跳过导航链接
  • 概要: 
  • 嵌套 | 
  • 字段 | 
  • 构造器 | 
  • 方法
  • 详细资料: 
  • 字段 | 
  • 构造器 | 
  • 方法
com.supermap.analyst.spatialstatistics

类 SpatialRelModeling


  • public class SpatialRelModeling
extends Object
    空间关系建模类。该类可利用回归分析建立空间关系模型。
    • 用户可以通过空间关系建模来解决以下问题：
      1. 为什么某一现象会持续的发生,是什么因素导致了这种情况？
      2. 导致某一事故发生率比预期的要高的因素有那些？有没有什么方法来减少整个城市或特定区域内的事故发生率？
      3. 对某种现象建模以预测其他地点或者其他时间的数值？
    • 通过回归分析，你可以对空间关系进行建模、检查和研究，可以帮助你解释所观测到的空间模型后的诸多因素。比如线性关系是正或者是负；对于正向关系，即存在正相关性，某一变量随着另一个变量增加而增加；反之，某一变量随着另一个变量增加而减小；或者两个变量无关系。

    • 方法详细资料

      • ordinaryLeastSquares

        @Deprecated
public static OLSAnalystResult ordinaryLeastSquares(DatasetVector sourceDatasetVector,
                                                                 Datasource targetDatasource,
                                                                 String targetDatasetName,
                                                                 OLSParameter olsParameter)
        已过时。 此方法已废弃，请使用支持进度监听的新方法 SpatialRelModeling.ordinaryLeastSquares(DatasetVector, Datasource, String, OLSParameter, SteppedListener...) 替换。
        普通最小二乘法。
        1. 普通最小二乘法分析结果信息包含一个结果数据集和普通最小二乘法结果汇总（请参阅 OLSSummary 类）。
        2. 结果数据集包含预测值（Estimated）、残差（Residual）、标准化残差（StdResid）等。
        3. 调用该方法时，需要通过 olsParameter 参数指定一个普通最小二乘法分析参数参数（OLSParameter）对象，该对象用于指定普通最小二乘法分析所需的参数。

        说明：

        • 预测值（Estimated）：这些值是普通最小二乘法得到的估计值（或拟合值）。
        • 残差（Residual）：这些是因变量无法解释的部分，是估计值和实际值之差，标准化残差的平均值为0，标准差为1。残差可用于确定模型的拟合程度，残差较小表明模型拟合效果较好，可以解释大部分预测值，说明这个回归方程是有效的。
        • 标准化残差（StdResid）：残差和标准误的比值，该值可用来判断数据是否异常，若数据都在（-2，2）区间内，表明数据具有正态性和方差齐性；若数据超出（-2，2）区间，表明该数据为异常数据，无方差齐性和正态性。
        参数:
        sourceDatasetVector - 指定的待计算的数据集。可以为点、线、面数据集。
        targetDatasource - 指定的用于存储结果数据集的数据源。
        targetDatasetName - 指定的结果数据集名称。
        olsParameter - 指定的普通最小二乘法参数设置。
        返回:
        普通最小二乘法结果信息。

      • ordinaryLeastSquares

        public static OLSAnalystResult ordinaryLeastSquares(DatasetVector sourceDatasetVector,
                                                    Datasource targetDatasource,
                                                    String targetDatasetName,
                                                    OLSParameter olsParameter,
                                                    SteppedListener... listeners)
        普通最小二乘法。
        1. 普通最小二乘法分析结果信息包含一个结果数据集和普通最小二乘法结果汇总（请参阅 OLSSummary 类）。
        2. 结果数据集包含预测值（Estimated）、残差（Residual）、标准化残差（StdResid）等。
        3. 调用该方法时，需要通过 olsParameter 参数指定一个普通最小二乘法分析参数参数（OLSParameter）对象，该对象用于指定普通最小二乘法分析所需的参数。

