助变量较多造成计算复杂度增加,而辅助变量较少引起插值精度降低这一问题,提出了一种基于主成分分析的协同克里金插值方法（PCA-CoKriging）。该方法首先使用主成分分析对插值相关变量进行将维,得到较少几个综合指标,然后里利用这几个综合指标作为辅助变量进行协同克里金插值。为验证该方法的有效性和数据分布对该方法的影响,本文选取了2016年北京市范围内4个季节中PM2.5浓度满足正态分布效果不同的4组数据,分别使用PCA-CoKriging和普通克里金插值方法、常规协同克里金插值方法,进行了插值试验。结果表明,本文方法与普通克里金插值方法、常规协同克里金插值法在4组试验中的平均绝对误差分别为4.91、6.04、5.61,平均均方根误差分别为6.65、8.76、7.57。综合比较,本文方法比常规协同克里金插值的平均绝对误差与均方根误差分别提升了10.73%、12.56%,比普通克里金插值法的平均绝对误差与均方根误差分别提升了18.71%、24.09%。 相似文献
7.
针对时空地理加权回归模型(GTWR)进行预测时,输入变量较多导致计算复杂度高,而输入变量较少引起预测精度降低这一问题,提出了一种基于主成分分析的时空地理加权回归方法(PCA-GTWR)。该方法采用非线性主成分分析方法,先对影响PM2.5浓度的若干相关变量降维处理得到几个综合指标,并将其作为GTWR模型的输入变量进行预测。为验证该方法的有效性,采用北京市2014-04—2017-03的PM2.5数据,利用Pearson相关系数法选取与PM2.5浓度具有较高相关性的影响因素作为常规的GTWR模型的输入变量,在变量个数相同的前提下,与本文方法进行对比。结果表明应用非线性主成分分析方法对相关变量进行预处理后,有效地解决了变量之间的共线性,保留了原始影响因素主要信息,提高了运算效率,且该方法的MAE、RMSE、AIC均低于常规的GTWR模型,拟合优度GF最高达到88.11%。 相似文献
1