导读:本文包含了时空建模论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:时空,肠道,建模,苏南,微生物,电动汽车,人类。
时空建模论文文献综述
李擎,刘岭,彭其渊,白磊[1]（2019）在《基于时空网格的铁路检查与维修计划可视化建模研究》一文中研究指出铁路基础设施检查与维修活动数据的高效可视化展现,对提升铁路管理者的养护维修管理水平具有重要作用。在阐述目前常用的铁路检查与维修计划可视化方法的基础上,针对其不足之处,结合铁路基础设施检查与维修活动的特点,提出铁路时空网格的概念,构建一种基于时空网格的铁路基础设施检查与维修计划可视化模型。通过实例验证,将基于时空网格的铁路检查与维修计划可视化模型与甘特图、网络计划图进行对比,结果表明,提出模型在检查与维修计划可视化方面更具优势,有助于提高管理者对检查与维修活动的管理效率和决策水平。(本文来源于《铁道运输与经济》期刊2019年11期）
段雪,张昌华,张坤,叶圣永,陈树恒[2]（2019）在《电动汽车换电需求时空分布的概率建模》一文中研究指出随着电力系统中电动汽车的高比例接入,换电作为电动汽车能源的重要补给形式受到广泛关注。电动汽车的移动具有时空随机性,换电需求也具有时空分布特性。针对这一问题,现有研究往往采用马尔科夫决策过程(Markov decision process,MDP)来计算汽车出行路径,即在每一个路口都以某一概率随机产生下一个目的地。但这种方式和人们的日常出行经验严重不符,即在熟悉的道路环境中,驾驶员路径的选择方式不是在每一个路口的MDP过程,而是事先有一条或多条候选路径,从中依概率选取一条。基于此,采用深度优先搜索(depth first search,DFS)和随机出行链确定了电动汽车1天的实际出行路径,完成了电动汽车出行空间分布规律建模;根据出行时间、停放时间等,确定了电动汽车在时间上的随机分布。通过时间和空间两个维度的结合,模拟电动汽车出行过程,为电动汽车的换电时刻、换电地点以及换电数量的确定提供了依据。最后,针对某一具体的交通网络和10000辆电动汽车,采用蒙特卡洛方法验证了所提模型和算法的有效性。研究成果可用于研究换电站的规划、交通规划以及对电网规划的影响等。(本文来源于《电网技术》期刊2019年12期）
高鹏彦,赵兴勇,姚方,文福拴,吴磊[3]（2019）在《考虑电动汽车时空分布的充电负荷建模》一文中研究指出针对电动汽车(electric vehicle, EV)时空转移和充电行为方式具有不确定性的问题,提出一种基于出行链随机模拟EV充电负荷时空分布的方法。首先,根据家用汽车出行调查数据将充电区域划分为6类,借助出行链概念建立EV用户一天行驶的时空分布特征量和状态量,并采用马尔可夫过程模拟EV的空间转移特性;其次,考虑分时电价对充电负荷分布的影响,建立EV车载重量和环境温度的能耗模型;最后,采用蒙特卡洛模拟法对不同类型EV在不同车载重量和温度下、在各充电区域内的充电负荷进行仿真。计算结果表明,所构建的模型可以较准确模拟EV在不同时空分布下的充电需求,在不同充电区域充电负荷具有明显差异,分时电价、环境温度对充电负荷分布具有明显影响,EV载客和环境温度降低时充电负荷呈增加趋势。(本文来源于《电力科学与技术学报》期刊2019年03期）
王德冬,秦聪[4]（2019）在《区域PM_(2.5)时空回归建模与预测》一文中研究指出基于区域PM_(2.5)时空建模和预测的需要及PM_(2.5)浓度呈现明显的时空分布趋势的状况,以苏南地区2014年PM_(2.5)日监测数据为实验数据,使用回归克里格对区域PM_(2.5)进行时空建模和估值。利用最小二乘法建立了PM_(2.5)与时空位置的叁元二次回归趋势模型,建模点趋势值与实测值间的平均误差接近于0,表明趋势模型拟合效果较好;拟合了样点残差的理论变异函数模型,表明该地区PM_(2.5)的空间和时间相关性范围分别为150 km和4 d;基于该模型,使用时空普通克里格对残差进行时空插值;插值结果与趋势项相加,得到PM_(2.5)回归克里格估值结果;通过对比不考虑趋势的时空普通克里格估值结果,发现考虑时空趋势的时空回归克里格法精度提高了1. 29%。对所提方法进行了创新性分析,并对不足之处进行了讨论。(本文来源于《中国环境监测》期刊2019年05期）
