基于代数超曲面的地理实体数值型时空数据预测方法.pdf

《基于代数超曲面的地理实体数值型时空数据预测方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第３７卷第４期测绘与空间地理信息Ｖｏｌ．３７，Ｎｏ．４２０１４年４月GEOMATICS＆SPATIALINFORMATIONTECHNOLOGYＡｐｒ．，２０１４基于代数超曲面的地理实体数值型时空数据预测方法王翰钊（郑州测绘学校，河南郑州450015）摘要：在分析地理实体时空数据构成的基础上，探讨了多维数据维度一体化的地理实体时空数据超曲面预测问题，重点研究了时空超曲面输入数据中异构的空间数据及非空间数据组织方法及过程，并探讨了基于时空超曲面的河流水质预测方法。关键词：时空数据；超曲面；预测模型

2、中图分类号：Ｐ２３７文献标识码：Ｂ文章编号：１６７２－５８６７（２０１４）０４－０１６０－０３Spatio－TemporalDataForecastMethodforGeographicEntityofNumericalValueBasedonAlgebraHyperSurfaceＷＡＮＧＨａｎ－ｚｈａｏ（ZhengzhouTechnicalSchoolofSurveyingandMapping，Zhengzhou450015，China）Abstract：Ｂａｓｅｄｏｎｔｈｅｇｅｏｇｒａｐｈｉ

3、ｃｓｐａｔｉｏ－ｔｅｍｐｏｒａｌｄａｔａ，ｔｈｅｐａｐｅｒｄｉｓｃｕｓｓｅｓｔｈｅｈｙｐｅｒｓｕｒｆａｃｅｐｒｅｄｉｃｔｉｏｎｏｆｇｅｏｇｒａｐｈｉｃｅｎｔｉｔｙｓｐａｔｉｏ－ｔｅｍｐｏｒａｌｄａｔａｏｆｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌｄａｔａｉｎｔｅｇｒａｔｉｏｎ，ａｎｄｆｏｃｕｓｅｓｏｎｔｈｅｄａｔａｏｒｇａｎｉｚａｔｉｏｎｍｅｔｈｏｄａｎｄｐｒｏｃｅｓｓｏｆｈｅｔｅｒｏｇｅｎｅｏｕｓｓｐａｔｉａｌｄａｔａａｎｄｎｏｎ－ｓｐａｔｉａｌｄａｔａｏｆｓｐａｃｅ－ｔｅｍｐｏｒａｌｈｙｐｅｒｓｕｒｆ

4、ａｃｅｉｎｐｕｔｄａｔａ．Ｔｈｕｓｔｈｅｐａｐｅｒｄｉｓｃｕｓｓｅｓｔｈｅｗａｔｅｒｑｕａｌｉｔｙｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｓｂａｓｅｄｏｎｓｐａｃｅ－ｔｅｍｐｏｒａｌｈｙｐｅｒｓｕｒｆａｃｅ．Keywords：ｓｐａｔｉｏ－ｔｅｍｐｏｒａｌｄａｔａ；ｈｙｐｅｒｓｕｒｆａｃｅ；ｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌ地理单元的抽象，在现实世界中一般表现为具有一定属0引言［４］性的地理单元，其定义为：设在离散空间S上有独立单传统ＧＩＳ空间分析方法主要从地学、地形学研究出元s，则s及其在S上的空间变量a

5、１，a２，⋯，an的集合（s；［６－７］发，对地理实体的空间位置、分布、形态、距离及空间拓扑a１，a２，⋯，an）称为地理实体。［１］关系进行分析，而联合地理实体空间和非空间数据进地理实体在某一时刻的状态通常由［空间属性时行状态预测分析等智能计算领域正逐渐成为空间分析的间］信息描述。“空间”是地理实体边界上抽样点的集合，研究热点。现有空间分析预测方法多采用代数运算等数描述了该地理实体形状、位置等空间特征；“属性”是地理学手段进行诸如函数方程、微分方程、偏微分方程等的求实体的性质和存在条件；“时间

6、”是空间—属性变量的采［２］解，其缺点是维数高、求解复杂，面对海量非线性可分样时刻。［空间属性时间］信息抽象为多元组M＝的数据时求解速度慢，并且缺乏组织空间信息的功能。S，R，T，其中S为该地理实体的空间位置信息，即抽样本文提出地理实体时空数据维度一体化的描述方法，从点的集合，R为属性信息集合，T为抽样的时刻集合。超曲面的构成方面对时空数据进行分析，构建基于维度1．2时空数据的维度一体化描述一体化的时空数据超曲面模型，进而使用神经网络方在信息世界中，地理实体由空间、属性、时间三重维［３－５］法对

7、该地理实体未来状态作出预测。度的数学集合来表达：空间维度由边界点集构成，边界点集使用经度、纬度、高程（L，B，H）描述；地理实体的每一1地理实体数值型时空数据的维度描述种属性都作为属性维度的一个子维度；时间维度为１，以1．1地理实体的定义闵可夫斯基（３＋１）时空维中的时间轴来描述。地理实体是指具有同类现象及完整地理意义的最小１）空间维度的表达收稿日期：２０１３－０９－１３作者简介：王翰钊（１９８５－），男，河南郑州人，助理讲师，硕士，２０１２年毕业于桂林理工大学地图制图学与地理信息系统专业，主要

8、从事教学及ＧＩＳ理论研究等工作。第４期王翰钊：基于代数超曲面的地理实体数值型时空数据预测方法１６１在三维地理空间上，对于任意一个地理实体m，其边其中，ai∈１，２，⋯r｜１≤i≤m）的点的集合称为代mmmn界抽样为边界点集：p１，p２，⋯，pn，其中，n为抽样点的数超曲面，x＝xa１，xa，２⋯，xan∈R为超曲面的输入mmm个数。用向量p１，p２，⋯，pn表示边界点集的坐标组，向量。代入各抽样点的地理坐标，有边界点集阵：对式（１）～（５）组织的地理实体数据作如下映射：mmmmfp１l１b１h１