《表6 GNNWR模型自变量回归系数的空间非平稳性检验》
![《表6 GNNWR模型自变量回归系数的空间非平稳性检验》](http://bookimg.mtoou.info/tubiao/gif/DQXX202001013_08500.gif)
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》
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。
图表编号 | XD00116650600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.25 |
作者 | 杜震洪、吴森森、王中一、汪愿愿、张丰、刘仁义 |
绘制单位 | 浙江大学地球科学学院地理与空间信息研究所、浙江省资源与环境信息系统重点实验室、浙江大学地球科学学院地理与空间信息研究所、浙江省资源与环境信息系统重点实验室、浙江大学地球科学学院地理与空间信息研究所、浙江大学地球科学学院地理与空间信息研究所、浙江省资源与环境信息系统重点实验室、浙江大学地球科学学院地理与空间信息研究所、浙江省资源与环境信息系统重点实验室、浙江大学地球科学学院地理与空间信息研究所、浙江省资源与环境信息系统重点实验室 |
更多格式 | 高清、无水印(增值服务) |