时序地理空间数据层叠泛化建模

In the new geographic information era, geo-spatial data from various information sensors can be generalized into time sequential geo-spatial data with time labels, which are employed to depict the operation of geographic system. Currently, the modeling of time sequential geo-spatial data faces a lot of challenges duo to the dynamics of geographic process, the heterogeneous spatial-temporal distribution of geographic data, and the big data feature of geographic data. In this study, we introduce the stacked generalization from ensemble learning theory into the modeling of time sequential geo-spatial data. We analyze and overcome current problems existing in the modeling of time sequential geo-spatial data using single model and multiple models, such as model selection, parameter setting, one-sided express and spatial-temporal heterogeneous distribution, etc. In order to improve the modeling quality and efficiency, we explore how to integrate the state-of-the-art achievements from artificial intelligence and machine learning with time sequential geo-spatial analysis, and create a unified and scalable computational framework based on Spark for time sequential geo-spatial analysis. This study may be helpful to provide new ideas and technical support for time sequential geo-spatial analysis.

新地理信息时代通过各种传感器获取的地理空间数据均可概化为带有时间标签的时序地理空间数据，用以表征地理过程的运行状态。受地理过程动态随机性、地理空间数据时空异质分布以及时序地理空间数据规模的影响，当前时序地理空间数据的建模面临巨大的挑战。本课题拟将集成学习层叠泛化思想引入时序地理空间数据建模，从时序地理空间数据混合建模混合策略、时序地理空间数据混合建模有效性理论证明以及时序地理空间数据混合建模在线计算平台架构三个方面展开研究，探索当前人工智能与机器学习领域内先进成果与泛在时序地理空间数据分析的有机结合，解决单一建模方式普遍存在的模型选择、参数设置、片面表达等难题，以及传统基于数理统计的混合模型难以处理时空异质分布数据的问题，打造统一、可扩展的时序地理空间数据集成计算框架，提高时序建模的效率与质量。本课题可为时序地理空间数据分析提供新的研究思路与技术支撑。

新地理信息时代通过各种传感器获取的地理空间数据均可概化为带有时间标签的时序地理空间数据，用以表征地理过程的运行状态。受地理过程动态随机性、地理空间数据时空异质分布以及时序地理空间数据规模的影响，当前时序地理空间数据的建模面临巨大的挑战。本课题拟将集成学习层叠泛化思想引入时序地理空间数据建模，从时序地理空间数据混合建模混合策略、时序地理空间数据混合建模有效性理论证明以及时序地理空间数据混合建模在线计算平台架构三个方面展开研究，探索当前人工智能与机器学习领域内先进成果与泛在时序地理空间数据分析的有机结合，解决单一建模方式普遍存在的模型选择、参数设置、片面表达等难题，以及传统基于数理统计的混合模型难以处理时空异质分布数据的问题，打造统一、可扩展的时序地理空间数据集成计算框架，提高时序建模的效率与质量。本课题可为时序地理空间数据分析提供新的研究思路与技术支撑。