序 1
前言 1
第1章 概论 1
1.1 模型的一般概念 1
目录 1
1.2 模型的特征 2
1.3 模型的分类与用途 5
1.3.1 模型的分类 5
1.3.2 模型的用途 7
1.4 建模步骤 7
1.5 地理建模 8
1.5.1 地理建模与地理模型 8
1.5.2 地理建模与地理学 9
1.6 本教材的体系结构 10
1.5.3 地理建模与地理信息系统 10
1.5.4 地理建模与决策分析 10
思考题 11
第2章 概念模型 12
2.1 概念和变量 12
2.1.1 概念和观察 12
2.1.2 指标和维度 13
2.1.3 属性和变量 13
2.2 数据 15
2.2.1 数据源 15
2.2.2 有效数字和数据误差 16
2.2.3 数据的精确性和准确性 18
2.2.4 测量尺度 18
2.3.1 系统 23
2.3 系统和地理系统 23
2.3.2 系统结构和功能 24
2.3.3 系统分类 25
2.3.4 地理系统 26
2.4 系统分析 27
2.4.1 系统分析的目标 28
2.4.2 系统分析的要素 28
2.4.3 系统分析步骤 30
2.4.4 结构分析方法 30
2.4.5 系统控制 36
2.5 概念模型 41
2.5.1 建立目的 41
2.5.2 模型的表示 41
2.5.3 常用表示符号 43
2.5.4 概念模型的类型 44
2.6 概念模型的建立和应用 54
2.6.1 概念模型建立的步骤 54
2.6.2 人口控制的概念模型 55
2.7 概念模型的一些实例 57
思考题 61
第3章 物理模型 62
3.1 概述 62
3.2 物理模型分类 63
3.2.1 实体模型和思想模型 63
3.2.2 理想对象模型和过程模型 64
3.3 物理模型的特点 64
3.3.1 客观性与主观性 64
3.3.2 相对性 65
3.3.3 多样性 65
3.4.1 相似的概念 66
3.3.4 互补性 66
3.4 物理模型建模理论 66
3.4.2 相似律基础 69
3.4.3 量纲齐次原则 71
3.5 物理建模方法 73
3.5.1 抽象 73
3.5.2 类比 73
3.5.3 假设 74
3.5.4 模拟实验 75
3.6 物理建模步骤 75
3.7 物理模型实例 76
3.7.1 三角洲分流河道形成过程物理模型 76
3.7.2 地下水运动过程模拟物理模型 82
思考题 96
4.1 建模基础 97
第4章 统计相关模型 97
4.1.1 统计学的基本概念 98
4.1.2 统计方法 102
4.1.3 统计关系与确定关系 102
4.2 模型分类 102
4.2.1 相关分析 102
4.2.2 因子分析 103
4.2.3 回归分析 103
4.2.4 统计相关建模目的 104
4.3 建模步骤 105
4.4 数据预处理 106
4.4.1 统计特征描述 106
4.4.2 正态分布检验 109
4.4.3 数据变换 112
4.5.1 简单相关分析 118
4.5 相关分析 118
4.5.2 典型相关分析 122
4.6 因子分析 127
4.6.1 背景 127
4.6.2 典型问题 128
4.6.3 因子分析模型 129
4.6.4 因子分析常用方法 131
4.6.5 工作步骤 132
4.6.6 应用实例 135
4.6.7 因子分析的应用 140
4.7 回归分析 142
4.7.1 回归分析模型和随机干扰项的意义 142
4.7.2 回归分析的步骤和内容 143
4.7.4 线性回归 147
4.7.3 常用回归分析方法 147
4.7.5 最小二乘法的基本假设 148
4.7.6 多元线性回归分析实例 149
4.7.7 其他回归方法简介 153
4.8 复杂数据分析的一些问题 158
4.8.1 多因子问题 158
4.8.2 非线性问题 158
4.8.3 噪声问题 158
4.8.4 非正态分布问题 159
4.8.5 数据样本点分布不均匀问题 159
4.8.6 复杂数据处理的对策 159
思考题 161
第5章 模糊数学模型 164
5.1.2 随机性与模糊性 165
5.1.1 精确性与模糊性 165
5.1 精确性、随机性与模糊性 165
5.1.3 信息中的不确定性 167
5.2 模糊集合和隶属函数 168
5.2.1 模糊集合 168
5.2.2 隶属函数 171
