面向复杂数据的时空地理加权回归高效建模方法研究

Geographically and temporally weighted regression (GTWR) is a statistical method to analyze the spatiotemporal regression relationships between dependent variable and independent variables, which can effectively deal with the spatiotemporal heterogeneity. However, with the continuous accumulation of complex and diverse spatiotemporal big data, GTWR can’t sufficiently, accurately and efficiently describe the complex characteristics of real geographic relationships. GTWR is faced with problems and challenges such as lack of statistical inference significance, neglect of multiscale effects and low computational efficiency, which limit the results precision and applications broadening of GTWR. Accordingly, based on spatial statistics and scale theory, this project will conduct an in-depth study on GTWR, the contents of this project include: (1) the statistical significance of spatiotemporal heterogeneity will be roundly examined by using statistical inference; (2) a comprehensive GTWR (CGTWR) with mixed characteristics and adaptive-scale will be proposed based on the results of statistical tests and multiscale analysis; (3) an optimized calibration algorithm in the framework of parallel computing will be developed to improve the computational efficiency. This project will provide new ideas for the space-time regression analysis and will broaden the applications of GTWR. It has great theoretical and practical significance for deeply understanding the dynamic process of social phenomena and natural environment.

时空地理加权回归模型是一种分析因变量和自变量之间时空回归关系的统计方法，能够有效地处理时空异质性。但是，随着复杂时空大数据的不断积累，时空地理加权回归模型无法充分、准确且高效地描述现实地理关系的复杂特征，面临缺乏统计推断意义、忽视多尺度效应和计算效率过低等问题，从而了限制模型的解算精准度和应用推广。针对以上问题，本项目将基于空间统计学方法，在尺度理论支持下，深入研究时空地理加权回归模型的理论与算法，研究内容包括：（1）利用统计推断方法系统地检验时空异质性的统计意义；（2）基于统计检验结果和多尺度分析，提出具有混合性和尺度自适应的综合时空地理加权回归模型；（3）优化时空地理加权回归模型的拟合算法，利用并行计算提高模型解算效率。本项目的研究有望为时空回归方法的发展提供新思路，拓宽时空回归模型的应用领域，对深入理解社会现象和自然环境的动态进程具有重要的理论价值与实践意义。

随着海量时空数据的生成和不断地积累，时空分析与建模已经成为GIS研究的热点问题之一。时空地理加权回归模型(Geographically and temporally weighted regression, GTWR)充分考虑了研究区域的时空非平稳性，将观测数据的时空特性嵌入到普通的线性回归模型中，具有实际的应用意义和广阔的发展前景。本项目从统计学角度对时空非平稳性进行全面且系统地检验，并根据时空数据的复杂特征对GTWR模型进行一系列的改进，将改进的GTWR模型分别应用于多个领域的时空数据分析。相关的应用研究不仅能验证本项目改进模型的有效性和普适性，而且能够有效地指导相关领域的政策研究和规划实践。基于真实数据集的结果证明本项目改进的GTWR模型的实用性和准确性，为其他的应用领域选择GTWR建模提供指导意义，进一步拓宽GTWR模型的应用领域研究。本项目通过对GTWR基本理论和应用的研究，进一步提升了地理加权相关模型在时空数据挖掘中的作用，使得时空数据分析与建模的相关方法更为全面，为地理加权相关模型的应用提供较为完整的理论支撑。