地理数学方法与建模.pptVIP

Drk=min dij =min {min dij, mindij} i∈Gr i∈Gp i∈Gq j∈Gk j∈Gk j∈Gk 3. 将D(0)中第p、q行和p、q列删去，加上第r行和第r列。第r行和第r列与其他类间的距离按照上式判断后填上的，这样就得到一个新距离矩阵D(1)表。为清楚计算，应在表下方注明新类是由哪两类聚成的。 4. 对D(1)表，按第2、3步方法重复计算，直到所有样品都并为一类为止。如某一步D(k)中最小元素不止一个，对应这些最小元素的类可同时合并。最后绘出聚类图。 第七章 地理系统的聚类分析与判别分析 以新疆地区6个地点4个指标为例，用最短距离法进行聚类分析： 第一步，将原始数据经标准化处理后，以欧氏距离作为分类统计量，得初始距离矩阵D(0)，如表7－5所示。 第二步，在D(0)中，最小元素为D12=0.375，将G1与G2合并成一新类G7，G7={G1,G2}，然后再计算新类G7与其他各类间的距离 D73=0.483，D74=1.595，D75=1.337，D76=1.742。 第三步，作D(1)表7-6。先从D(0)表中删去G1类和G2类所在行和列中的元素，然后把G7与其他类的距离填到D(0)中，就得到D(1)。 第七章 地理系统的聚类分析与判别分析 3. 一元非线性回归模型的效果检验 在选配曲线的回归过程中，首先遇到的问题就是曲线类型的选择。因为曲线类型选择恰当，不仅对揭示出要素间的内在规律具有重要意义，而且对于减少剩余误差、提高回归模型的效果更具有实际意义。否则，其效果往往不能令人满意，甚至会歪曲要素间的内在规律性。 第五章 地理要素间的相关分析与回归分析 那么，怎样衡量曲线回归模型的好坏呢？在衡量一元线性回归模型的效果时，我们采用了相关系数的平方等于回归平方和与总平方和之比，即 或用剩余平方和来表示，则为 在选配曲线的过程中，要求所配曲线与地理数据拟和较好，可利用上面右式定义的量来衡量所配曲线效果的好坏，记作R2，称为相关指数。 第五章 地理要素间的相关分析与回归分析 相关指数越大，表明选配的回归曲线效果越好，剩余标准差越小，其回归模型的预测精度就越高。现以表5－8中数据为例，计算出剩余平方和与总平方和如表5－9所示。其相关指数为 R2=1-0.0001/0.0298=1-0.0034=0.997 剩余标准差为 由此可见，地形坡度对径流系数影响的模型拟和效果很好，而且剩余标准差也很小，因此模型的预测精度也很高。 第五章 地理要素间的相关分析与回归分析 三、多元地理回归模型的建立 一个地理系统的基本特点之一，是它具有多要素性，而且各要素之间相互联系、相互影响。当研究某一个要素y与其他要素x1,x2,x3,...,xn之间的定量关系时，就需要用多元回归分析方法。下面分别介绍线性与非线性多元回归模型的建立方法。 （一）多要素线性地理回归模型的建立 1. 多要素线性地理回归模型的建立方法 一般设其数学结构模型为 yα=β0+β1x α1+β2x α2+β3x α3+...+βkx αk+εα 采用最小二乘法，得到回归模型为 y^=b0+b1x1+b2x2+...+bkxk（bk为偏回归系数） 第五章 地理要素间的相关分析与回归分析 偏回归系数的意义表明：当其他要素都固定时，该自变量每变化一个单位而使y平均改变的数值。偏回归系数的确定同样是依据最小二乘法原理，即使 达到最小，式中α为观测数据的序号，将上式对b0,b1,...,bk求偏倒数，并令其都等于零，即 第五章 地理要素间的相关分析与回归分析 经展开整理后得 第五章 地理要素间的相关分析与回归分析 以上方程组称为正规方程组，由其系数构成得矩阵记作A＝X′X，即 上述方程组可写成Ab=B的形式，其中B=X′Y。解这个方程组即可得到各个变量的偏回归系数。 将求出的偏回归系数和常数项代入多元线性数学模型中，即可得到k元线性地理回归模型。 第五章 地理要素间的相关分析与回归分析 例如：某一国家某一经济区内木材生产指数y（以1955年为100）受该区森林蓄积量指数x1，木材价格指数x2和运输距离指数x3的影响，如表5－10所示。 可利用Doolittle法或利用Excel等软件工具计算出其多元线性回归模型的偏回归系数及常数项。 第五章 地理要素间的相关分析与回归分析 2. 多元线性回归模型的显著性检验 在多元线性回归问题中，同一元线性回归一样也需要对回归模型进行显著性检验。如果经过检验是显著的，则说明建立的回归模型是有用的，否则就没有什么实际意义。 在多元线性回归分析中，也存在回归平方和U与剩余平方和Q，两者自由度分别k和n-k-1，于是剩余标准差为S＝sqrt