地理学数学方法经典教程.ppt

(7)在第5步所得到的4×4阶距离矩阵中，非对角线元素中最小者为d12，14=1.29，故将G12与G14归并为一类，记为G15，即G15=｛G12，G14｝=｛（G2，G8），（G3，（G4，G9））｝。再按照公式（3.4.10）计算G1，G13与G15之间的距离，可得一个新的3×3阶距离矩阵 (8)在第6步所得的3×3阶距离矩阵中，非对角线元素中最小者为d1，15=1.32，故将G1与G15归并为一类，记为G16，即G16=｛G1，G15｝=｛（G1，（G2，G8），（G3，（G4，G9））｝。再按照公式（3.4.10）计算G13与G16之间的距离，可得一个新的2×2阶距离矩阵 (9)将G13与G16归并为一类。此时，所有分类对象均被归并为一类。 综合上述聚类过程，可以作出最短距离聚类谱系图（图3.4.2）。 图3.4.2 最短距离聚类谱系图 五、最远距离聚类法 最远距离聚类法与最短距离聚类法的区别在于计算原来的类与新类距离时采用的公式不同。 最远距离聚类法的计算公式是 （3.4.11） 例题:对于前面的例子，最远距离聚类法的聚类过程如下： (1) 在9×9阶距离矩阵中，非对角元素中最小者是d94=0.51，将第4区与第9区并为一类，记为G10，即G10=｛G4，G9｝。按照公式（3.4.11）分别计算G1，G2，G3，G5，G6，G7，G8与G10之间的距离，得到一个新的8×8阶距离矩阵 (2) 在第1步所得到的8×8阶距离矩阵中，非对角线元素中最小者为d57=0.83，故将G5与G7归并为一类，记为G11，即G11=｛G5，G7｝。按照公式（3.4.11）式分别计算G1，G2，G3，G6，G8，G10与G11之间的距离，得到一个新的7×7阶距离矩阵如下 (3) 在第2步所得到的7×7阶距离矩阵中，非对角线元素中最小者为d28=0.88，故将G2与G8归并为一类，记为G12，即G12=｛G2，G8｝。再按照公式（3.4.11）分别计算G1，G3，G6，G10，G11与G12之间的距离，得到一个新的6×6阶距离矩阵如下 (4)在第3步所得的6×6阶距离矩阵中，非对角元素中最小者为d3，10=1.23，故将G3与G10归并为一类，记为G13，即G13=｛G3，G10｝=｛G3，（G4，G9）｝。再按照公式（3.4.11）计算G1，G6，G11，G12与G13之间的距离，得到一个新的5×5阶距离矩阵如下 (5)在第4步所得的5×5阶距离矩阵中，非对角线元素中最小者为d1，12=1.52，故将G1与G12归并为一类，记为G14，即G14=｛G1，G12｝=｛G1，（G2，G8）｝。再按照公式（3.4.11）分别计算G6，G11，G13与G14之间的距离，得到一个新的4×4阶距离矩阵如下 (6)在第5步所得的4×4阶距离矩阵中，非对角线元素中最小者为d6，11=1.78，故将G6与G11归并为一类，记为G15，即G15=｛G6，G11｝=｛G6，（G5，G7）｝。再按照公式（3.4.11）分别计算G13，G14和G15之间的距离，得到一个新的3×3阶距离矩阵如下 （3）将月度（或季度）的季节指标加总，以由计算误差导致的值去除理论加总值，得到一个校正系数，并以该校正系数乘以季节性指标从而获得调整后季节性指标。 （4）求预测模型，若求下一年度的预测值，延长趋势线即可；若求各月（季）的预测值，需以趋势值乘以各月份（季度）的季节性指标。 求季节变动预测的数学模型（以直线为例）为 式中： 是t+k时的预测值; at、bt为方程系数; 为季节性指标。 例题：如表3.3.3所示，下面我们用上述步骤，预测该旅游景点2005年各季度的客流量。 表3.3.3 某旅游景点2002—2004年各季度客流量 解题步骤： （1）求时间序列的三次滑动平均值，见表3.3.3第5列。 （2）求季节性指标：将表3.3.3中第4列数据分别除以第5列各对应元素，得相应的季节系数。然后再把各季度的季节系数平均得到季节性指标，见表3.3.4。 季节性指标之和理论上应等于4。现等于 3.951 5，需要进行校正。校正方法是： 先求校正系数：θ=4/3.951 5=1.012 3。 然后将表中的第5行，分别