导读:本文包含了时空序列分析论文开题报告文献综述及选题提纲参考文献，主要关键词:手足口病,流行特征,时空序列分析,防控策略
时空序列分析论文文献综述
田凤杰,胡洋[1]（2019）在《2014—2018年南京市溧水区手足口流行病学特征及时空序列分析》一文中研究指出目的探讨2014至2018年溧水区手足口病(HFMD)的发病规律,为制定防控策略提供参考依据。方法分析2014至2018年南京市溧水区报告HFMD流行病学和病原学特征,采用Arc GIS 10.3软件展示病例时空聚集性特征。结果 2014至2018年南京市溧水区累计报告HFMD病例数为6 515例(297.38/10万)。其中重症病例45例(0.69%);男性3 829例,女性2 686例;≤5岁6 140例(94.24%);发病人数最多的年龄组为1岁组,有1 884例(28.92%)。359例进行了实验室检测,其中病原学阳性240例(66.85%)。其他肠道病毒、Cox A16、EV71感染病例分别占62.08%、21.25%、16.67%,病原构成逐年改变。2014至2018年的病原学类型差异有统计学意义(χ~2=47.185,P <0.05)。结论加强疫情监测,有针对性的落实重点季节、重点人群、重点地区防控,降低HFMD的发病率。(本文来源于《现代医学与健康研究电子杂志》期刊2019年10期）
刘美霖,高见,黄鸿志,袁得嵛[2]（2018）在《基于时空序列混合模型的犯罪情报预测分析》一文中研究指出[目的/意义]犯罪行为的分布和发生在时间上和空间上具有一定的规律性。犯罪情报预测分析对于获取未来的犯罪变化动态具有重要意义。传统的犯罪情报预测分析,要求熟悉政治、人文、经济、地理等多方面因素和社会犯罪动态变化规律,具有一定的局限性。因此需要探究新方法。[方法/过程]针对犯罪数据构建了神经网络和STARM A(时空自相关移动平均模型)的时空序列混合模型,根据历史犯罪数据预测未来发生犯罪的数量变化。首先利用神经网络提取犯罪数据中非线性特征,然后对残差建立STARMA模型,整合出最终的预测结果。[结果/结论]既弥补了传统STARMA模型无法挖掘非线性关系的不足,又满足了模型所需数据的平稳性的要求。通过实验验证了该方法可减小预测误差,在犯罪情报预测方面更加准确。(本文来源于《情报杂志》期刊2018年09期）
袁宝超,刘道伟,刘丽平,王泽忠[3]（2016）在《基于Spark的大电网广域时空序列分析平台构建》一文中研究指出为了适应能源互联网发展趋势及日益复杂的运行环境,亟需依托大数据技术,提升能源互联网多源大数据的挖掘深度及应用效率。首先,针对大电网广域时空序列数据,阐述了Spark在分布式计算中的优势,阐明大数据平台建设目标,设计了基于Spark的电力大数据平台架构,并对平台各个层次进行详细的论述。其次,描述了Spark针对电网时空序列数据的处理过程。最后,在搭建的Spark和Hadoop实验环境基础上,对典型聚类算法进行性能对比测试,验证了Spark相对于Hadoop的MapReduce计算模型数据处理的优势,为下一步研究工作奠定了基础。(本文来源于《电力建设》期刊2016年11期）
樊洋[4]（2016）在《时空序列数据可视化分析研究》一文中研究指出时空序列数据广泛应用存在于气象、地理、交通等各个领域中,对于时空序列数据的分析是具有重要研究前景和价值的一项课题。例如通过实时监控和计算分析飞行数据,有助于飞行异常的检测和预测。然而由于时空序列数据的海量、高维、动态等复杂特性,使得对其合理有效的分析带来了巨大的难度。因此探究时空序列数据的挖掘和分析方法变得尤为重要。本文针对上述难点,将研究的重点放在对时空数据所蕴含的有效信息的可视化挖掘分析上。可视化分析作为一种最为直观的方式展示数据,对大量数据的迅速理解和掌握,对数据潜在关系和规律的挖掘具有极大助益。本文围绕对时空序列数据的多维属性的可视化展示、数据聚类方法过程的可视化展示、聚类结果的可视化展示和多窗口的交互连接操作的可视化展示设计了多种分析效果方法,并且充分利用叁维空间的优势和特点,在良好的交互操作下有效理解和掌握算法的原理和聚类结果的形成依据。利用unity3D设计了一个叁维时空数据分析的可视化工具。在该工具中重点阐述了对行人的运动轨迹的属性可视化、对所采用的凝聚式信息瓶颈聚类算法的过程可视化、对聚类结果的可视化。另外,本文提出了新颖的动态过程可视化的设计框架,尤其针对层次聚类每一步迭代过程的信息的可视化展示。最后通过在大量模拟实验数据集和精心选用的多个真实数据集上的实验结果证实采用的信息瓶颈聚类算法的高效性,并通过实际可视化实例说明信息瓶颈聚类算法的优越性和所设计的可视化工具的实际应用价值。(本文来源于《天津大学》期刊2016-11-01）
