地理空間關聯模式的統計挖掘方法研究

何占軍

中國地質大學(武漢)信息工程學院，湖北 武漢 430074

地理空間關聯模式是地理要素關系的一種重要表現形式，也是地理空間數據挖掘的核心研究內容，對分析地理要素/地理事件的分布模式、影響因素及演化趨勢等有著重要的指導意義。目前，地理空間關聯模式挖掘算法尚未能充分考慮地理空間數據的特性，挖掘結果缺乏有效評價與篩選，從而影響了挖掘結果的可靠性與可解譯性。本文充分考慮地理空間數據特征對挖掘結果的影響，綜合利用空間分析、時空統計、空間數據挖掘等理論工具，深系統地研究地理空間關聯模式的統計挖掘方法，主要研究工作及創新之處包括：

(1)深入探討了地理空間關聯模式挖掘的含義與特征，分析了地理空間認知理論、地理空間數據特征在地理空間數據挖掘中的重要作用，確立了地理空間關聯模式挖掘結果的評價策略(即：顯著性統計分析)，并在此基礎上構建了地理空間關聯模式統計挖掘的基礎性框架。

(2)針對空間同位模式挖掘算法未考慮空間自相關特征、算法參數缺乏先驗等問題，提出了顧及空間自相關的空間同位模式統計挖掘方法。首先，通過空間特征組合的策略建立了空間點模式的非參數表達模型；進而，通過分析不同類型事件的空間分布特征，提出了一種鄰近距離閾值的統計推斷方法；在此基礎上，基于空間模式重建與統計假設檢驗的理論方法，發展了空間同位模式的統計判別模型；最后，借鑒視覺感知領域模式穩定性分析理論，發展了一種空間同位模式多尺度挖掘結果的有效性評價指標。所提方法被應用于分析黑龍江洪河濕地區域的生物共生現象，試驗結果表明，該方法不僅可以在多個分析尺度上發現物種間的共生模式，而且可以避免挖掘結果中的誤判和漏判現象。

(3)針對時序事件模式挖掘過程中未考慮事件分布特征、挖掘結果一致性較差等問題，提出了融合時序數據異質性的事件模式統計挖掘方法。該方法綜合考慮事件在全局與局部的分布差異特征，定義了一種密度比度量指標；在此基礎上，發展了一種基于密度比指標的時序事件模式挖掘方法；進而，借助隨機移位模式重建與統計假設檢驗理論，發展了時序事件模式的統計判別模型。最后，該方法應用于分析北京地區空氣污染物濃度與氣象因子間的關聯關系，試驗結果表明，與經典MOWCATL算法相比，本文方法可以有效發現數據中具有統計顯著意義的時序事件模式，挖掘結果的一致性更好。

(4)針對現有時空關聯模式挖掘方法難以用于分析時空連續變化的復雜地理事件，提出了復雜地理事件的時空關聯模式統計挖掘方法。針對無固定形態、連續變化的復雜地理事件，采取層次化表達策略，提出了一種時空有向路徑的動態地理事件表達模型；在此基礎上，發展了一種時空擴散模式統計挖掘方法，用來刻畫復雜地理現象的時空擴散變化特征；最后，借鑒本體概念模型，從動態變化視角出發，發展了一種融合本體模型的時空演變模式挖掘方法，用來探測地理現象變化背后的驅動因素。所提方法用于分析京津冀區域空氣污染事件的動態變化規律，試驗結果表明，該方法可以有效發現空氣污染事件的擴散路徑，有助于揭示空氣污染物的主要來源。