        说明：

        • 预测值（Estimated）：这些值是普通最小二乘法得到的估计值（或拟合值）。
        • 残差（Residual）：这些是因变量无法解释的部分，是估计值和实际值之差，标准化残差的平均值为0，标准差为1。残差可用于确定模型的拟合程度，残差较小表明模型拟合效果较好，可以解释大部分预测值，说明这个回归方程是有效的。
        • 标准化残差（StdResid）：残差和标准误的比值，该值可用来判断数据是否异常，若数据都在（-2，2）区间内，表明数据具有正态性和方差齐性；若数据超出（-2，2）区间，表明该数据为异常数据，无方差齐性和正态性。
        参数:
        sourceDatasetVector - 指定的待计算的数据集。可以为点、线、面数据集。
        targetDatasource - 指定的用于存储结果数据集的数据源。
        targetDatasetName - 指定的结果数据集名称。
        olsParameter - 指定的普通最小二乘法参数设置。
        listeners - 用于接收进度条事件的监听器。
        返回:
        普通最小二乘法结果信息。

      • geographicWeightedRegression

        @Deprecated
public static GWRAnalystResult geographicWeightedRegression(DatasetVector sourceDatasetVector,
                                                                         Datasource targetDatasource,
                                                                         String targetDatasetName,
                                                                         GWRParameter gwrParameter)
        已过时。 此方法已废弃，请使用支持进度监听的新方法 SpatialRelModeling.geographicWeightedRegression(DatasetVector, Datasource, String, GWRParameter, SteppedListener...) 。
        地理加权回归分析。

        地理加权回归分析是一种用于空间变化关系的线性回归的局部形式,可用来在空间变化依赖和独立变量之间的关系研究。对地理要素所关联的数据变量之间的关系进行建模，从而可以对未知值进行预测或者更好地理解可对要建模的变量产生影响的关键因素。回归方法使你可以对空间关系进行验证并衡量空间关系的稳固性。

        1. 地理加权回归分析结果信息包含一个结果数据集和地理加权回归结果汇总（请参阅 GWRSummary 类）。
        2. 结果数据集包含交叉验证（CVScore）、预测值（Predicted）、回归系数（Intercept、C1_解释字段名）、残差（Residual）、标准误（StdError)、系数标准误(SE_Intercept、SE1_解释字段名）、伪t值（TV_Intercept、TV1_解释字段名）和Studentised残差（StdResidual）等。
        3. 调用该方法时，需要通过 gwrParameter 参数指定一个地理加权回归分析参数参数（GWRParameter）对象，该对象用于指定地理加权回归分析所需的参数，如建模字段、解释字段、带宽类型、带宽确定方式等。
        参数:
        sourceDatasetVector - 指定的待计算的数据集。可以为点、线、面数据集。
        targetDatasource - 指定的用于存储结果数据集的数据源。
        targetDatasetName - 指定的结果数据集名称。
        gwrParameter - 指定的地理加权回归分析参数设置。
        返回:
        地理加权回归分析结果信息。

      • geographicWeightedRegression

        public static GWRAnalystResult geographicWeightedRegression(DatasetVector sourceDatasetVector,
                                                            Datasource targetDatasource,
                                                            String targetDatasetName,
                                                            GWRParameter gwrParameter,
                                                            SteppedListener... listeners)
        地理加权回归分析。

        地理加权回归分析是一种用于空间变化关系的线性回归的局部形式,可用来在空间变化依赖和独立变量之间的关系研究。对地理要素所关联的数据变量之间的关系进行建模，从而可以对未知值进行预测或者更好地理解可对要建模的变量产生影响的关键因素。回归方法使你可以对空间关系进行验证并衡量空间关系的稳固性。

        1. 地理加权回归分析结果信息包含一个结果数据集和地理加权回归结果汇总（请参阅 GWRSummary 类）。
        2. 结果数据集包含交叉验证（CVScore）、预测值（Predicted）、回归系数（Intercept、C1_解释字段名）、残差（Residual）、标准误（StdError)、系数标准误(SE_Intercept、SE1_解释字段名）、伪t值（TV_Intercept、TV1_解释字段名）和Studentised残差（StdResidual）等。
        3. 调用该方法时，需要通过 gwrParameter 参数指定一个地理加权回归分析参数参数（GWRParameter）对象，该对象用于指定地理加权回归分析所需的参数，如建模字段、解释字段、带宽类型、带宽确定方式等。
        参数:
        sourceDatasetVector - 指定的待计算的数据集。可以为点、线、面数据集。
        targetDatasource - 指定的用于存储结果数据集的数据源。
        targetDatasetName - 指定的结果数据集名称。
        gwrParameter - 指定的地理加权回归分析参数设置。
        listeners - 用于接收进度条事件的监听器。
        返回:
        地理加权回归分析结果信息。

