典型文献
基于GTWRK的PM2.5浓度空间插值方法
文献摘要：
针对常规PM2.5浓度预测方法难以同时处理PM2.5浓度分布的时空非平稳性和空间自相关性的问题,构建了顾及多因子影响的时空地理加权回归克里金(Geographically and Temporally Weighted Regression Kriging,GTWRK)模型进行广西地区PM2.5浓度预测,并与地理加权回归(Geographically Weighted Regression,GWR)、 地理加权回归克里金和时空地理加权回归模型的预测结果进行对比.结果表明,GTWRK模型较其他模型具有更高的精度,决定系数(R2)、 平均绝对误差(Mean Absolute Error,MAE)、 均方根误差(Root Mean Square Error,RMSE)分别为0.81,4.69μg/m3,6.44μg/m3;对GTWRK模型的预测结果进行空间化表达,得到2015—2019年广西PM2.5浓度空间分布,结果显示,空间上,高浓度PM2.5分布于柳州和桂林,低浓度PM2.5分布于防城港和北海;时间上,高浓度的PM2.5分布面积逐年递减.
文献关键词：
PM2.5浓度;空间插值;时空地理加权回归克里金;精度评估
中图分类号：
作者姓名：
谢劭峰;张伟;潘梦清;黄良珂;刘立龙
作者机构：
桂林理工大学 测绘地理信息学院, 广西 桂林 541006;河南省地震局 鹤壁地震监测中心站, 河南 鹤壁 456200;桂林市测绘研究院, 广西 桂林 541002
文献出处：
引用格式：
[1]谢劭峰;张伟;潘梦清;黄良珂;刘立龙-.基于GTWRK的PM2.5浓度空间插值方法)[J].无线电工程,2022(06):1018-1024
A类：
GTWRK,时空地理加权回归克里金,地理加权回归克里金
B类：
PM2,度空间,空间插值方法,浓度预测,浓度分布,时空非平稳性,空间自相关性,顾及,多因子,Geographically,Temporally,Weighted,Regression,Kriging,广西地区,GWR,金和,时空地理加权回归模型,决定系数,平均绝对误差,Mean,Absolute,Error,MAE,Root,Square,RMSE,行空,空间化,柳州,桂林,防城港,北海,分布面积,精度评估
AB值：
0.279256
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
