作者:李广超; 李如仁; 卢月明; 赵阳阳; 余博主成分分析gwraodpearson相关系数
摘要:针对采用地理加权回归模型(GWR)进行预测时输入变量较多导致计算复杂度高,而输入变量较少引起预测精度降低这一问题,提出了一种基于主成分分析的地理加权回归方法(PCA-GWR)。首先,该方法检验了气溶胶光学厚度(AOD)影响因素之间的共线性;然后,通过非线性主成分分析法(NLPCA)对影响AOD值的若干相关变量进行处理,既消除了相关变量彼此之间的多重共线性,又可以起到降维的作用;最后,利用非线性主成分分析得到较少的几个综合指标,通过地理加权回归模型对AOD值进行分析预测。为验证该方法的有效性,采用京津冀地区的AOD、高程、风速、气温、湿度、气压、坡度、坡向数据,利用Pearson相关系数法选取与AOD浓度具有较高相关性的影响因素作为常规的GWR模型的输入变量,在变量个数相同的前提下,与本文方法进行对比。研究结果表明:应用非线性主成分分析法对相关变量进行预处理后,有效地解决了变量之间的共线性,保留了原始影响因素主要信息,提高了运算效率,且该方法所得的MAE、RMSE、AIC及其拟合优度R2均优于常规的GWR模型。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社