Skip To Content

时空模式挖掘工具箱概述

时空模式挖掘工具箱包含用于在空间和时间环境中分析数据分布和模式的统计工具。包括的数据集有助于可视化时空 netCDF 立方体中(以 2D 和 3D 形式)存储的数据以及在创建立方体前为数据填充缺失值。

通过聚合点创建时空立方体通过已定义位置创建时空立方体用于获取数据集,然后构建用于分析的多维立方体数据结构 (netCDF)。接着,新兴时空热点分析将立方体视为输入,并标识随着时间发展的、在统计上显著的热点和冷点趋势。可以使用新兴时空热点分析工具来分析犯罪或疾病爆发数据,从而以不同的时间步长间隔查找新的、加强的、持续的或分散的热点模式。局部异常值分析工具将立方体用作输入,以识别高值或低值的统计显著性聚类,以及值与时空相邻异常值存在统计差异的异常值。时间序列聚类工具用于将时空立方体中的位置划分为不同的聚类,其中每个聚类的成员具有的时间序列特征均类似。“实用工具”工具集用于确定立方体中是否缺少原始数据集中包含的任何值,并以二维和三维模式显示存储在时空立方体中的数据和分析结果。这些可视化工具可用于了解立方体的结构、立方体聚合过程的工作原理以及显示由其他时空模式挖掘工具添加至立方体的分析结果。有关允许您查看立方体内容的策略,请参阅可视化时空立方体

工具说明

通过聚合点创建时空立方体

通过将一组点聚合到空间时间条柱的方法将其汇总到 netCDF 数据结构中。在每个条柱内计算点并聚合指定属性。对于所有条柱位置,评估计数趋势以及汇总属性。

通过已定义位置创建时空立方体

从面板数据、站点数据或其他数据创建 netCDF 数据结构,其中位置是固定的,属性随时间而变化。对于所有位置,评估属性趋势。

新兴时空热点分析

识别点计数聚类中的趋势或 netCDF 时空立方体中的属性。类别包含新增的、连续的、加强的、持续的、逐渐减少的、分散的、振荡的以及历史的热点和冷点。

局部异常值分析

识别高值或低值的统计显著性聚类,以及值与时空相邻异常值存在统计差异的异常值。

时间序列聚类

基于时间序列特征的相似性,对存储在时空立方体中的时间序列集合进行划分。可以对时间序列进行聚类,以使其在时间上具有相似值,或者随时间具有相似的行为或配置文件(在相同的时间点处有所增减)。此工具的输出为一个 2D 地图,该地图可显示按聚类成员资格和消息进行符号化的立方体中的每个位置。输出还包括相应图表,其中包含有关每个聚类的代表性时间序列签名的信息。

工具集说明

“实用工具”工具集

该工具集包含用于显示 netCDF 立方体中存储的变量的工具。

其他资源

www.esriurl.com/SpatialStats 中包含了“空间统计”工具使用方法方面的所有可用资源的最新列表,包括:

  • 教程
  • 视频
  • 免费 Web 研讨会
  • 书籍、文章和白皮书
  • 示例脚本和案例研究

相关主题


在本主题中
  1. 其他资源