柳新强[5]（2016）在《时空序列分析在变形监测中的应用研究》一文中研究指出变形分析是形变监测中非常重要的环节,它是通过对变形观测资料的分析处理,建立合适的数学模型来评判变形体的安全状况,对于保障建筑物的安全运营和人民生命财产安全具有重要的意义。通常变形分析中主要是针对各测点建立各自的时序模型,并没有考虑到测点之间的空间相关关系,而大部分变形体作为一个整体结构,其观测序列存在时间相关性以及空间相关性,因此有必要将空间分析的内容引入到时间序列分析中建模,即对时间序列进行时空序列(Space-Time Series)建模,本文主要针对时空建模进行了分析和研究,完成的工作如下:1.详细介绍了时空序列数据的性质,探讨了时空平稳性、时空相关性;2.在时序分析的基础上,通过引入空间邻接性和空间权重矩阵,重点研究了时空序列模型的建模原理以及步骤。3.文中以建筑物沉降为例,通过模型识别、参数估计以及模型检验对时间序列数据建立STARMA模型,研究并分析了考虑空间相关性的时空序列建模在变形监测中的适用性。4.由于大部分的变形数据序列是非平稳的,而多次差分可能会消除有用的信息,因而提出了BP神经网络和STARMA混合建模非平稳序列,即BP神经网络用于提取序列中的时空趋势项,STARMA建模残差序列,并通过实例验证混合模型是否在建模非平稳序列上具有优势。(本文来源于《长安大学》期刊2016-06-01）
贾韶辉,周利剑,张新建,郝文心[6]（2016）在《长输管道时空序列数据分析》一文中研究指出随着我国长输管道里程的不断增加,管道数据呈几何级数增长,挖掘管道数据在空间和时间上的分布规律,从而有针对性地采取预防措施,对管道安全运营具有非常重要的意义。以管道第叁方施工和管道水工保护工程为例,基于管道完整性管理系统积累的大量数据,采用频谱分析技术与GIS技术,分析得出了我国长输管道在空间和时间上的分布规律:采用GIS技术分析其空间分布特性,得出第叁方施工发生频次最高区域分布在银川、深圳、连云港、南京及无锡,同时对第叁方施工数据进行傅里叶变换,得出其在时间上具有明显的周期性或拟周期性;采用GIS技术分析得出水工保护工程密度最高区域分布在忠县和萍乡,同时对各管道水工保护工程数据进行傅里叶变换,得出其在时间上不具有明显的周期性。最后,指出了采用非线性方法是长输管道时空序列数据分析的发展方向。(本文来源于《油气储运》期刊2016年07期）
徐克科,伍吉仓,王成[7]（2015）在《利用GNSS位移时空序列进行断层无震蠕滑特征分析》一文中研究指出根据连续、各向同性、弹性半无限空间中有限矩形断层位错理论,模拟了断层不同蠕滑特征所引起的地表位移时空序列。通过对其进行主成分时空响应分析,得出了断层滑移类型及演化特征与地表位移主成分时空响应分布密切相关。大量实验研究表明,当断层滑移引起的地表位移大小至少与白噪声水平相当,为有色噪声两倍时,通过地表位移主成分时空响应分析能够揭示断层滑移特征。由时间响应变化率可以判断断层滑移演化过程,由空间响应程度的梯度、方向和大小可以判段断层分布和滑移方式。以2006年墨西哥格雷罗(Guerrero)州慢地震事件为例,对分布于断层区域的GNSS台站位移时空序列进行了主成分变换和时空响应分析,所得断层滑移特征与演化过程与有关学者的地球物理反演结果一致。(本文来源于《武汉大学学报(信息科学版)》期刊2015年09期）
侯立鹏,杨胜天,赵长森,潘圣林,王志伟[8]（2014）在《基于IDL的遥感水文时空序列数据可视化分析系统开发与应用》一文中研究指出遥感水文模型的输入和输出数据中含有大量的具有时间和空间序列的图像数据。通过可视化分析,可以找出这些数据中隐含的规律。目前遥感水文时空序列数据可视化分析的各个过程相互分离,分析效率比较低,因此基于IDL(Interactive Data Language,交互式数据语言)进行了遥感水文时空序列数据可视化分析系统的开发,并将其应用于EcoHAT(Ecohydrological Assessment Tools,生态水文评价系统)系统的数据分析。利用IDL强大的图像处理和数据计算能力,实现了遥感水文时空序列数据管理、图像显示和图表绘制等功能,使得海量遥感水文数据得到了更高效的利用。(本文来源于《遥感技术与应用》期刊2014年06期）
