留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

融合空间尺度特征的时空序列预测建模方法

邓敏 陈倜 杨文涛

邓敏, 陈倜, 杨文涛. 融合空间尺度特征的时空序列预测建模方法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(12): 1625-1632. doi: 10.13203/j.whugis20130842
引用本文: 邓敏, 陈倜, 杨文涛. 融合空间尺度特征的时空序列预测建模方法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(12): 1625-1632. doi: 10.13203/j.whugis20130842
DENG Min, CHEN Ti, YANG Wentao. A New Method of Modeling Spatio-temporal Sequence by Considering Spatial Scale Characteristics[J]. Geomatics and Information Science of Wuhan University, 2015, 40(12): 1625-1632. doi: 10.13203/j.whugis20130842
Citation: DENG Min, CHEN Ti, YANG Wentao. A New Method of Modeling Spatio-temporal Sequence by Considering Spatial Scale Characteristics[J]. Geomatics and Information Science of Wuhan University, 2015, 40(12): 1625-1632. doi: 10.13203/j.whugis20130842

融合空间尺度特征的时空序列预测建模方法

doi: 10.13203/j.whugis20130842
基金项目: 国家863计划资助项目(2013AA122301);湖南省自然科学杰出青年基金资助项目(14JJ1007);湖南省研究生创新基金资助项目(CX2014B051)。
详细信息
    作者简介:

    邓敏,博士,教授,从事时空数据挖掘、推理与分析研究。E-mail:dengmin208@tom.com

  • 中图分类号: P208

A New Method of Modeling Spatio-temporal Sequence by Considering Spatial Scale Characteristics

