面向空間數(shù)據(jù)的知識推理和預測分析方法研究.pdf

1、空間數(shù)據(jù)是指那些帶有地理位置信息的數(shù)據(jù)。在當前的大數(shù)據(jù)時代，空間數(shù)據(jù)占了很大的比例，并且在處理時具有自身的特點。與此同時，時間維度的數(shù)據(jù)分析，特別是時間序列預測，已經成為從大數(shù)據(jù)中提取有價值信息的重要技術，在眾多的領域得到廣泛的應用和研究。一方面，傳統(tǒng)的預測分析方法，比如統(tǒng)計模型、機器學習模型和特征工程，可以有效的應用于空間數(shù)據(jù)的分析，但是也存在一些問題，如時間序列預測中的概念偏移問題、異構多源數(shù)據(jù)的融合問題等;另一方面，空間知識表達和

2、推理逐漸被發(fā)現(xiàn)在提升預測分析模型的解釋性、時間序列變化建構、關聯(lián)數(shù)據(jù)分析等方面具有很大的優(yōu)勢，但是目前它在時間序列預測方面的研究和應用還比較有限。結合傳統(tǒng)預測分析和知識推理是一個進一步提升空間大數(shù)據(jù)時間序列分析的重要途徑，同時也存在比較大的研究空間。
　　本研究主要內容包括：⑴從社交媒體空間大數(shù)據(jù)和物理傳感器空間大數(shù)據(jù)中提取時空相關性特征，如人群移動特征、人群觀點特征和空間轉移特征等，以提供有效的經驗性結果來幫助解決實際的預測問題

3、。⑵研究用于解決預測分析中異構多特征融合、大數(shù)據(jù)學習等問題的機器學習模型，如基于熵的集成學習框架、基于MapReduce的分布式神經網(wǎng)絡訓練框架和針對多視圖特征融合的集成學習框架。⑶提取一種基于語義推理和機器學習的一致性時間序列預測框架。它通過本體建模和語義推理來挖掘出時間序列變化知識，并且對這些知識進行量化表達和嵌入，以融入機器學習算法，得到一致性的預測框架，并且取得比傳統(tǒng)純機器學習方法更好的預測精度。⑷將上述預測分析和時空語義推理研