李世鹏[9]（2014）在《基于时空序列模型的变形分析研究》一文中研究指出科学、准确、及时地分析和预测工程建筑物的变形，对工程建筑的安全施工和正常运营具有重要意义。选择合理的模型对变形数据进行拟合、对未来变形进行准确预报是变形分析研究的主要内容。时间序列是指依时间次序排列的数据序列，时间序列分析是从统计角度来揭示各时序内部的统计关系与各时序之间的统计关系的，近几十年来，时间序列分析取得了重要的成果。但是时间序列模型只是对单个监测点变形序列进行建模，没有考虑监测点之间的相关性。时空序列（Space-Time Series）是时间序列在空间上的扩展，指在空间上有相关关系的多个时间序列的集合。时空数据是时间数据和空间数据的组合，与普通的空间数据和时间序列数据相比，时空序列数据具有时空相关性、时空异质性的特征。研究时空序列数据的性质是时空数据建模的重要前提，为了让时空关系和时空模式更明确的体现出来，时空序列数据建模就必须考虑时空依赖性。如何有效地分析时空序列数据，构建时空一体化的时空预测模型是时空数据建模的重要内容。本文对时空数据的性质进行了研究，包括时空自相关性和时空平稳性，详细介绍了时空序列建模的过程。以深基坑周边一管线监测点高程值序列为样本数据，首先进行时间序列分析，由自相关函数和偏相关函数确定出几个可能的模型，通过各个模型定阶准则的比较，确定出最优模型，并进行短期预测，来为时空序列建模做铺垫；其次利用时空自回归移动平均模型（STARMA）建立基坑周边管线高程值的时空关联关系，来进行时空分析和短期预测，该模型在考虑预测值所在位置时间序列的同时，也考虑到了空间上相邻位置的时间序列，通过与时间序列建模结果的对比，验证了时空序列模型在基坑管线沉降数据的时空分析和短时预测中的可行性。(本文来源于《长安大学》期刊2014-05-28）
陈波[10]（2009）在《煤矿灾害时空序列特征分析》一文中研究指出中国70%以上的矿井灾害并不是随机发生的,而是沿着灾害矿井周边向其他矿井"扩散"。这种"扩散"既包括同类事故,也包括不同类型灾害;有些灾害事故还伴随周边地震活动。当然,也有一小部分灾害事故孤立发生。这些现象显示矿井灾害事故似乎存在一定规律,如果能够掌握并加以利用,具有多方面的意义:(1)各矿区进行统一、科学、合理的释放应力,制定更全面的卸压方案;(2)对于矿井密集的地区,每个矿区要了解周边邻近县市煤矿采掘点、构造应力场、区域应力场情况,在制定开采方案过程中,除了保证自身卸压需要,还要保证整个大区的应力平衡;(3)各煤矿大区需建立灾害通报机制,进行灾害预警,提前防范。彼此掌握大区灾害情况,以利于煤矿生产防灾、减灾。最后,文章提出了开展中场、近场地压监测的设想,并就地压监测与煤矿生产运行进行初步描述。(本文来源于《地学前缘》期刊2009年05期）
时空序列分析论文开题报告
（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：
[目的/意义]犯罪行为的分布和发生在时间上和空间上具有一定的规律性。犯罪情报预测分析对于获取未来的犯罪变化动态具有重要意义。传统的犯罪情报预测分析,要求熟悉政治、人文、经济、地理等多方面因素和社会犯罪动态变化规律,具有一定的局限性。因此需要探究新方法。[方法/过程]针对犯罪数据构建了神经网络和STARM A(时空自相关移动平均模型)的时空序列混合模型,根据历史犯罪数据预测未来发生犯罪的数量变化。首先利用神经网络提取犯罪数据中非线性特征,然后对残差建立STARMA模型,整合出最终的预测结果。[结果/结论]既弥补了传统STARMA模型无法挖掘非线性关系的不足,又满足了模型所需数据的平稳性的要求。通过实验验证了该方法可减小预测误差,在犯罪情报预测方面更加准确。
（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。
时空序列分析论文参考文献
[1].田凤杰,胡洋.2014—2018年南京市溧水区手足口流行病学特征及时空序列分析[J].现代医学与健康研究电子杂志.2019
[2].刘美霖,高见,黄鸿志,袁得嵛.基于时空序列混合模型的犯罪情报预测分析[J].情报杂志.2018
[3].袁宝超,刘道伟,刘丽平,王泽忠.基于Spark的大电网广域时空序列分析平台构建[J].电力建设.2016
[4].樊洋.时空序列数据可视化分析研究[D].天津大学.2016
[5].柳新强.时空序列分析在变形监测中的应用研究[D].长安大学.2016
[6].贾韶辉,周利剑,张新建,郝文心.长输管道时空序列数据分析[J].油气储运.2016
[7].徐克科,伍吉仓,王成.利用GNSS位移时空序列进行断层无震蠕滑特征分析[J].武汉大学学报(信息科学版).2015
[8].侯立鹏,杨胜天,赵长森,潘圣林,王志伟.基于IDL的遥感水文时空序列数据可视化分析系统开发与应用[J].遥感技术与应用.2014
[9].李世鹏.基于时空序列模型的变形分析研究[D].长安大学.2014
[10].陈波.煤矿灾害时空序列特征分析[J].地学前缘.2009