5.3 模糊关系和模糊运算 177
5.3.1 模糊关系 177
5.3.2 模糊关系运算 178
5.3.3 模糊相似关系和等价关系 179
5.3.4 复合运算 179
5.4 模糊聚类分析 183
5.5 模糊识别 186
5.5.1 工作步骤 186
5.5.2 识别方法 187
5.5.3 应用实例 188
5.6 模糊综合评判 196
5.7 其他应用 198
思考题 199
第6章 动态数据分析模型 201
6.1 动态数据 201
6.1.1 动态数据分类 201
6.1.2 动态数据的可比性原则 203
6.1.3 动态数据的构成和分解 204
6.2 建模方法和模型分类 207
6.2.1 建模方法 207
6.2.2 模型分类 208
6.3 建模步骤 210
6.4 时间序列模型 210
6.4.1 基本概念 211
6.4.2 常用的方法 213
6.4.3 周期分析 214
6.4.4 确定性时间序列分析 218
6.4.5 随机时间序列分析 228
6.4.6 灰色关联度分析 240
6.5 动态系统模型 243
6.5.1 过程与过程系统 244
6.5.2 系统模型 245
6.5.3 系统仿真 246
6.5.4 系统动力学模型 249
思考题 257
第7章 空间数据分析模型 261
7.1 空间数据 261
7.2 空间数据分析 261
7.3.1 空间自相关 262
7.3 空间数据分析的一些基本问题 262
7.3.2 可变区域单位问题 263
7.3.3 生态学谬误 264
7.3.4 空间尺度 264
7.3.5 空间非均一性和边界效应 265
7.4 空间数据的关系 265
7.4.1 距离 265
7.4.2 邻接 266
7.4.3 交互 266
7.4.4 近邻 266
7.5 空间自相关分析 267
7.5.1 Moran'sI参数 268
7.5.2 GerayC参数 268
7.5.4 草地蝗虫的空间聚集性分析 269
7.5.3 G统计量 269
7.6 空间变异分析 271
7.6.1 空间变异 271
7.6.2 空间变异模型 272
7.6.3 采样和数据外推 274
7.6.4 空间数据插值 275
7.7 距离倒数插值方法 276
7.8 趋势面分析 278
7.8.1 狭义趋势面分析与广义趋势面分析 279
7.8.2 趋势面模型 279
7.8.3 趋势面分析实例 280
7.9 方差云图 282
7.10 区域变量和克里格插值 286
7.10.1 区域化变量 286
7.10.2 方差变异函数 287
7.10.3 克里格插值 291
7.10.4 克里格插值的影响因素分析 296
7.10.5 小结 301
思考题 302
第8章 分布式机理过程模型 303
8.1 概述 303
8.2 模型特点 303
8.3 建模基本原理 304
8.4 模型的组成 304
8.5 建模步骤 305
8.6 模型的求解方法 306
8.6.1 数值计算方法 307
8.6.2 数值模拟的优点和局限性 310
8.7.1 大气运动过程模型构建及其应用 311
8.7 建模实例 311
8.7.2 区域中尺度大气数值预报模式MM5 317
8.7.3 流域水文过程模拟模型 331
8.7.4 海洋潮波运动模拟模型 342
8.7.5 入海河流下游近河口段水流模拟模型 352
8.7.6 区域地下水运动模拟模型 361
思考题 376
第9章 模型构建和模型检验的若干问题 377
9.1 模型构建的若干问题 377
9.1.1 归纳和演绎 377
9.1.2 方法论的常见谬误 378
9.1.3 模型解释与研究对象 380
9.2 基于计算机的模型构建 382
9.2.1 全局性建模的基本思路 384
9.2.2 模型对象及其信息存储 385
9.3 模型的简化 391
9.3.1 模型描述变量的简化 391
9.3.2 随机变量取代确定性变量 392
9.3.3 粗化描述变量 393
9.3.4 归组实体及聚集变量 393
9.4 模型的有效性检验 394
9.4.1 可能的错误 394
9.4.2 影响模型有效性的主要因素 395
9.4.3 模型的确认、验证和认定 396
9.5 模型的可信度评估 398
9.5.1 理论模型有效性确认 399
9.5.2 模型软件验证 399
思考题 399
参考文献 403