时空异步关联规则挖掘的模型和算法研究

Spatial association is the key point that has been recognized by the first law of geography. Spatial association is widely present in natural events and socio-economic phenomena. Exploring the spatio-temporal relationships between geographic entities is important to undersand geographic rules and predict geographic events. Current researches on spatial association mining take the complete region as a stationary unit, which may answer whether there are associations between different geographical events or phenomena, but fail to discover the associations that show time lag or/and spatial deviation among the associated events or objects. In the spatio-temporally asynchronous association discovery, the associated events or objects distribute at different locations or within different time intervals. Existing models of spatial association mining are ineffective to discover spatio-temporally asynchoronous associations. Therefore, the current proposal is trying to take this difficulty into consideration by combination of spatial statistics and spatio-temporal data mining techniques. We try to propose an effective model and the corresponding algorithm to find spatio-temporally asynchronous associations from spato-temporal datasets. The main content of the project includes, 1) systematic modeling of spatio-temporally asynchronous association discovery, 2) high efficient algorithm of discovering the associations, 3) extraction of hot regions that present strong spatio-temporally asynchronous associations, 4) case study to guide the manipulation of the proposed model and algorithm. The result of the research can not only extend the applications in spatial data mining, but more importantly provide effective tool for the research in quantitative geography which intends to discover spatio-temporal interaction or association between different spatial events.

地理学"第一定律"深刻揭示了地理现象间普遍存在的"空间关联"，探索地理现象（事件）间的关联，预测地理事件的发生与演化，一直是地理学研究的重要目标。现有关联规则挖掘模型主要以发现全局的地理关联模式为目标，既没有充分考虑空间异质性和地理现象间的时、空联系，更没能揭示地理现象间"跨越时空域的相互关联影响"，即没有发现具有"时序偏移和空间偏位"特征的时空异步关联，限制了其地理学应用。本项目将结合空间统计学及时空数据挖掘的理论成果，深入研究时空异步关联规则挖掘的模型及算法，主要内容有：①时空异步关联规则挖掘的模型；②时空异步关联规则挖掘的实现算法；③时空异步关联特征区提取；④实践与验证。研究成果能从理论上奠定挖掘时空异步关联模式的模型基础，从实践上为定量地理分析提供实用工具，以揭示地理现象、事件、要素在其产生、演化中所普遍表现的跨时空域的相互依存关系。

地理现象（事件）的产生与发展，常相生、相伴或相斥；探索地理现象（事件）间的关联、据此认识地理事件的发生与演化规律，一直是地理学研究的重要课题。地理现象的形成、时空演化及其相互关系（关联），具有显著的时空异质特点。现有关联规则挖掘模型主要以发现全局的地理关联模式为目标，既没有充分考虑空间异质性和地理现象间的时、空联系，更没能揭示地理现象间“跨越时空域的相互关联影响”，即没有发现具有“时序偏移和空间偏位”特征的时空异步关联，限制了其地理学应用。本项目结合了空间统计学及时空数据挖掘的理论成果，深入研究了时空异步关联规则挖掘的模型及算法，主要内容有：①时空异步关联规则挖掘的模型；②时空异步关联规则挖掘的实现算法；③时空异步关联特征区提取；④实践与验证。本项目的研究成果，从理论上奠定了挖掘时空异步关联模式的模型基础，同时，也为基于空间关联的定量地理分析提供了重要工具。项目研究中，改进了现有模型和方法研究的框架，把地理现象间蕴含的时空异步（关联）模式，纳入挖掘模型和算法中，充分结合了高性能计算、空间数据结构（如索引树），实现时空异步关联模式的高效提取，突出了地理现象或事件间的时空异步关联特征，项目完成了草地生态系统典型地理学应用实证，并积累了一批重要的研究数据（包括开发了成果应用中的生态环境数据采集、数据共享的服务平台）。研究成果提供了分析、预测、评估自然现象和社会经济规律的工具，据此可以进一步分析各种地理现象、地理事件、地理要素在其存在、演变中表现的复杂时空依存关系及其跨越时空域的相互关联影响，在后续的研究中，可以基于本项目研究，扩宽应用范围，解决自然灾害因子分析、生态系统演变驱动力分析、城市格局变迁因素分析、疾病传播因子分析以及各种地理事件的时空预测、评估等应用情景。