Funds: The National High Technology Research and Development Program of China (863 Program), No. 2013AA122301; Hunan Province Science Fund for Distinguished Young Scholars, No.14JJ1007; Hunan Provincial Innovation Foundation for Postgraduate, No. CX2014B051.
  • 摘要: 假定原始的时空数据由较大尺度下的全局趋势项与较小尺度下的局部偏差项构成,提出了融合空间尺度特性的时空序列建模方法。首先,将原始数据转换为较大尺度下的数据,此部分反映原始数据的趋势特征。然后,将趋势部分剔除,剩余部分反映原始数据的偏差特征。最后,用灰色系统模型和BP神经网络模型分别对趋势项和偏差项建模,它们的组合预测结果即为原始时空序列预测值。采用该方法对实际的年降水数据以及日平均PM2.5浓度数据进行预测建模分析,实验结果表明:融合空间尺度特性的时空序列预测模型可以用于多空间尺度预测,并且预测精度优于不考虑空间尺度特性的建模方法。
  • [1] Martin R L,Oeppen J E. The Identification of Regional Forecasting Models Using Space: Time Correlation Functions[J]. Transactions of the Institute of British Geographers, 1975, 66: 95-118
    [2] Cliff A D,Ord J K. Space-time Modeling with an Application to Regional Forecasting[J]. Transactions of the Institute of British Geographers, 1975, 64: 119-128
    [3] Kamarianakis Y, Prastacos P. Space-time Modeling of Traffic Flow [J]. Computers & Geosciences, 2005, 31(2): 119-133
    [4] Cheng T, Wang J Q, Li X. Space-time Series Modeling by Artificial Neural Network[C]. International Conference on Earth Observation Data Processing and Analysis (ICEODPA), Wuhan,China, 2008
    [5] Wang J, Cheng T, Haworth J. Space-time Kernels[J]. International Archives of the Photogrammetry, 2010, 38: 57-62
    [6] Wang Jiaqiu, Deng Min, Cheng Tao, et al. Spatio-temporal Series Data Analysis and Modeling[M]. Beijing: Science Press, 2012(王佳璆, 邓敏, 程涛, 等. 时空序列数据分析和建模[M]. 北京: 科学出版社, 2012)
    [7] Pei Tao, Zhou Chenghu, Luo Jiancheng, et al. Review on the Proceeding of Spatial Data Mining Research[J]. Journal of Image and Graphics, 2001, 6(9): 854-870(裴韬, 周成虎, 骆剑承, 等. 空间数据知识发现研究进展评述[J]. 中国图像图形学报, 2001, 6(9): 854-870)
    [8] Li Lin, Ying Shen. Fundamental Problem on Spatial Scale[J]. Geomatics and Information Science of Wuhan University, 2005, 30(3): 199-203(李霖, 应申. 空间尺度基础性问题研究[J]. 武汉大学学报·5信息科学版, 2005, 30(3): 199-203)
    [9] Turner M G, O'Neill R V, Gardner R H, et al. Effects of Changing Spatial Scale on the Analysis of Landscape Pattern[J]. Landscape Ecology, 1989, 3(3-4): 153-162
    [10] Liu Kai, Wu Hehai, Ai Tinghua, et al. Three-tiered Concept of Scale of Geographical Information and Its Transformation[J]. Geomatics and Information Science of Wuhan University, 2008, 33(11): 1 178-1 181(刘凯, 毋河海, 艾廷华, 等. 地理信息尺度的三重概念及其变换[J]. 武汉大学学报·5信息科学版, 2008, 33(11): 1 178-1 181)
    [11] Hu Yunfeng, Xu Zhiying, Liu Yue, et al. A Review of the Scaling Issues of Geospatial Data[J]. Advances in Earth Science, 2013, 28(3): 297-304(胡云锋, 徐芝英, 刘越, 等. 地理空间数据的尺度转换[J]. 地球科学进展, 2013, 28(3): 297-304)
    [12] Meng Bin, Wang Jinfeng. A Review on the Methodology of Scaling with Geo-data[J]. Acta Geographica Sinica, 2005, 60(2): 277-288(孟斌, 王劲峰. 地理数据尺度转换方法研究进展[J]. 地理学报, 2005, 60(2): 277-288)
    [13] Luo Jiancheng, Zhou Chenghu, Liang Yi, et al. Scale-space Theory Based Regionalization for Spatial Cells[J]. Acta Geographica Sinica, 2002, 57(2): 167-173(骆剑承, 周成虎, 梁怡, 等. 多尺度空间单元区域划分方法[J]. 地理学报, 2002, 57(2): 167-173)
    [14] Wang Haiqi, Wang Jinfeng. A K-means Adapted Algorithm Based Spatial Contiguity Relations[J]. Computer Engineering, 2006, 32(31): 50-51(王海起, 王劲峰. 一种基于空间邻接关系的k-means聚类改进算法[J]. 计算机工程, 2006, 32(21): 50-51)
    [15] Wei Erhu, Li Zhiqiang, Gong Guangyu. et al. Fitting Prediction of Pole Motion Time Series Model[J]. Geomatics and Information Science of Wuhan University, 2013, 38(12): 1 420-1 424(魏二虎, 李智强, 龚光裕, 等. 极移时间序列模型的拟合与预测[J]. 武汉大学学报·5信息科学版, 2013, 38(12): 1 420-1 424)
    [16] Peng Ling, Niu Ruiqing, Zhao Yannan. et al. Prediction of Landslide Displacement Based on KPCA and PSO-SRR[J]. Geomatics and Information Science of Wuhan University, 2013, 38(2): 148-152(彭令, 牛瑞卿, 赵艳南, 等. 基于核主成分分析和粒子群优化支持向量机的滑坡位移预测[J]. 武汉大学学报·5信息科学版, 2013, 38(2): 148-152)
  • [1] 张立福, 王飒, 刘华亮, 林昱坤, 王晋年, 朱曼, 高了然, 童庆禧.  从光谱到时谱——遥感时间序列变化检测研究进展 . 武汉大学学报 ● 信息科学版, 2021, 46(4): 451-468. doi: 10.13203/j.whugis20200666
    [2] 戴海亮, 孙付平, 姜卫平, 肖凯, 朱新慧, 刘婧.  小波多尺度分解和奇异谱分析在GNSS站坐标时间序列分析中的应用 . 武汉大学学报 ● 信息科学版, 2021, 46(3): 371-380. doi: 10.13203/j.whugis20190107
    [3] 王培, 江南, 王玉晶, 张亚军, 刘小春.  利用视距进行多源空间数据尺度集成 . 武汉大学学报 ● 信息科学版, 2020, 45(7): 1008-1014. doi: 10.13203/j.whugis20180401
    [4] 舒时立, 李锐, 吴华意.  基于地名树的最佳空间尺度新闻事件地点提取方法 . 武汉大学学报 ● 信息科学版, 2019, 44(9): 1416-1422. doi: 10.13203/j.whugis20170358
    [5] 吴浩, 卢楠, 邹进贵, 郭世泰.  GNSS变形监测时间序列的改进型3σ粗差探测方法 . 武汉大学学报 ● 信息科学版, 2019, 44(9): 1282-1288. doi: 10.13203/j.whugis20170338
    [6] 李建, 周屈, 陈晓玲, 田礼乔, 李亭亭.  近岸/内陆典型水环境要素定量遥感空间尺度问题研究 . 武汉大学学报 ● 信息科学版, 2018, 43(6): 937-942. doi: 10.13203/j.whugis20160174
    [7] 秦占飞, 常庆瑞, 申健, 于洋, 刘佳岐.  引黄灌区水稻红边特征及SPAD高光谱预测模型 . 武汉大学学报 ● 信息科学版, 2016, 41(9): 1168-1175. doi: 10.13203/j.whugis20140516
    [8] 程子桉, 庞小平, 赵羲, 季青.  1978~2014南极海冰边缘线长度时间序列变化 . 武汉大学学报 ● 信息科学版, 2016, 41(11): 1463-1468. doi: 10.13203/j.whugis20150263
    [9] 牛超, 李夕海, 易世华, 卢世坤, 刘代志.  地磁变化场的MEEMD-样本熵-LSSVM预测模型 . 武汉大学学报 ● 信息科学版, 2014, 39(5): 626-630. doi: 10.13203/j.whugis20130261
    [10] 裴媛媛, 廖明生, 王寒梅.  时间序列SAR影像监测堤坝形变研究 . 武汉大学学报 ● 信息科学版, 2013, 38(3): 266-269.
    [11] 魏二虎, 李智强, 龚光裕, 张帅.  极移时间序列模型的拟合与预测 . 武汉大学学报 ● 信息科学版, 2013, 38(12): 1420-1424.
    [12] 归庆明, 李涛, 衡广辉.  时间序列异常值探测的Bayes方法及其在电离层VTEC数据处理中的应用 . 武汉大学学报 ● 信息科学版, 2011, 36(7): 802-806.
    [13] 何敏, 何秀凤.  利用时间序列干涉图叠加法监测江苏盐城地区地面沉降 . 武汉大学学报 ● 信息科学版, 2011, 36(12): 1461-1465.
    [14] 陆付民, 王尚庆, 李劲, 严学清.  顾及地下水位因子的卡尔曼滤波模型在滑坡变形预测中的应用 . 武汉大学学报 ● 信息科学版, 2010, 35(10): 1184-1187.
    [15] 张鹏, 蒋志浩, 秘金钟, 党亚民.  我国GPS跟踪站数据处理与时间序列特征分析 . 武汉大学学报 ● 信息科学版, 2007, 32(3): 251-254.
    [16] 刘飞, 王新洲, 张鹏林, 余旭.  基于Lebesgue积分理论的时间序列信号中的背景重建 . 武汉大学学报 ● 信息科学版, 2006, 31(5): 462-465.
    [17] 李霖, 应申.  空间尺度基础性问题研究 . 武汉大学学报 ● 信息科学版, 2005, 30(3): 199-203.
    [18] 杜国明, 龚健雅, 朱家松.  时间序列中反向查询算法的研究 . 武汉大学学报 ● 信息科学版, 2004, 29(1): 52-54,62.
    [19] 乔学军, 王琪, 吴云, 杜瑞林.  中国大陆GPS基准站的时间序列特征 . 武汉大学学报 ● 信息科学版, 2003, 28(4): 413-416.
    [20] 徐培亮.  应用时间序列方法作大坝变形预报 . 武汉大学学报 ● 信息科学版, 1988, 13(3): 23-31.
  • 加载中
计量
  • 文章访问数:  1890
  • HTML全文浏览量:  56
  • PDF下载量:  728
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-05-04
  • 刊出日期:  2015-12-05

