两类时空数据模型及其应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的研究内容和结构安排 | 第11-12页 |
| 第二章 时空数据的性质 | 第12-21页 |
| 2.1 时空自相关性 | 第12-17页 |
| 2.1.1 时间自相关性 | 第12-14页 |
| 2.1.2 空间自相关性 | 第14-16页 |
| 2.1.3 时空自相关性 | 第16-17页 |
| 2.2 时空异质性 | 第17-20页 |
| 2.2.1 时间平稳性 | 第17页 |
| 2.2.2 空间平稳性 | 第17-18页 |
| 2.2.3 时空平稳性 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 时空自回归移动平均模型 | 第21-43页 |
| 3.1 自回归模型 | 第21-23页 |
| 3.1.1 时间自回归(AR)模型 | 第21页 |
| 3.1.2 空间自回归(SAR)模型 | 第21-22页 |
| 3.1.3 时空自回归(STAR)模型 | 第22-23页 |
| 3.2 移动平均模型 | 第23-24页 |
| 3.2.1 时间移动平均(MA)模型 | 第23-24页 |
| 3.2.2 空间移动平均(SMA)模型 | 第24页 |
| 3.2.3 时空移动平均(STMA)模型 | 第24页 |
| 3.3 自回归移动平均(ARMA)模型 | 第24-26页 |
| 3.3.1 时间延迟算子 | 第24页 |
| 3.3.2 自回归移动平均模型的建立 | 第24-26页 |
| 3.4 时空自回归移动平均(STARMA)模型 | 第26-31页 |
| 3.4.1 空间邻近性与空间权重矩阵 | 第26-27页 |
| 3.4.2 空间延迟算子 | 第27-28页 |
| 3.4.3 时空延迟算子 | 第28页 |
| 3.4.4 模型建立 | 第28-29页 |
| 3.4.5 模型识别 | 第29-30页 |
| 3.4.6 参数估计 | 第30-31页 |
| 3.4.7 模型检验 | 第31页 |
| 3.5 实例分析 | 第31-42页 |
| 3.5.1 数据描述 | 第31-33页 |
| 3.5.2 空间权重矩阵的建立 | 第33-34页 |
| 3.5.3 STARMA模型的建立 | 第34-36页 |
| 3.5.4 实验结果及模型检验 | 第36-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 时空克里金模型 | 第43-53页 |
| 4.1 时空协方差函数 | 第43-45页 |
| 4.1.1 时空协方差函数和时空变异函数的定义 | 第43-44页 |
| 4.1.2 时空完全对称性和可分离性 | 第44页 |
| 4.1.3 几类不可分离型平稳时空协方差函数 | 第44-45页 |
| 4.2 时空克里金模型 | 第45-46页 |
| 4.3 实例分析 | 第46-52页 |
| 4.3.1 数据描述 | 第46-48页 |
| 4.3.2 探索性分析 | 第48-49页 |
| 4.3.3 模型建立与参数估计 | 第49-50页 |
| 4.3.4 模型验证与分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 总结 | 第53-54页 |
| 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59-60页 |
| 攻读学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61页 |