      • geographicallyAndTemporallyWeightedRegression

        @Deprecated
public static GWRAnalystResult geographicallyAndTemporallyWeightedRegression(DatasetVector sourceDatasetVector,
                                                                                          Datasource targetDatasource,
                                                                                          String targetDatasetName,
                                                                                          GTWRParameter gtwrParameter)
        已过时。 此方法已废弃，请使用支持进度监听的新方法 SpatialRelModeling.geographicallyAndTemporallyWeightedRegression(DatasetVector, Datasource, String, GTWRParameter, SteppedListener...) 替换。
        时空地理加权回归。

        时空地理加权回归是经过拓展和改进的地理加权回归，能够分析带有时间属性的空间坐标点，解决了模型总的时空非平稳性问题。

        应用场景：

        • 研究城市住宅在时间和空间方面的变化趋势。
        • 研究省域经济发展因素及其时空规律。
        参数:
        sourceDatasetVector - 待计算的矢量数据集，可以为点、线、面数据集。
        targetDatasource - 输出数据源。
        targetDatasetName - 结果数据集名。
        gtwrParameter - 时空地理加权回归分析参数。
        返回:
        分析结果 包括时空地理加权回归汇总结果和结果数据集。分析结果与地理加权回归分析结果保持一致，结果为（GWRAnalystResult） 类。

      • geographicallyAndTemporallyWeightedRegression

        public static GWRAnalystResult geographicallyAndTemporallyWeightedRegression(DatasetVector sourceDatasetVector,
                                                                             Datasource targetDatasource,
                                                                             String targetDatasetName,
                                                                             GTWRParameter gtwrParameter,
                                                                             SteppedListener... listeners)
        时空地理加权回归。

        时空地理加权回归是经过拓展和改进的地理加权回归，能够分析带有时间属性的空间坐标点，解决了模型总的时空非平稳性问题。

        应用场景：

        • 研究城市住宅在时间和空间方面的变化趋势。
        • 研究省域经济发展因素及其时空规律。
        参数:
        sourceDatasetVector - 待计算的矢量数据集，可以为点、线、面数据集。
        targetDatasource - 输出数据源。
        targetDatasetName - 结果数据集名。
        gtwrParameter - 时空地理加权回归分析参数。
        listeners - 用于接收进度条事件的监听器。
        返回:
        分析结果 包括时空地理加权回归汇总结果和结果数据集。分析结果与地理加权回归分析结果保持一致，结果为（GWRAnalystResult） 类。

      • linearFitting

        public static double[] linearFitting(DatasetVector pointDataset,
                                     int degree,
                                     SteppedListener... listeners)
        线性拟合。

        对点群进行最小二乘法的线性拟合，即找到一条合适的线，使所有点到该拟合线的误差的平方和最小。

        说明：

        • 当阶数为1时，结果系数数组保存直线方程系数，方程格式为：y=result[0]*x+result[1]；
        • 当阶数为2时，结果系数数组保存抛物线方程系数，方程格式为：y=result[0]*x*x+result[1]*x+result[2]；
        • 当输入的点坐标 y 值全部相同时，都为直线方程，方程格式为：y=0*x+result[1] 或 y=0*x*x+0*x+result[2]；
        • 当输入的点坐标 x 值全部相同时，会直接判断失败，无法生成直线方程。
        参数:
        pointDataset - 待计算的矢量数据集，只支持点数据集。
        degree - 阶数。支持1和2， 1表示：直线方程拟合，2表示：抛物线方程拟合
        listeners - 进度信息
        返回:
        返回方程的系数数组。

      • addSteppedListener

        public static void addSteppedListener(SteppedListener l)
        添加一个进度条事件（SteppedEvent）的监听器。
        参数:
        l - 一个用于接收进度条事件的监听器。

      • removeSteppedListener

        public static void removeSteppedListener(SteppedListener l)
        移除一个进度条事件（SteppedEvent）的监听器。
        参数:
        l - 一个用于接收进度条事件的监听器。
跳过导航链接
  • 概要: 
  • 嵌套 | 
  • 字段 | 
  • 构造器 | 
  • 方法
  • 详细资料: 
  • 字段 | 
  • 构造器 | 
  • 方法

Copyright © 2021–2025 SuperMap. All rights reserved.