唐炉亮,戴领,任畅,张霞[5]（2019）在《现实与赛博空间数据相结合的城市活动事件时空建模》一文中研究指出城市活动事件(如文化、娱乐、体育等事件)的规模与影响力是城市经济文化发展的重要体现,其发生的全过程对城市现实空间与赛博空间都会产生巨大影响,从现实空间与赛博空间对城市活动事件的演化感知、动态建模与时空分析,具有重要的理论研究与应用价值。提出了一种结合现实空间交通数据与赛博空间社交媒体数据的城市活动事件时空建模分析方法,从事件进行中的交通轨迹,探测识别与事件显着相关的城市时空区域和交通流,分析现实空间事件热度的时空变化;从事件发生全过程的社交媒体数据中,探测分析赛博空间事件热度的时空变化;通过将现实空间和赛博空间的融合,建立城市活动事件时空模型,刻画事件全过程中城市地理空间与城市行为空间的时空演变特征。以2015年周杰伦"魔天伦2.0"世界巡回演唱会(武汉站)事件为例,采用武汉市出租车GPS轨迹数据和微博数据,对演唱会的事前、事中、事后实现城市地理空间与行为空间全过程建模与时空演变分析,并与单一数据源事件刻画模型进行比较,结果显示本方法能更合理地结合现实空间和赛博空间刻画城市活动事件。(本文来源于《测绘学报》期刊2019年05期）
覃杰,蔡周旸,杨勇[6]（2019）在《区域PM_(2.5)时空建模与分析研究——以福建省为例》一文中研究指出深入理解区域PM_(2.5)时空分布及演变状况是进行大气环境治理的基础。以福建省2016年PM_(2.5)日监测数据为基础,计算了不同滞后距级别的试验时空变异函数,并拟合了理论时空变异模型。在此基础上,利用时空克里格方法对区域PM_(2.5)浓度进行了使用内插,获得了PM_(2.5)时空立方体数据。基于该数据,对福建省2016年PM_(2.5)进行了时空分析,结果表明,福建省PM_(2.5)在空间上呈现南高北低的地带性趋势,时间上呈现冬春高、夏秋低的趋势。(本文来源于《环境科学与管理》期刊2019年05期）
韩毛振[7]（2019）在《微生物组大数据的时空动态建模和应用》一文中研究指出微生物与人类和环境一起进化,并成为生命的一个重要组成部分,执行着各种重要的功能。如人体微生物和环境微生物分别在维持人体健康和生物地球化学循环中起着至关重要的作用。微生物群落是许多微生物的集合体,其中绝大部分的微生物(超过99%)是不可通过传统培养方法进行培养的。为了充分揭示微生物群落中微生物的作用,高通量测序技术被用来获取微生物群落的序列信息。一方面,在目前的大多数微生物组学研究中,微生物群落的研究多集中在一个或少数几个时间点上,致使我们对微生物群落在时空上的动态变化模式还不清楚。另一方面,虽然许多生物信息学工具已经开发用来分析微生物组数据,但这些工具在分析微生物群落组成和可视化结果方面还存在一些缺点。因此,在本研究中为了探索微生物群落在时空上的动态变化模式,我们针对微生物组学研究中常用的数据类型,建立起微生物组大数据的时空动态建模方法,并将建立的分析方法应用在具体的人类肠道微生物组学和环境微生物组学的研究中,揭示了微生物群落在人体肠道微生物组和环境微生物组上的时空动态变化模式。在微生物组大数据的建模分析方法中,我们首先通过集成现有的工具和命令,建立了16SrRNA扩增子数据分析流程和宏全基因组数据分析流程,实现了对微生物组大数据快速有效的处理,解析出微生物群落的物种组成和功能组成;其次,开发了从宏全基因组数据中鉴定病毒的分析流程,实现了对微生物组大数据中病毒组的数据挖掘;最后,我们基于系统进化的方法开发了既适用于单菌基因组数据也适用于微生物群落宏全基因组数据的水平基因转移鉴定分析流程,增加了对微生物群落中基因交换的理解。这些微生物组大数据建模分析方法中的流程采用模块化设计,实现了对微生物组大数据的建模和个性化分析。在人体肠道微生物组动态建模的研究中,为了探索长时间内多种饮食切换下人类肠道微生物群落的动态变化模式,我们追踪了一支从北京到特立尼达和多巴哥的志愿者团队,他们在那里停留半年,然后又返回北京。使用高密度纵向取样策略收集他们在这个双向迁移的动态过程中的粪便样本并记录他们的饮食数据,共从41个人中收集到287个粪便样本,获得了 3.3TB的测序数据。