【技术实现步骤摘要】
本专利技术属于，具体涉及时空变系数模型回归关系非平稳特征的统计推断方法、系统及相关装置。
技术介绍
1、时空数据是指同时具备时间(时间维度)和空间(空间维度)两个信息的综合数据。时空数据广泛存在于地理信息科学、环境科学、气候学、计量经济学、流行病学、生态学以及人口统计学等众多领域。时空数据有三个基本特征，包括时空自相关性(依赖性)、时空非平稳性以及时空多尺度性。
2、围绕时空数据的自相关性、非平稳性以及多尺度性进行回归建模，在环境科学、交通规划、流行病学、气象预测等领域具有广泛的应用价值，近年来受到跨学科的关注。随着时空数据复杂度的增加和决策需求的精细化，开发兼顾理论严谨性与计算效率的时空回归方法将持续成为学术界和工业界的重点方向。忽略时空特征的模型不仅可能损失预测精度，还可能误导决策，因此对时空数据进行回归建模及其应用的研究具有重要的现实意义。
3、brunsdon等在1996年提出的使用地理加权回归(gwr)方法拟合在不同地理位置处具有不同回归关系的空间变系数模型，是对时空数据的空间非平稳特征进行回归建模的早...
【技术保护点】
1.时空变系数模型回归关系非平稳特征的统计推断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的时空变系数模型回归关系非平稳特征的统计推断方法，其特征在于，时空变系数模型的向量形式为：
3.根据权利要求1所述的时空变系数模型回归关系非平稳特征的统计推断方法，其特征在于，时空变系数模型的广义加模型表达式为：
4.根据权利要求1所述的时空变系数模型回归关系非平稳特征的统计推断方法，其特征在于，基于回归关系的四种非平稳特征类型，获取广义加模型表达式中每个加性项的不同形式，具体方法是：
5.根据权利要求1所述的时空变系数...
【技术特征摘要】
1.时空变系数模型回归关系非平稳特征的统计推断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的时空变系数模型回归关系非平稳特征的统计推断方法，其特征在于，时空变系数模型的向量形式为：
3.根据权利要求1所述的时空变系数模型回归关系非平稳特征的统计推断方法，其特征在于，时空变系数模型的广义加模型表达式为：
4.根据权利要求1所述的时空变系数模型回归关系非平稳特征的统计推断方法，其特征在于，基于回归关系的四种非平稳特征类型，获取广义加模型表达式中每个加性项的不同形式，具体方法是：
5.根据权利要求1所述的时空变系数模型回归关系非平稳特征的统计推断方法，其特征在于，基于每个加性项的不同形式对时空变系数模型中每一个回归关系的非平稳特征进行统计推断，具体方法是...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。