-
公开(公告)号：CN114974459B
公开(公告)日：2024-04-16
申请号：CN202210578832.6
申请日：2022-05-25
Applicant: 武汉大学
Abstract: 本发明提供一种PM2.5浓度估算模型的构建方法，该方法利用多源的自然环境和社会因子，进行处理和拼接获得覆盖研究区的各种栅格化影响因子；针对反距离权重型空间权重矩阵和k邻近型空间权重矩阵中的带宽，利用遗传算法得到一组最优带宽，不同的带宽代表各个影响因子的对PM2.5浓度具有不同尺度的空间影响；并基于该最优带宽和空间权重矩阵类型得到多组空间特征向量，构建多尺度特征向量空间滤值变系数模型，将空间特征向量与影响因子分别配对，表示每一影响因子所具有的不同的空间影响，本发明消除了PM2.5浓度的空间自相关效应，提高模型精度，最终得到高精度的地表PM2.5浓度连续分布。
-
公开(公告)号：CN113901384B
公开(公告)日：2024-09-24
申请号：CN202111121091.0
申请日：2021-09-24
Applicant: 武汉大学
IPC: G06F17/11 , G01N15/075
Abstract: 本发明提出了一种顾及全局空间自相关性和局部异质性的地面PM2.5浓度建模方法。本发明针对PM2.5监测站点数量有限且分布不均，且传统PM2.5回归建模方法缺少对局部空间影响和全局空间影响同时考虑的问题，提出了一种顾及全局空间自相关性和局部异质性的地面PM2.5浓度建模方法，同时考虑全局和局部空间效应，消除空间自相关因素和空间异质因素的影响。分别通过构建全局空间权重矩阵和局部空间权重矩阵，提取出全局空间影响因子和局部空间影响因子。然后再根据两者构建回归模型，得到地面PM2.5浓度估计模型，以供后续研究和分析。
-
公开(公告)号：CN114996907A
公开(公告)日：2022-09-02
申请号：CN202210472277.9
申请日：2022-04-29
Applicant: 武汉大学
Abstract: 本发明提供一种基于雪水当量栅格数据的空间回归建模方法，包括：获取雪水当量栅格数据产品并对所有数据进行预处理；对所有预处理后的数据进行划分；对分块区域构建普通最小二乘线性回归模型：筛选分块残差；步骤5：构建分块残差模型；对分块的普通最小二乘线性回归模型残差构建空间误差模型或空间滞后模型；将分块残差模型结果并入到步骤3构建的普通最小二乘线性回归模型中，得到最终的空间回归模型；若该分块未执行步骤5，则将步骤3构建的普通最小二乘线性回归模型作为该分块的最终模型；对模型进行评价和分析。本发明消除了空间自相关的影响，提高模型的精度，探究不同气象因素和地形因素对雪水当量的影响，以供后续研究和分析。
-
公开(公告)号：CN115274129A
公开(公告)日：2022-11-01
申请号：CN202210472157.9
申请日：2022-04-29
Applicant: 武汉大学
IPC: G16H50/80 , G06Q10/04 , G06F17/18 , G06F17/16 , G06F16/215
Abstract: 本发明提供一种基于动态人口流动矩阵空间滤值的新冠时空建模预测方法，包括获取新冠疫情数据及与新冠疫情传播相关的数据，对数据产品进行预处理和筛选，用于后续建模；根据空间单元的空间邻接关系构建邻接矩阵，构建人口流动网络邻接矩阵，构建时间邻接矩阵，空间邻接关系的时空扩展，人口流动网络邻接关系的时空扩展，时空特征向量的提取与筛选，构建基于动态人口流动矩阵时空滤值的新冠疫情回归模型，对新冠疫情数据进行建模预测和评价。本发明提高了新冠疫情时空建模的预测准确性，新冠疫情以及其它传染病的自动化分析与防控提供重要参考依据。
-
Patent Agency Ranking
公开(公告)号：CN114974459A
公开(公告)日：2022-08-30
申请号：CN202210578832.6
申请日：2022-05-25
Applicant: 武汉大学
