测绘科学

2018, v.43;No.244(10) 39-45+59

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

北京PM2.5浓度空间分布的贝叶斯地理加权回归模拟
Spatial distribution estimation of PM2.5 concentration in Beijing by applying Bayesian geographic weighted regression model

邓悦;刘纪平;刘洋;徐胜华;

摘要(Abstract):

针对地理加权回归(GWR)模型无法克服小样本数据下异常值影响的问题,该文利用贝叶斯地理加权回归(BGWR)模型对北京地区2016年10月1日至12月29日长达90d的PM2.5监测数据进行了浓度模拟。该方法通过加入贝叶斯先验信息,选取不同的平滑函数,在局部空间样本稀少的情况下,有效降低了异常值和"弱数据"对回归结果的影响,更加真实地反映了PM2.5浓度空间分布。实验结果表明,基于不同平滑函数的3种BGWR模型校正决定系数分别达到了0.799、0.801和0.867。平均比GWR模型提升了28%,比OLS模型提升了32%,证实了BGWR模型在模拟PM2.5浓度分布时具有更好的适用性。

关键词(KeyWords): 贝叶斯处理;地理加权回归;贝叶斯地理加权回归;北京;PM2.5浓度模拟

Abstract:

Keywords:

基金项目(Foundation): 国家重点研发计划资助项目(2016YFC0803108)

作者(Author): 邓悦;刘纪平;刘洋;徐胜华;

Email:

DOI: 10.16251/j.cnki.1009-2307.2018.10.006

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享