基于高密度纵向取样和定量建模的策略,我们证实了人类肠道微生物群落具有弹性和双向可塑性,并且可塑性的方向是和样本的肠型有关。在物种分类学水平上,我们发现双向可塑性与Prevotella、Bacteroides、Ruminococcus、Bifidobacterium 和Faecalibacium 属的物种种类和物种的亚种的动态变化有关。在功能水平上,我们发现双向可塑性不仅与Prevotella copri、Bacteroiaes aorei、Bacteroiaespleteius、Bacteroiaes ovatus、Bacteroides uniformics和Faecalibacterium prausnitzii的代谢功能有关,而且还与微生物群落中的碳水化合物的代谢有关。通过整合他们的饮食信息,我们证实了双向可塑性在很大程度上是由饮食调节的。这项研究证实的人类肠道微生物群落具有很强的弹性和可塑性可为与肠道微生物相关的疾病的临床实践提供指导作用。在与高血压相关的人类肠道微生物组研究中,我们选择高血压作为疾病模型来探讨在高血压发生发展这一动态过程中,人类肠道病毒组的动态变化模式以及其与高血压发展之间的关联模式。我们收集了 196份与高血压发生发展这一动态过程相关的肠道微生物的宏全基因组数据。使用微生物组大数据建模分析方法中的病毒鉴定分析流程解析了这196个样本的病毒和细菌组成,确定了每个样本的病毒型,并将肠道病毒组的改变与高血压的发生发展关联起来。我们最终将196份粪便样本分成两种病毒型,并提供了32种病毒作为高血压不同时期样本的生物标志物。我们发现,对于鉴定健康样本和高血压不同阶段的样本时,病毒比细菌具有更高的分辨率和准确率。此外,对病毒和细菌的共出现网络分析后,我们发现在高血压的发展过程中,病毒和细菌的关联越来越普遍。总之,我们的研究结果证实了肠道病毒组的改变与高血压的发展之间有着密切联系,并可为高血压的早期诊断提供解决方案。在环境微生物组学研究中,为了揭示在农业生产活动影响下的湖泊微生物群落的空间变化模式,我们以洪湖为研究对象,研究了农业生产活动对洪湖生态系统的影响。我们对洪湖18个受农业生产活动影响程度不同的位点的水样和底泥的微生物群落结构、理化因素和抗生素污染进行了关联分析,解析了水体富营养化和抗生素污染对微生物群落结构的影响。我们的结果证实了水体中总氮、总磷、硝态氮、亚硝态氮等理化因素与微生物群落的组成差异有关,而在底泥样品中,可溶性的有机物和总氮的含量与微生物群落结构的差异有关。土霉素和四环素这两种抗生素则分别是导致水体和底泥受农业生产活动影响程度不同的样本的微生物群落结构差异的重要原因。这些结果表明,可以使用微生物对富营养化和与农业活动有关的抗生素污染进行检测而且这种对环境的适当监测可以为维持洪湖环境可持续发展的提供保障。总而言之,基于微生物组大数据中的数据类型,在本文中建立起微生物组大数据的时空动态建模方法,并将这些分析应用在人体微生物组学和环境微生物组学的研究中,揭示了微生物群落在时间上和空间上的动态变化模式及探索了其驱动因素。(本文来源于《华中科技大学》期刊2019-05-01）
杨东阳[8]（2019）在《基于分层时空建模的长江叁角洲地区PM_(2.5)浓度估算研究》一文中研究指出近几十年来,我国经历了快速的城镇化与社会经济发展,但与之伴随的大气污染问题已成为我国重要的环境负担。PM_(2.5)是大气环境主要的污染物之一,对公共健康有明显的负面效应。我国PM_(2.5)浓度高且增长快,加之人口众多、密集,PM_(2.5)污染暴露导致的公共健康风险尤为严重。当前,地面监测是PM_(2.5)数据的主要来源,也是PM_(2.5)污染健康效应研究的数据基础。我国PM_(2.5)监测站点依然稀疏,区域和城乡不均衡问题明显,成为精确的PM_(2.5)污染暴露风险评估的数据瓶颈,严重限制了PM_(2.5)污染健康效应的研究。然而,高时空分辨率PM_(2.5)浓度的估算与模拟是获取数据,弥补监测数据的缺失,以执行精确评估的潜在方法。本文以长叁角地区为例,探讨了该区域2016年PM_(2.5)浓度的时空变化特征,量化了土地利用和气象因素对其空间差异与时空变化的影响。在此基础上,整合具有空间差异的土地利用作为空间协变量和具有时空变化的气象因素作为时空协变量构建分层时空模型,对该区域3 km空间分辨率的日PM_(2.5)浓度进行估算,以期得到高精度的时空全覆盖的PM_(2.5)浓度数据,为PM_(2.5)污染健康效应的研究提供精确的数据基础与支撑。