《表6 GNNWR模型自变量回归系数的空间非平稳性检验》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于地理神经网络加权回归的中国PM_(2.5)浓度空间分布估算方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

GNNWR、GWR和OLR模型的建模性能比较以及表5的F1检验结果，表明PM2.5浓度与AOD、DEM、温度、降水量、风速、风向等因子的回归关系总体上具有显著的空间非平稳性。下面进一步分析各自变量回归系数是否均具有显著的空间变化，本文对GWR和GNNWR模型自变量系数进行了F2检验，结果如表6所示。从F2检验结果可以看出，GWR和GNNWR模型的每个自变量的显著性水平均达到了0.001，充分说明各自变量因子都具有显著的空间非平稳特性。我们还观察到GWR模型的F2检验值明显大于GNNWR。结合之前的分析结果，我们认为GWR模型可能过高估计了各个自变量的空间非平稳变化，也正因如此导致了其在PM2.5浓度预测时表现较差。