地理时空神经网络加权回归理论与方法研究
| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 术语缩写表 | 第19-22页 |
| 1 绪论 | 第22-44页 |
| 1.1 研究背景与意义 | 第22-23页 |
| 1.2 国内外研究现状 | 第23-35页 |
| 1.2.1 时空非平稳关系建模方法研究 | 第23-32页 |
| 1.2.2 融合神经网络的时空建模研究 | 第32-34页 |
| 1.2.3 存在问题与不足 | 第34-35页 |
| 1.3 研究目的与内容 | 第35-38页 |
| 1.3.1 研究目的 | 第35页 |
| 1.3.2 研究内容 | 第35-36页 |
| 1.3.3 技术路线 | 第36-38页 |
| 1.4 研究区域与实验数据 | 第38-41页 |
| 1.4.1 研究区域 | 第38-39页 |
| 1.4.2 研究对象 | 第39-40页 |
| 1.4.3 实验数据 | 第40-41页 |
| 1.5 论文组织与章节安排 | 第41-44页 |
| 2 地理时空神经网络加权回归理论 | 第44-89页 |
| 2.1 地理时空神经网络加权回归总体研究框架 | 第44-60页 |
| 2.1.1 经典时空地理加权回归理论 | 第44-49页 |
| 2.1.2 深度神经网络方法理论 | 第49-56页 |
| 2.1.3 地理时空神经网络加权回归理论框架 | 第56-60页 |
| 2.2 时空邻近关系深度神经网络构造与表达 | 第60-68页 |
| 2.2.1 空间邻近关系神经网络设计与表达 | 第60-64页 |
| 2.2.2 时间邻近关系神经网络设计与表达 | 第64-66页 |
| 2.2.3 时空邻近关系神经网络设计与表达 | 第66-68页 |
| 2.3 时空加权神经网络设计与构建 | 第68-70页 |
| 2.4 地理时空神经网络加权回归训练框架 | 第70-78页 |
| 2.4.1 总体训练框架 | 第70-73页 |
| 2.4.2 激活函数与参数初始化 | 第73-75页 |
| 2.4.3 神经网络优化训练算法 | 第75-78页 |
| 2.5 统计诊断分析方法 | 第78-87页 |
| 2.5.1 统计诊断基础知识 | 第79-81页 |
| 2.5.2 时空非平稳性检验方法 | 第81-85页 |
| 2.5.3 模型性能检验方法 | 第85-86页 |
| 2.5.4 回归参数区间估计方法 | 第86-87页 |
| 2.6 本章小结 | 第87-89页 |
| 3 空间非平稳关系建模研究与实证分析 | 第89-110页 |
| 3.1 地理加权回归模型 | 第89-93页 |
| 3.1.1 模型定义与估计 | 第89-91页 |
| 3.1.2 空间核函数 | 第91-92页 |
| 3.1.3 最优带宽求解 | 第92-93页 |
| 3.2 地理神经网络加权回归模型 | 第93-97页 |
| 3.2.1 模型定义与设计 | 第93-95页 |
| 3.2.2 模型优化训练 | 第95-97页 |
| 3.3 实验设计与模型验证 | 第97-109页 |
| 3.3.1 实验数据 | 第97-100页 |
| 3.3.2 实验设计与实现 | 第100-102页 |
| 3.3.3 实验结果分析 | 第102-109页 |
| 3.4 本章小结 | 第109-110页 |
| 4 时空非平稳关系建模研究与实证分析 | 第110-133页 |
| 4.1 时空地理加权回归模型 | 第110-114页 |
| 4.1.1 模型定义与估计 | 第110-111页 |
| 4.1.2 时空核函数 | 第111-113页 |
| 4.1.3 最优模型解算 | 第113-114页 |
| 4.2 地理时空神经网络加权回归模型 | 第114-117页 |
| 4.2.1 模型定义与设计 | 第114-116页 |
| 4.2.2 模型优化训练 | 第116-117页 |
| 4.3 实验设计与模型验证 | 第117-132页 |
| 4.3.1 实验数据 | 第117-119页 |
| 4.3.2 实验设计与实现 | 第119-122页 |
| 4.3.3 实验结果分析 | 第122-132页 |
| 4.4 本章小结 | 第132-133页 |
| 5 复杂周期性时空非平稳关系建模研究与实证分析 | 第133-156页 |
| 5.1 周期性时空地理加权回归模型 | 第133-137页 |
| 5.1.1 模型定义与估计 | 第133-134页 |
| 5.1.2 顾及周期性的时空核函数 | 第134-136页 |
| 5.1.3 最优模型求解 | 第136-137页 |
| 5.2 广义地理时空神经网络加权回归模型 | 第137-142页 |
| 5.2.1 模型定义与设计 | 第137-140页 |
| 5.2.2 模型优化训练 | 第140-142页 |
| 5.3 实验设计与模型验证 | 第142-154页 |
| 5.3.1 实验数据 | 第142-144页 |
| 5.3.2 实验设计与实现 | 第144-147页 |
| 5.3.3 实验结果分析 | 第147-154页 |
| 5.4 本章小结 | 第154-156页 |
| 6 总结与展望 | 第156-160页 |
| 6.1 研究总结 | 第156-158页 |
| 6.2 研究特色与创新 | 第158页 |
| 6.3 研究展望 | 第158-160页 |
| 参考文献 | 第160-171页 |
| 作者简历 | 第171页 |
