地理空間模式挖掘理論與方法

人工智能

成果基于對地理現象與規律的“格局→作用→過程”的理解，將其抽象為地理空間模式（聚集、關聯與演化模式），并針對地理空間模式挖掘的復雜空間關系、自相關與異質性、優化建模等關鍵科學問題開展研究，構建了面向地理現象理解的地理空間模式挖掘理論與方法。

1.發現了地理實體間空間關系描述的層次性與統計規律，建立了拓撲關系層次化描述模型和度量關系統計描述模型，突破了地理空間模式挖掘中復雜空間關系精細建模與模式認知的基礎問題。

2.發現了空間自相關與空間異質性對地理空間模式表現形式影響作用的統計規律，建立了地理空間模式自適應挖掘模型與方法，突破了地理空間模式挖掘中地理要素自相關與異質性建模的關鍵難題。

3.發現了地理空間模式挖掘過程中模型有效性、模型性能與模型穩定性間的調和規則，結合博弈論與局部搜索策略，建立了地理空間模式挖掘自適應優化模型，提高了挖掘結果質量與穩定性。

地理空間數據挖掘是當前地理信息科學最迫切需要突破的關鍵技術，將為人類深入理解和揭示現實世界地理現象或地理實體之間復雜分布關系、交互作用和演化過程提供重要分析手段。成果科學地搭建了時空數據挖掘方法與地理現象理解間溝通的橋梁，提升了地理現象格局、交互作用與演化過程的發現能力與可解釋性，為我國智慧城市建設、地理國情監測提供了重要支撐。

實驗室研發