Abstract: 本发明提供一种PM2.5浓度估算模型的构建方法，该方法利用多源的自然环境和社会因子，进行处理和拼接获得覆盖研究区的各种栅格化影响因子；针对反距离权重型空间权重矩阵和k邻近型空间权重矩阵中的带宽，利用遗传算法得到一组最优带宽，不同的带宽代表各个影响因子的对PM2.5浓度具有不同尺度的空间影响；并基于该最优带宽和空间权重矩阵类型得到多组空间特征向量，构建多尺度特征向量空间滤值变系数模型，将空间特征向量与影响因子分别配对，表示每一影响因子所具有的不同的空间影响，本发明消除了PM2.5浓度的空间自相关效应，提高模型精度，最终得到高精度的地表PM2.5浓度连续分布。
-
公开(公告)号：CN114996907B
公开(公告)日：2024-07-16
申请号：CN202210472277.9
申请日：2022-04-29
Applicant: 武汉大学
Abstract: 本发明提供一种基于雪水当量栅格数据的空间回归建模方法，包括：获取雪水当量栅格数据产品并对所有数据进行预处理；对所有预处理后的数据进行划分；对分块区域构建普通最小二乘线性回归模型：筛选分块残差；步骤5：构建分块残差模型；对分块的普通最小二乘线性回归模型残差构建空间误差模型或空间滞后模型；将分块残差模型结果并入到步骤3构建的普通最小二乘线性回归模型中，得到最终的空间回归模型；若该分块未执行步骤5，则将步骤3构建的普通最小二乘线性回归模型作为该分块的最终模型；对模型进行评价和分析。本发明消除了空间自相关的影响，提高模型的精度，探究不同气象因素和地形因素对雪水当量的影响，以供后续研究和分析。
-
公开(公告)号：CN114331842B
公开(公告)日：2024-04-05
申请号：CN202111622850.1
申请日：2021-12-28
Applicant: 武汉大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/084 , G06T17/05
Abstract: 本发明涉及一种结合地形特征的DEM超分辨率重建方法。通过将双滤波器卷积神经网络应用于DEM超分辨率重建，同时考虑了不同邻域信息及坡度信息对DEM超分辨率重建的影响，有效地提高了DEM超分辨率重建的精度。利用大比例尺地形图的矢量等高线与水网数据信息，结合神经网络重建的高分辨率DEM，使用栅格插值方式重建了河谷DEM，用于替换神经网络产生的高分辨率DEM相应部分，在保证精度的前提下，减弱了神经网络重建DEM的棋盘效应所造成的水系中心线匹配率不佳问题，为高分辨率DEM的应用提供了解决方案。
-
公开(公告)号：CN114331842A
公开(公告)日：2022-04-12
申请号：CN202111622850.1
申请日：2021-12-28
Applicant: 武汉大学
Abstract: 本发明涉及一种结合地形特征的DEM超分辨率重建方法。通过将双滤波器卷积神经网络应用于DEM超分辨率重建，同时考虑了不同邻域信息及坡度信息对DEM超分辨率重建的影响，有效地提高了DEM超分辨率重建的精度。利用大比例尺地形图的矢量等高线与水网数据信息，结合神经网络重建的高分辨率DEM，使用栅格插值方式重建了河谷DEM，用于替换神经网络产生的高分辨率DEM相应部分，在保证精度的前提下，减弱了神经网络重建DEM的棋盘效应所造成的水系中心线匹配率不佳问题，为高分辨率DEM的应用提供了解决方案。
-
公开(公告)号：CN113901384A
公开(公告)日：2022-01-07
申请号：CN202111121091.0
申请日：2021-09-24
Applicant: 武汉大学
Abstract: 本发明提出了一种顾及全局空间自相关性和局部异质性的地面PM2.5浓度建模方法。本发明针对PM2.5监测站点数量有限且分布不均，且传统PM2.5回归建模方法缺少对局部空间影响和全局空间影响同时考虑的问题，提出了一种顾及全局空间自相关性和局部异质性的地面PM2.5浓度建模方法，同时考虑全局和局部空间效应，消除空间自相关因素和空间异质因素的影响。分别通过构建全局空间权重矩阵和局部空间权重矩阵，提取出全局空间影响因子和局部空间影响因子。然后再根据两者构建回归模型，得到地面PM2.5浓度估计模型，以供后续研究和分析。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
