時空序列數(shù)據(jù)分析和建模.pdf

1、舟熹號編號州‘咖}o j t l - 1 n咿幽撼毋博士學(xué)位論文時空序列數(shù)據(jù)分析和建模學(xué)位中許人： 圭竺!導(dǎo)師姓名廈職稱：蘭墨苧苧墾堡教授地圖學(xué)與地理信息系統(tǒng)驗證了模型預(yù)測空間面狀( 或離散分布) 數(shù)據(jù)的有效性。( 3 ) 對時空異質(zhì)性( S p a c e - T i m eH e t e r o g e n t i t y ) ( 或非平穩(wěn)性) 進行了研究，提出了時空序列混合模型( H y b r i dM o d e l ) 以及

2、時空數(shù)據(jù)分析四階段過程。H y b r i d 模型基本思想是運用神經(jīng)網(wǎng)絡(luò)模型多層感知器( M L P ) 算法提取非平穩(wěn)時空序列中的大尺度( L a r g e ．S c a l e ) 或全局的時空非線性趨勢( D e t e r m i n i s t i c N o n l i n e a rS p a c e ．T i m eT r e n d s ) ，然后用S T A R M A 建模小尺度( S m a l l - S

3、c a l e ) 或局部的隨機時空變異( S t o c h a s t i cS p a c e ．T i m e V a r i a t i o n ) 。其中，高斯半變異函數(shù)( G a u s s i a n s e m i - v a r i g r a mf u n c t i o n ) 被用于測度S T A R M A 模型的空間權(quán)重。時空數(shù)據(jù)分析四階段過程分別是時空數(shù)據(jù)準備( S p a c e ．T i m eD a

4、 t a P r e p a r a t i o n ) ，探索性時空數(shù)據(jù)分析( E x p l o r eS p a c e ．T i m eD a t aA n a l y s i s ) ，時空數(shù)據(jù)訓(xùn)練( S p a c e ．T i m e D a t a T r a i n i n g ) 和時空數(shù)據(jù)驗i ] E ( S p a c e ．T i m eD a t aV a l i d a t i n g ) 。運用提出的混合

5、模型( H y b r i dM o d e l ) 和四階段過程以我國1 3 7 個氣象站點1 9 5 1 ．2 0 0 2 年年平均氣溫的時空預(yù)測為例對提出的模型進行了驗證，表明模型預(yù)測空間點( 或連續(xù)分布) 數(shù)據(jù)的有效性。進一步對模型的殘差分析結(jié)果表明提出來的模型在解釋時空變異方面優(yōu)于傳統(tǒng)的S T A R M A 模型。( 4 ) 深入研究了時空自回歸移動平均模型( S T A R M A ) 模型中的時空延遲算子( S p a

6、c e ．T i m e L a g O p e r a t o r ) ，結(jié)合靜態(tài)和動態(tài)神經(jīng)元原理，提出了“時空“ 神經(jīng)元( S p a c e ．T i m eN e u r o n s ) 模型，用“時空’’神經(jīng)元構(gòu)造了一種新的動態(tài)神經(jīng)網(wǎng)絡(luò)模型一時空序列神經(jīng)網(wǎng)絡(luò)( S T A N N ) 模型，并將空間鄰接性或距離( S p a t i a lA d j a c e n t y ／D i s t a n c e ) 等先驗知識(

7、P r i o rK n o w l e d g e ) 嵌入到了S T A N N 模型設(shè)計當中，提高了模型收斂速度。另外，通過在S T A N N 模型中通過引入折扣最小二乘( D i s c o u n t i n g L e a s tS q u a r e ，D L S ) 誤差評估準則，使S T A N N 具有了非平穩(wěn)時空序列建模的能力。并以東莞市3 2 個鎮(zhèn)1 9 9 4 ．2 0 0 2 年的G D P 產(chǎn)值和我國1

8、3 7 個氣象站點1 9 5 1 ．2 0 0 2 年年平均氣溫的為例對提出的模型進行了驗證，表明S T A N N 模型擬合與泛化性能優(yōu)于S T A R M A 模型，配對t 檢驗結(jié)果顯示S T A N N 模型預(yù)測性能顯著地好于S T A R M A 模型。( 5 ) 提出了“時空”核函數(shù)( S p a c e ．T i m e K e r n e lF u n c t i o n ) ，探討了“時空“ 核參數(shù)選取的方法。并利用“時

9、空“ 核函數(shù)設(shè)計了“時空“ 支持向量回歸模型一S T S V R 模型。并以東莞市3 2 個鎮(zhèn)1 9 9 4 ．2 0 0 2 年的G D P 產(chǎn)值和我國1 3 7 個氣象站點1 9 5 1 ．2 0 0 2 年年平均氣溫的時空預(yù)測為例對提出的模型進行了驗證，表明S T S V R 模型在高維和小樣本情況下泛化性能均優(yōu)于S T A N N 和S T A R M A 模型。( 6 ) 全面比較了各模型的優(yōu)缺點及它們適用的時空序列數(shù)據(jù)類型。