买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河海大学申请的专利一种地理时空加权向量自回归的多要素协同变化建模方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121279147B 。

龙图腾网通过国家知识产权局官网在2026-03-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511842621.9，技术领域涉及：G06F30/27；该发明授权一种地理时空加权向量自回归的多要素协同变化建模方法是由吴微;王文;王益钒;霍志远设计研发完成，并于2025-12-09向国家知识产权局提交的专利申请。

本一种地理时空加权向量自回归的多要素协同变化建模方法在说明书摘要公布了：本申请适用于地理要素数据分析技术领域，提供了一种地理时空加权向量自回归的多要素协同变化建模方法，包括：构建GTWR‑VAR模型，将向量自回归的多变量反馈机制与地理时空加权回归的局部性相结合，用于量化地理要素间相互影响的时空异质性，再引入贝叶斯优化机制，以验证集均方误差最小化为目标，自适应地确定最优滞后阶数、空间带宽和时间带宽，最后采用蒙特卡洛块置换检验，在保留数据固有时间自相关性的前提下，评估并剔除局部系数中的不显著项，确保结果的统计有效性。本申请揭示地理要素间影响机制在时间和空间上的连续变化规律，为精细化管理、预测和气候变化下的区域响应研究提供了更加精确可靠的依据。

本发明授权一种地理时空加权向量自回归的多要素协同变化建模方法在权利要求书中公布了：1.一种地理时空加权向量自回归的多要素协同变化建模方法，其特征在于，包括以下步骤： S1、获取多源地理要素的时空序列数据，所述时空序列数据包括至少两个具有相互反馈机制的因变量和至少两个当前时刻的协变量，根据预设处理方法对所述时空序列数据进行处理后，构建自变量矩阵X和因变量矩阵Y； S2、根据自变量矩阵X和因变量矩阵Y对预设GTWR-VAR模型进行训练，采用贝叶斯优化方法，以验证集预测误差最小化为目标，自适应的确定所述预设GTWR-VAR模型的最优超参数组合，所述最优超参数组合包括滞后阶数、空间带宽及时间带宽； S3、根据所述最优超参数组合，在全有效数据集上运行所述预设GTWR-VAR模型，并针对每个时空观测点，通过复合高斯核权重构建最小二乘法模型，求解所述最小二乘法模型获得每个时空观测点的局部回归系数矩阵； S4、对每个时空观测点的局部回归系数矩阵进行蒙特卡洛检验，获得对应P值，将P值大于或等于预设的显著性水平的局部回归系数矩阵进行置空，获得显著性系数矩阵； 所述步骤S2、根据自变量矩阵X和因变量矩阵Y对预设GTWR-VAR模型进行训练，采用贝叶斯优化方法，以验证集预测误差最小化为目标，自适应的确定所述预设GTWR-VAR模型的最优超参数组合，具体包括： S201、有效数据切片与时序划分：将自变量矩阵X和因变量矩阵Y，从滞后阶数对应的起始时间点开始，沿时间轴切片为有效数据块；将所述有效数据块按照时间顺序划分为训练集和验证集； S202、定义超参数搜索空间：定义贝叶斯优化的超参数搜索空间，所述超参数包括滞后阶数的候选集合、空间带宽的连续取值范围及时间带宽的连续取值范围； S203、定义目标函数：定义以最小化验证集预测误差为目标的适应度函数作为目标函数；所述目标函数的计算步骤包括：在训练集上运行预设GTWR-VAR模型，获取模型在训练集最后一个时间步的系数矩阵；利用该系数矩阵与验证集的自变量矩阵计算验证集因变量的预测值；计算所述预测值与验证集因变量真实值之间的均方误差，作为超参数组合的适应度值； S204、迭代寻优：利用高斯过程作为代理模型，基于采集函数迭代的选择多个超参数组合进行评估，并更新代理模型，直至达到预设的迭代次数或收敛条件； S205、输出最优参数：从所有已评估的超参数组合中，选择使所述目标函数值最小的超参数组合，将其确定为最优超参数组合，所述最优超参数组合包括最优滞后阶数、最优空间带宽及最优时间带宽； 所述步骤S3、根据所述最优超参数组合，在全有效数据集上运行所述预设GTWR-VAR模型，并针对每个时空观测点，通过复合高斯核权重构建最小二乘法模型，求解所述最小二乘法模型获得每个时空观测点的局部回归系数矩阵，具体包括： S301、构建复合高斯核时空权重矩阵：针对每一个时空观测点i，执行以下操作：计算该点与全有效数据集中所有其他点之间的空间距离和时间距离；使用所述最优空间带宽和最优时间带宽，利用高斯核函数分别计算空间权重分量和时间权重分量；将空间权重分量与时间权重分量相乘，得到该时空观测点i的复合高斯核时空权重矩阵Wi； S302、构建带截距项的设计矩阵：对所述自变量矩阵X增加截距项，以用于后续的加权最小二乘法求解； S303、执行局部加权最小二乘计算：针对每一个时空观测点i，利用S301对应的时空权重矩阵Wi，通过以下加权最小二乘公式求解该点的局部回归系数向量： ； 其中，为局部回归系数向量，为自变量矩阵X的转置矩阵； S304、集成局部系数矩阵：将所有时空观测点i求解得到的局部回归系数向量进行集成，形成包含整个时空域所有点系数结果的局部回归系数矩阵。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河海大学，其通讯地址为：210098 江苏省南京市鼓楼区西康路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。