一种基于主成分分析的时空地理加权回归方法

摘要：

针对时空地理加权回归模型(GTWR)进行预测时,输入变量较多导致计算复杂度高,而输入变量较少引起预测精度降低这一问题,提出了一种基于主成分分析的时空地理加权回归方法(PCA-GTWR).该方法采用非线性主成分分析方法,先对影响PM2.5浓度的若干相关变量降维处理得到几个综合指标,并将其作为GTWR模型的输入变量进行预测.为验证该方法的有效性,采用北京市2014-04-2017-03的PM2.5数据,利用Pearson相关系数法选取与PM2.5浓度具有较高相关性的影响因素作为常规的GTWR模型的输入变量,在变量个数相同的前提下,与本文方法进行对比.结果表明应用非线性主成分分析方法对相关变量进行预处理后,有效地解决了变量之间的共线性,保留了原始影响因素主要信息,提高了运算效率,且该方法的MAE、RMSE、AIC均低于常规的GTWR模型,拟合优度GF最高达到88.11％.

关键词：主成分分析、地理加权回归模型、时空地理加权回归模型、细颗粒物、Pearson相关系数

所属期刊栏目：34

分类号：P208(一般性问题)

资助基金：基础测绘支撑项目2016KJ0104;中国测绘科学研究院基本科研业务费项目7771614

在线出版日期：2018-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：654-658