地球观测与导航技术丛书 时空序列数据分析和建模
作者：王佳璆，邓敏，程涛，黄健柏 著
出版时间：2012年版
内容简介
　　时空数据分析是从海量的地理时空数据中提取信息、知识的有效手段。本书全面介绍了时空序列数据分析和建模的方法。在系统介绍时空数据分析的概念、内容、结构体系和研究进展的基础上，对时空数据的性质进行了探讨；然后以时空数据类型为线索，分别研究了空间点、线和面时空数据的时空一体化分析和建模方法，以及基于智能学习算法的时空数据分析和建模方法，并分别采用社会经济统计数据、环境温度数据、交通路网数据对各种时空模型进行了验证；分析比较了不同模型之间的优缺点及各模型的适用范围；最后对时空序列数据分析和建模方法未来的发展进行了展望。本书结构严谨，理论、方法和应用结合紧密，是面向GIS专业时空数据分析课程的教材，既可供高等院校测绘、地理、经济、环境等专业的研究生使用，同时也可作为相关领域研究和技术人员的参考书。
目录
《地球观测与导航技术丛书》出版说明
前言
第1章 绪论
1.1 时空序列分析建模的发展背景
1.2 时空序列分析建模的研究概况
1.3 时空序列分析建模的应用
1.4 本书的主要研究内容及结构安排
1.5 本章小结
参考文献
第2章 时空数据的表达及基本性质
2.1 地理时空的理解
2.2 时空数据的表达
2.3 时空数据的基本性质
2.4 本章小结
参考文献
第3章 时空自相关移动平均模型
3.1 自相关模型
3.2 移动平均模型
3.3 时间自相关移动平均模型
3.4 空间/时空自相关移动平均模型
3.5 实例1——空间面状数据的时空预测
3.6 实例2——交通路网数据的时空预测
3.7 本章小结
参考文献
第4章 时空序列混合框架和模型
4.1 非平稳时空过程模型方法
4.2 非平稳时空序列混合建模框架
4.3 实例——空间点数据的时空预测
4.4 本章小结
参考文献
第5章 时空序列神经网络模型
5.1 神经网络模型
5.2 时空神经元网络模型
5.3 网络的结构及工作方式
5.4 网络的学习方法和算法
5.5 时空非平稳建模
5.6 实例1——空间面状数据的时空预测
5.7 实例2——空间点数据的时空预测
5.8 本章小结
参考文献
第6章 时空序列支持向量相关模型
6.1 机器学习概论
6.2 统计学习理论
6.3 支持向量机的发展及应用
6.4 多输出支持向量相关算法
6.5 构造时空核函数
6.6 实例1——空间面状数据的时空预测
6.7 实例2——空间点数据的时空预测
6.8 本章小结
参考文献
第7章 总结与展望
7.1 模型比较及讨论
7.2 主要研究结论
7.3 研究展望
附录 194个国际气象交换站描述性统计表