融合空间尺度特征的时空序列预测建模方法

doi: 10.13203/j.whugis20130842
    基金项目:  国家863计划资助项目(2013AA122301);湖南省自然科学杰出青年基金资助项目(14JJ1007);湖南省研究生创新基金资助项目(CX2014B051)。
    作者简介:

    邓敏,博士,教授,从事时空数据挖掘、推理与分析研究。E-mail:dengmin208@tom.com

  • 中图分类号: P208

摘要: 假定原始的时空数据由较大尺度下的全局趋势项与较小尺度下的局部偏差项构成,提出了融合空间尺度特性的时空序列建模方法。首先,将原始数据转换为较大尺度下的数据,此部分反映原始数据的趋势特征。然后,将趋势部分剔除,剩余部分反映原始数据的偏差特征。最后,用灰色系统模型和BP神经网络模型分别对趋势项和偏差项建模,它们的组合预测结果即为原始时空序列预测值。采用该方法对实际的年降水数据以及日平均PM2.5浓度数据进行预测建模分析,实验结果表明:融合空间尺度特性的时空序列预测模型可以用于多空间尺度预测,并且预测精度优于不考虑空间尺度特性的建模方法。

English Abstract

邓敏, 陈倜, 杨文涛. 融合空间尺度特征的时空序列预测建模方法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(12): 1625-1632. doi: 10.13203/j.whugis20130842
引用本文: 邓敏, 陈倜, 杨文涛. 融合空间尺度特征的时空序列预测建模方法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(12): 1625-1632. doi: 10.13203/j.whugis20130842
DENG Min, CHEN Ti, YANG Wentao. A New Method of Modeling Spatio-temporal Sequence by Considering Spatial Scale Characteristics[J]. Geomatics and Information Science of Wuhan University, 2015, 40(12): 1625-1632. doi: 10.13203/j.whugis20130842
Citation: DENG Min, CHEN Ti, YANG Wentao. A New Method of Modeling Spatio-temporal Sequence by Considering Spatial Scale Characteristics[J]. Geomatics and Information Science of Wuhan University, 2015, 40(12): 1625-1632. doi: 10.13203/j.whugis20130842
参考文献 (16)

目录

    /

    返回文章
    返回