本文主要研究结论归纳如下:(1)PM_(2.5)浓度时间变化主要表现为短时间尺度的波动和先降低后升高的季节变化趋势两方面特征2016年,研究区域PM_(2.5)浓度最小值、平均值和最大值分别为8.17μg/m~3、46.44μg/m~3和150.23μg/m~3。在1–3月份和11–12月份两个时段内,PM_(2.5)浓度有大量高值出现,各站点之间浓度值差异也较大。PM_(2.5)浓度呈现先降低再增加的季节变化趋势,PM_(2.5)浓度波动幅度及各站点之间浓度值的差异呈现先减小再增大的变化趋势。PM_(2.5)浓度时间变化呈现不同时间尺度的准周期性波动,但以短时间尺度的大幅波动和先降低后升高的季节变化趋势为主。(2)区域PM_(2.5)浓度空间分布总体上具有北高南低的格局基于监测站点的PM_(2.5)浓度空间分布显示,区域中北部站点PM_(2.5)浓度较高,南部站点PM_(2.5)浓度较低,呈现西北高、东南低的分布格局。城市尺度上,区域中北部的苏州至南京一线城市和泰州、扬州浓度较高,东南部的宁波、台州和舟山浓度较低。空间全覆盖的PM_(2.5)浓度显示,嘉兴至南京一线以北地区是PM_(2.5)浓度集中连片的高值区,以南地区PM_(2.5)浓度普遍较低,仅有部分高值散乱分布于一些城市主城区。(3)土地利用和气象因素分别对PM_(2.5)浓度的空间格局和时空变化有重要影响长期来看,PM_(2.5)浓度与降雨、气温和风速呈负相关(p<0.001),与气压呈正相关(p<0.001)。但在不同时段,PM_(2.5)浓度与各气象因素有着不同尺度的共同周期和相位关系。其中,其与风速的负相干关系最为显着,受风速的影响较大。土地利用是影响区域PM_(2.5)浓度空间格局的主导因素,氮氧化物排放对其也有重要影响。土地利用、氮氧化物排放、道路密度、人口密度和夜间灯光指数等各因素的交互影响呈双变量增强关系。长叁角地区中北部成为该区域PM_(2.5)的高污染区,是因为其受到多个因素高风险区的共同、交互影响。各气象因素对PM_(2.5)浓度的影响还具有明显的时空非平稳性。一方面,各气象因素对PM_(2.5)浓度的影响具有明显的季节变化趋势,如降雨对PM_(2.5)浓度的负向影响在8月份以前呈现减弱趋势,在8月份以后呈现增强趋势。另一方面,各气象因素对PM_(2.5)浓度的影响也具有明显的空间差异,如在第1–5周,降雨在江苏南部等城市的负向影响较强,气压对PM_(2.5)浓度从北向南由负向影响转为正向影响。在第32–36周,降雨对PM_(2.5)浓度的影响较弱,仅在北部的几个城市和南部的台州市表现出负向影响;气压在嘉兴市表现出正向影响,在其他大部分城市为负向影响等。(4)时空建模理论与有效的协变量确保了PM_(2.5)浓度估算的精确性基于有缺失的监测数据,实现了对长叁角地区时空分辨率为3 km×日的PM_(2.5)浓度的估算。交叉验证结果显示,总体的RMSE为10.28μg/m~3,R~2为0.88,95%置信度的估算范围能够覆盖所有观测值的94.27%,表明估算结果具有很好的精确性。在城市以外的乡镇地区,估算结果也具有较好的精确性(R~2=0.82)。基于估算PM_(2.5)浓度的空间分布显示,重雾霾污染期间(2016年12月19日),长叁角地区中北部存在一个连片的高污染区,估算结果较好地捕捉到这次重雾霾污染过程。本文所构建分层时空模型将PM_(2.5)浓度时空过程模拟为具有空间差异的时间变化趋势,确保了PM_(2.5)浓度时空变化性可以被充分捕获。土地利用和气象要素被证明可以作为PM_(2.5)浓度有效的估算和预测指标。本文交叉验证R~2为0.88,达到了当前PM_(2.5)浓度估算与模拟研究的较高精度。本文最终得到了高精度的时空全覆盖的PM_(2.5)浓度数据,可为PM_(2.5)污染健康效应的研究提供精确的数据支撑。(本文来源于《华东师范大学》期刊2019-05-01）
