顾及全域时空复杂邻近性的神经网络加权回归方法.pdfVIP

衷心感谢姜雨岐、周笑天、刘尧、金璐琦、郭雅静、刘彦君等小伙伴对于班委工

作的支持，是你们让实验室运转高效而平顺，让实验室活动水平登上了崭新的台

阶。衷心感谢王叶晨梓、严益明、赵贤威对我生活中的关心和帮助。非常感谢吴

森森、李亚东、严成、嵇晓峰和曾金迪对我大论文开展过程中的帮助。愿大家拥

有锦绣前程！

由衷地感谢我的爸爸妈妈。爸妈的养育之恩难以言表，你们无私的付出和奉

献，为我创造了最美好的生活环境，你们是我最温暖的避风港，是我不断奋斗的

动力。特别感谢我的女朋友王铭浩，2700多天以来，我们相互鼓励相互成长，与

你在一起的每一天都是幸福满满、爱心满满，感谢你对我一如既往的支持、陪伴

和关爱。

感谢为本文评审付出辛勤劳动的各位专家，您们的宝贵意见是我努力改进的

方向。

最后，感谢所有关心、帮助过我的师长、同学和朋友，虽未能一一列举，但

我铭记于心。在新的人生起点上，我愿怀揣赤子之心，谨记求是创新的母校校训，

上下求索。

王中一

2020年6月于求是园

摘要

时空回归分析方法在地理大数据时代愈发受到关注。发展高精度时空回归分

析模型，对于揭示地理环境或现象的时空分布及发生发展规律具有重大的理论与

实践意义。时空邻近性的统一表达是时空非平稳性精确解算的核心内容之一，也

是时空回归分析模型重要输入。

虽然空间维度与时间维度纳入到地理分析与建模的重要性已经得到公认，然

而现有时空邻近性表达多关注于细化空间内任意两点的邻近关系测算，往往局限

于样本数据集建立的有限时空邻近性表征范畴，难以满足研究区域内待估计点时

空邻近性的“全域时空描述”需要，并忽略了时空内要素的属性对邻近关系的影

响，致使时空回归分析方法在建模输入的全域时空邻近性表达方面有所限制。

针对以上问题，本文提出了融合地理属性空间的全域时空邻近性表达，建立

了全域时空邻近关系立方体，引入具有强大时序图像特征提取能力的三维卷积神

经网络与分布式并行训练框架，初步构建了顾及全域时空复杂邻近性的加权神经

网络回归方法，并以我国大气环境重要污染物的时空关系建模为例，开展全域时

空邻近性模型的方法验证。主要研究内容如下：

（1）提出全域时空邻近性表达，将地理属性空间融入时空邻近性表征范畴，

实现了空间、时间与地理属性空间三个维度上邻近关系的融合表达；突破样本空

间的邻近关系度量限制，构建全域时空邻近关系立方体，实现对全域复杂邻近关

系的统一表达。

（2）引入三维卷积神经网络与深度学习分布式并行训练框架，设计具有时

序特征抽取能力的全域时空复杂邻近性加权神经网络，构建全域时空邻近性的精

准表达框架及总体训练框架，推演统计诊断分析方法，全域化改造现有融合神经

网络的加权回归模型，初步形成顾及全域时空复杂邻近性的神经网络加权回归方

法。

（3）给出了全域时空邻近性表达在样本与全域空间尺度下的定义，构建全

域空间加权神经网络回归模型与全域空间加权卷积神经网络回归模型。以中国区

域大气环境污染物的空间非平稳性建模为例，证明了全域时空邻近性表达可以更

精确揭示地理要素间空间邻近关系，还能有效提升模型对空间非平稳关系的拟合

效果与泛化能力。

（4）给出了全域时空邻近性表达在样本与全域时空尺度下的定义，构建时

空加权卷积神经网络回归模型、全域时空加权神经网络回归模型与全域时空加权

卷积神经网络回归模型。以京津冀区域大气环境污染物的时空非平稳性建模为例，

证明了全域时空邻近性表达可以更精确揭示地理要素间时空邻近关系，着重论证

了全域时空邻近性模型对复杂时空邻近关系的拟合效果与预测能力，提升对时空

非平稳性的探测。

本文研究成果有望实现时空邻近性表达的理论创新，进而构建新的时空回归

分析模型方法，从而有效提升时空非平稳性关系探测精度与应用水平。

关键词：时空回归分析建模；时空邻近性；卷积神经网络；全域时空邻近性加权

神经网络回归

Abstract

Spatiotemporalregressionmodelisahottopicintheresearcho