|本期目录/Table of Contents|

地理空间信息扩散技术实证研究——以四川省三台县洪水灾害为例(PDF)

灾害学[ISSN:1000-811X/CN:61-1097/P]

期数:
2022年02期
页码:
89-101
栏目:
预测.防治与对策
出版日期:
2022-04-20

文章信息/Info

Title:
-
作者:
黄崇福张馨文
Author(s):
-
关键词:
空间插值信息扩散协同克里金地理加权回归神经网络基准误差预测误差三台县
分类号:
X43;X915.5;U44
DOI:
-
文献标识码:
A
摘要:
插值,是推测地理空间中空白单元处地表现象的重要途径。协同克里金插值(CK)、地理加权回归(GWR)和回传神经网络(BP-ANN)等,在满足相应条件的情况下,都是很好的插值方法,但不具有普适性。在观测单元不多,数据离散性较大的情况下,信息扩散技术的插值,比这些模型的效果都好。该文以四川省三台县 2018 年和 2020 年发生的两次大洪水,采集的 25 个村的房屋损失、农业损失和庄稼被淹三类水灾灾情数据组成 6 个案例,以村庄与河流的距离、GDP 和坡度等为自变量,以灾情为因变量,实证了地理空间信息扩散技术用于插值的普适性。信息扩散的自学习离散回归模型(SLDR),预测误差较小,且没有明显的预测误差小于基准误差的情况。CK 在所有案例中,均是预测误差小于基准误差,说明插值无效;GWR 在 5 个案例中也出现相同情况。虽然 BP-ANN 的基准误差很小,但预测误差却比基准误差高出近一个数量级,也远高于其他模型,表明能够高度拟合训练样本的回传神经网络模型,并不适用于复杂地表现象的插值。

参考文献/References

备注/Memo

备注/Memo:
更新日期/Last Update: 2022-07-15