报告详情
时空智能回归模型库及实践应用
编号：169
访问权限：仅限参会人
更新：2025-09-10 15:20:46 浏览：5次
口头报告
报告开始：暂无开始时间（Asia/Shanghai）
报告时间：暂无持续时间
所在会场：[暂无会议] [暂无会议段]
暂无文件
摘要
时空回归是地理学中识别地理关系时空非平稳性的重要方法，已在众多研究领域得到广泛应用。本研究实现了两种创新的时空智能回归模型——地理神经网络加权回归（GNNWR）与地理-时间神经网络加权回归（GTNNWR），利用神经网络估计时空非平稳性。凭借更高的精度与更强的泛化能力，上述模型已在各科研领域获得广泛使用。为方便 GNNWR 与 GTNNWR 在时空非平稳过程研究中的应用，研究团队开发了基于 Python 的 GNNWR 软件包。本文详细介绍了模型的实现过程，并对该软件包进行说明，使用户能够高效运用这些前沿技术。研究团队通过两个案例验证软件包的有效性：第一例利用中国空气质量数据验证 GNNWR；第二例以浙江省近海溶解硅酸盐浓度数据验证 GTNNWR。案例研究结果充分展示了 GNNWR 软件包的有效性，并取得了显著精度。该成果预期将为未来依托大数据与时空回归技术的研究提供有力支持。
关键词
地理加权回归,GNNWR,空间非平稳性
报告人
丁佳乐
博士生 浙江大学稿件作者
全部评论
重要日期
-
会议日期
09月19日
2025
至09月21日
2025
-
09月08日 2025
初稿截稿日期
-
09月21日 2025
注册截止日期
主办单位
河海大学
中国地理学会地图学与地理信息系统专业委员会
中国地质学会地质制图与地理信息专业委员会
中国测绘学会地图学与地理信息系统专业委员会
中国地理信息产业协会地图工作委员会
中国自然资源学会资源制图专业委员会
中国地理学会地图学与地理信息系统专业委员会
中国地质学会地质制图与地理信息专业委员会
中国测绘学会地图学与地理信息系统专业委员会
中国地理信息产业协会地图工作委员会
中国自然资源学会资源制图专业委员会
承办单位
河海大学地理与遥感学院
江苏省流域地理空间智能工程研究中心
江苏省流域地理空间智能工程研究中心
联系方式
- 陈跃红
- yu******@hhu.edu.cn
- 153********
发表评论