韦伟,刘岭,彭其渊,陈绍宽[9]（2019）在《数据驱动的偶发拥堵时空建模及传播分析》一文中研究指出为研究实际的道路交通路网中偶发拥堵的传播和演化特性,充分发挥海量交通流数据的潜在价值,克服现有基于模拟仿真的拥堵分析方法因理论假设和参数设置所导致的"失真"问题,本文在交通流实测数据的基础上,建立改进的PLS-STAR模型对偶发拥堵的时空传播结构进行描述,并提出偶发拥堵的直接和间接时空传播效应两种概念对拥堵的时空传播影响进行刻画,从而构造了一种数据驱动的偶发拥堵时空传播效应评估方法.通过北京路网的案例研究发现,路网服务水平的降低,更大程度来源于拥堵传播的间接影响而非直接取决于突发的交通量增加,因此,通过控制拥堵传播来提升城市路网的服务水平仍具有巨大潜力.(本文来源于《交通运输系统工程与信息》期刊2019年02期）
李旭晖,刘洋[10]（2019）在《时空数据建模方法研究综述》一文中研究指出【目的】总结时空数据建模方法,以期为时空知识的组织和管理研究提供理论基础。【文献范围】在百度学术、谷歌学术、EI、CNKI中分别以检索式"时空数据模型"、"spatio-temporal data model"在限定时间范围、期刊类型内进行文献检索,获得部分相关文献,根据研究主题相关程度筛选最终获得64篇相关文献。【方法】根据建模对象的抽象层次对时空数据模型进行分类,分别从物理层、逻辑层和应用层叁个层次对时空数据模型的相关研究进行综述。【结果】近年来物理层对时空数据模型的研究主要侧重于对以往模型的修正,应用层的时空数据模型集中于满足各领域具体需求,而逻辑层的研究在表达能力方面有待改进。【局限】不同层次的时空数据模型横向对比研究较少。【结论】未来大规模的时空信息管理和利用,将为时空数据建模的深入发展提供广阔的空间。(本文来源于《数据分析与知识发现》期刊2019年03期）
时空建模论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着电力系统中电动汽车的高比例接入,换电作为电动汽车能源的重要补给形式受到广泛关注。电动汽车的移动具有时空随机性,换电需求也具有时空分布特性。针对这一问题,现有研究往往采用马尔科夫决策过程(Markov decision process,MDP)来计算汽车出行路径,即在每一个路口都以某一概率随机产生下一个目的地。但这种方式和人们的日常出行经验严重不符,即在熟悉的道路环境中,驾驶员路径的选择方式不是在每一个路口的MDP过程,而是事先有一条或多条候选路径,从中依概率选取一条。基于此,采用深度优先搜索(depth first search,DFS)和随机出行链确定了电动汽车1天的实际出行路径,完成了电动汽车出行空间分布规律建模;根据出行时间、停放时间等,确定了电动汽车在时间上的随机分布。通过时间和空间两个维度的结合,模拟电动汽车出行过程,为电动汽车的换电时刻、换电地点以及换电数量的确定提供了依据。最后,针对某一具体的交通网络和10000辆电动汽车,采用蒙特卡洛方法验证了所提模型和算法的有效性。研究成果可用于研究换电站的规划、交通规划以及对电网规划的影响等。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
时空建模论文参考文献
[1].李擎,刘岭,彭其渊,白磊.基于时空网格的铁路检查与维修计划可视化建模研究[J].铁道运输与经济.2019
[2].段雪,张昌华,张坤,叶圣永,陈树恒.电动汽车换电需求时空分布的概率建模[J].电网技术.2019
[3].高鹏彦,赵兴勇,姚方,文福拴,吴磊.考虑电动汽车时空分布的充电负荷建模[J].电力科学与技术学报.2019
[4].王德冬,秦聪.区域PM_(2.5)时空回归建模与预测[J].中国环境监测.2019
[5].唐炉亮,戴领,任畅,张霞.现实与赛博空间数据相结合的城市活动事件时空建模[J].测绘学报.2019
[6].覃杰,蔡周旸,杨勇.区域PM_(2.5)时空建模与分析研究——以福建省为例[J].环境科学与管理.2019
[7].韩毛振.微生物组大数据的时空动态建模和应用[D].华中科技大学.2019
[8].杨东阳.基于分层时空建模的长江叁角洲地区PM_(2.5)浓度估算研究[D].华东师范大学.2019
[9].韦伟,刘岭,彭其渊,陈绍宽.数据驱动的偶发拥堵时空建模及传播分析[J].交通运输系统工程与信息.2019
[10].李旭晖,刘洋.时空数据建模方法研究综述[J].数据分析与知识发现.2019
论文知识图
