基于IGGⅢ的地理加权回归模型研究

doi:10.13474/j.cnki.11-2246.2019.0212

测绘通报 ›› 2019, Vol. 0 ›› Issue (7): 23-27.doi: 10.13474/j.cnki.11-2246.2019.0212

基于IGGⅢ的地理加权回归模型研究

于志英, 张福浩, 仇阿根, 赵阳阳

中国测绘科学研究院, 北京 100830

收稿日期:2018-12-11 出版日期:2019-07-25 发布日期:2019-07-31
作者简介:于志英(1992-),女,硕士生,主要研究方向为空间分析与粗差分析。E-mail:907267609@qq.com
基金资助:
国家基础测绘科技项目（2018KJ0104）；国家重点研发计划（2018YFC0807000）

Research on geographically weighted regression based on IGGⅢ

YU Zhiying, ZHANG Fuhao, QIU Agen, ZHAO Yangyang

Chinese Academy of Surveying and Mapping, Beijing 100830, China

Received:2018-12-11 Online:2019-07-25 Published:2019-07-31

摘要/Abstract

摘要： 针对离群值存在时地理加权回归模型拟合效果较差的问题，本文提出了基于IGGⅢ的地理加权回归方法。核心是采用IGGⅢ方案中的权函数计算权重矩阵，将权因子用于地理加权回归参数估计模型。利用模拟数据和真实数据与GWR、ACV-GWR进行对比试验，以MSE、MAE和R²作为指标对结果进行评价。模拟试验结果显示，IGGⅢ-GWR比GWR性能分别提升了51.14%、23.77%、28.4%，比ACV-GWR分别提升了49.96%、22.57%、27.1%；真实试验结果显示，IGGⅢ-GWR比GWR性能分别提升了12.65%、7.44%、0.37%，比ACV-GWR分别提升了11.85%、6.96%、0.34%。试验结果表明，基于IGGⅢ的地理加权回归可提高模型的抗差能力，拟合效果更好。

关键词: IGGⅢ, 地理加权回归, 参数估计, 抗差估计, 空气质量分析

Abstract: Aiming at the problem that the geographically weighted regression model has poor fitting effect when the outliers exist, a geographically weighted regression method based on IGGⅢ is proposed. The core is to use the weight function in the IGGⅢ scheme to calculate the weight matrix, and the weight factor is used in the geo-weighted regression parameter estimation model. The simulation data and the real data are used for the test, compared with GWR and ACV-GWR, and the results were evaluated by MSE, MAE and R². The simulation results show that the performance of IGGⅢ-GWR is increased by 51.14%, 23.77% and 28.4% than GWR, increased by 49.96%, 22.57% and 27.1% than ACV-GWR. The actual experimental results show that IGGⅢ-GWR is 12.65%, 7.44% and 0.37% higher than GWR, respectively, and 11.85%, 6.96% and 0.34% higher than ACV-GWR. The experimental results show that the IGGⅢ-GWR can improve the robustness and fitting effect of GWR.

Key words: IGGⅢ, geographically weighted regression, parameter estimation, robust estimation, air quality analysis

中图分类号:

P208

于志英, 张福浩, 仇阿根, 赵阳阳. 基于IGGⅢ的地理加权回归模型研究[J]. 测绘通报, 2019, 0(7): 23-27.

YU Zhiying, ZHANG Fuhao, QIU Agen, ZHAO Yangyang. Research on geographically weighted regression based on IGGⅢ[J]. 测绘通报, 2019, 0(7): 23-27.

