本书围绕时空数据建模中的关键理论问题与技术瓶颈,系统构建具有高度适应性的统计分析框架。全书重点针对异质性时空数据的特征识别、采样策略优化与尺度转换机制等进行深入探讨,并在理论建模与方法集成方面取得了突破性进展。通过引入机理约束建模思想,结合现代机器学习方法与地理空间分析技术,构建了一套面向复杂系统的高精度、强解释性建模路径,拓展了时空统计在多源异构数据环境下的应用范围。
样章试读
目录
- 目录
序
前言
第1章 绪论 1
1.1 地理时空数据 1
1.2 时空统计建模的意义 8
1.3 时空统计的作用 10
第2章 时空统计建模方法 13
2.1 时空特征 13
2.2 时空插值方法 22
2.3 时空回归模型 27
2.4 贝叶斯时空统计模型 28
2.5 时空数据建模的机器学习算法 31
第3章 时空特征度量 41
3.1 时空特征度量总述 41
3.2 基于q统计量的地理探测器 44
3.3 空间熵图 47
3.4 基于信息论的空间分层异质性度量 49
第4章 时空采样优化 53
4.1 采样优化问题 53
4.2 采样优化原理与方法 54
4.3 面向自然要素的空间采样优化模型 56
4.4 面向公共健康的空间采样优化模型 58
4.5 面向多目标和时空的采样优化模型 60
第5章 尺度上推方法 65
5.1 尺度上推问题 65
5.2 尺度上推原理和方法 67
5.3 空间尺度上推模型 70
5.4 时空尺度上推模型 72
第6章 尺度下推方法 75
6.1 尺度下推问题 75
6.2 尺度下推原理 78
6.3 基于统计的尺度下推模型 80
6.4 结合机器学习的统计尺度下推模型 83
6.5 基于深度学习的尺度下推模型 85
第7章 融合机理的时空建模方法 89
7.1 融合机理的意义 89
7.2 统计为主、机理为辅的建模方法 91
7.3 机理为主、统计为辅的时空建模方法 93
7.4 统计-机理的协同驱动的时空建模方法 96
第8章 时空统计的综合应用 99
8.1 综合应用 99
8.2 时空统计在减贫扶贫中的应用 101
8.3 时空统计在公共卫生领域中的应用 109
第9章 总结与展望 114
参考文献 116
概念缩写 136