第1章 绪论 1
1.1时空序列分析建模的发展背景 1
1.2时空序列分析建模的研究概况 2
1.3时空序列分析建模的应用 5
1.4本书的主要研究内容及结构安排 8
1.5本章小结 9
参考文献 9
第2章 时空数据的表达及基本性质 14
2.1地理时空的理解 14
2.2时空数据的表达 15
2.3时空数据的基本性质 16
2.4本章小结 26
参考文献 26
第3章 时空自相关移动平均模型 28
3.1自相关模 28
3.2移动平均模型 30
3.3时间自相关移动平均模型 32
3.4空间/时空自相关移动平均模型 34
3.5实例1——空间面状数据的时空预测 44
3.6实例2——交通路网数据的时空预测 55
3.7本章小结 60
参考文献 61
第4章 时空序列混合框架和模型 62
4.1非平稳时空过程模型方法 62
4.2非平稳时空序列混合建模框架 63
4.3实例——空间点数据的时空预测 69
4.4本章小结 82
参考文献 82
第5章 时空序列神经网络模型 86
5.1神经网络模型 86
5.2时空神经元网络模型 88
5.3网络的结构及工作方式 91
5.4网络的学习方法和算法 93
5.5时空非平稳建模 95
5.6实例1——空间面状数据的时空预测 98
5.7实例2——空间点数据的时空预测 104
5.8本章小结 110
参考文献 110
第6章 时空序列支持向量相关模型 112
6.1机器学习概论 112
6.2统计学习理论 114
6.3支持向量机的发展及应用 116
6.4多输出支持向量相关算法 117
6.5构造时空核函数 122
6.6实例1——空间面状数据的时空预测 126
6.7实例2——空间点数据的时空预测 131
6.8本章小结 135
参考文献 135
第7章 总结与展望 137
7.1模型比较及讨论 137
7.2主要研究结论 138
7.3研究展望 140
附录194个国际气象交换站描述性统计表 141