10.16251/j.cnki.1009-2307.2018.10.006
北京PM2.5浓度空间分布的贝叶斯地理加权回归模拟
针对地理加权回归(GWR)模型无法克服小样本数据下异常值影响的问题,该文利用贝叶斯地理加权回归(BGWR)模型对北京地区2016年10月1日至12月29日长达90 d的PM2.5监测数据进行了浓度模拟.该方法通过加入贝叶斯先验信息,选取不同的平滑函数,在局部空间样本稀少的情况下,有效降低了异常值和“弱数据”对回归结果的影响,更加真实地反映了PM2.5浓度空间分布.实验结果表明,基于不同平滑函数的3种BGWR模型校正决定系数分别达到了0.799、0.801和0.867.平均比GWR模型提升了28%,比OLS模型提升了32%,证实了BGWR模型在模拟PM2.5浓度分布时具有更好的适用性.
贝叶斯处理、地理加权回归、贝叶斯地理加权回归、北京、PM2.5浓度模拟
43
P208(一般性问题)
国家重点研发计划资助项目2016YFC0803108
2018-11-12(万方平台首次上网日期,不代表论文的发表时间)
共8页
39-45,59