地理空间模式挖掘理论与方法

人工智能

成果基于对地理现象与规律的“格局→作用→过程”的理解，将其抽象为地理空间模式（聚集、关联与演化模式），并针对地理空间模式挖掘的复杂空间关系、自相关与异质性、优化建模等关键科学问题开展研究，构建了面向地理现象理解的地理空间模式挖掘理论与方法。

1.发现了地理实体间空间关系描述的层次性与统计规律，建立了拓扑关系层次化描述模型和度量关系统计描述模型，突破了地理空间模式挖掘中复杂空间关系精细建模与模式认知的基础问题。

2.发现了空间自相关与空间异质性对地理空间模式表现形式影响作用的统计规律，建立了地理空间模式自适应挖掘模型与方法，突破了地理空间模式挖掘中地理要素自相关与异质性建模的关键难题。

3.发现了地理空间模式挖掘过程中模型有效性、模型性能与模型稳定性间的调和规则，结合博弈论与局部搜索策略，建立了地理空间模式挖掘自适应优化模型，提高了挖掘结果质量与稳定性。

地理空间数据挖掘是当前地理信息科学最迫切需要突破的关键技术，将为人类深入理解和揭示现实世界地理现象或地理实体之间复杂分布关系、交互作用和演化过程提供重要分析手段。成果科学地搭建了时空数据挖掘方法与地理现象理解间沟通的桥梁，提升了地理现象格局、交互作用与演化过程的发现能力与可解释性，为我国智慧城市建设、地理国情监测提供了重要支撑。

实验室研发