参考文献

[1] BRUNSDON C, FOTHERINGHAM S, CHARLTON M. Geographically weighted summary statistics:a framework for localised exploratory data analysis[J]. Computers Environment and Urban Systems, 2002,26(6):501-524.
[2] 覃文忠,王建梅,刘妙龙.混合地理加权回归模型算法研究[J].武汉大学学报(信息科学版),2007, 32(2):115-119.
[3] HUANG B,WU B,BARRY M. Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices[J]. International Journal of Geographical Information Science,2010,24(3):383-401.
[4] 杨毅.顾及时空非平稳性的地理加权回归方法研究[D].武汉:武汉大学,2016.
[5] 赵阳阳,刘纪平,徐胜华,等.一种基于半监督学习的地理加权回归方法[J].测绘学报,2017,46(1):123-129.
[6] 吴森森,地理时空神经网络加权回归理论与方法研究[D].杭州:浙江大学,2018.
[7] 卢月明,王亮,仇阿根,等.一种基于主成分分析的时空地理加权回归方法[J].测绘科学技术学报,2017,34(6):654-658.
[8] ZHANG H G,MEI C L. Local least absolute deviation estimation of spatially varying coefficient models:robust geographically weighted regression approaches[J].International Journal of Geographical Information Science,2011,25(9):1467-1489.
[9] FARBER S,ANTONIO P.A systematic investigation of cross-validation in GWR model estimation:empirical analysis and Monte Carlo simulations[J].Journal of Geographical Systems,2007,9(4):371-396.
[10] HUBER P J.Robust estimation of a location parameter[M]//Breakthroughs in Statistics. New York:Springer, 1992:492-518.
[11] 周江文.经典误差理论与抗差估计[J].测绘学报, 1989,18(2):115-120.
[12] 陈西强,黄张裕.抗差估计的选权迭代法分析与比较[J].测绘工程,2010,19(4):14-17.
[13] 龚循强,李志林.稳健加权总体最小二乘法.稳健加权总体最小二乘法[J].测绘学报,2014,43(9):888-894.
[14] 王潜心,徐天河,许国昌.粗差检测与抗差估计相结合的方法在动态相对定位中的应用[J].武汉大学学报(信息科学版),2011,36(4):476-480.
[15] 李广超,李如仁,卢月明,等.利用主成分分析法及地理加权回归模型分析AOD数据[J].测绘通报,2018(4):50-56.

基于IGGⅢ的地理加权回归模型研究

Research on geographically weighted regression based on IGGⅢ

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	张瑞, 李朝奎, 姚思妤, 李维贵. 融合地理探测器和地理加权回归的太原市建设用地变化因素研究[J]. 测绘通报, 2022, 0(5): 106-109,119.
[2]	张玉娟, 曲建光, 侯建国. 哈尔滨市景观生态风险时空变化驱动力及分布预测[J]. 测绘通报, 2022, 0(2): 83-89,94.
[3]	吴学雨, 李明峰, 董思学, 王彬, 赵志胜. 利用基于抗差垂直向方差分量估计的GPS-InSAR数据融合方法反演三维形变场[J]. 测绘通报, 2021, 0(12): 38-43.
[4]	张兰兰, 吴启明, 申朝永, 刘芳, 陈砚国. 地理空间要素与贫困分布的关系研究——以赫章县为例[J]. 测绘通报, 2021, 0(12): 120-123,129.
[5]	高照忠, 黄雅君, 魏海霞, 张金兰. 近30年云贵高原水蚀荒漠化遥感监测及影响因子时空分异规律[J]. 测绘通报, 2021, 0(10): 117-122.
[6]	刘振涛, 杨毅, 王东超, 谢晓尧. 一种基于CUDA的大数据量地理加权回归并行加速算法[J]. 测绘通报, 2020, 0(12): 1-5.
[7]	毛亚, 王潜心, 胡超, 张铭彬, 于伟宣. EEMD分解的超快速北斗卫星钟差预报[J]. 测绘通报, 2018, 0(5): 20-24.
[8]	邓悦, 刘洋, 刘纪平, 徐胜华, 罗安. GBGWR模型在降水量空间分布模拟中的应用[J]. 测绘通报, 2018, 0(3): 32-37,42.
[9]	肖屹, 何宗宜, 苗静, 潘峰, 杨好. 利用搜索引擎数据模拟疾病空间分布[J]. 测绘通报, 2018, 0(2): 94-98.
[10]	蒋荣华, 刘超. 一种三维激光扫描点云拟合的抗差加权整体最小二乘法[J]. 测绘通报, 2017, 0(9): 37-41,64.
[11]	董珍珍, 王亮, 仇阿根. 协同遥感信息与统计信息的人口空间格局分析[J]. 测绘通报, 2017, 0(5): 88-94.
[12]	刘冠兰, 黎建洲, 柏文锋. 自由设站起算点可用性的两步判断法研究[J]. 测绘通报, 2017, 0(4): 10-12,20.
[13]	武文娟, 徐京华, 时进, 任红艳, 王渊博. 基于GWR的四川省医院床位数时空分布及其影响因素研究[J]. 测绘通报, 2016, 0(4): 49-53.
[14]	刘宸, 刘长建, 王赛, 许岭峰, 张学东. 两种新的IGGⅢ的改进方案[J]. 测绘通报, 2016, 0(10): 54-57.
[15]	葛永慧. 再生权最小二乘法[J]. 测绘通报, 2014, 0(8): 36-39.