Centre de documentation
scientifique

Mixed geographically and temporally weighted regression for spatio-temporal deformation modelling / Zhijia Yang in Survey review, vol 54 n° 385 (July 2022)  

Public [article]  inSurvey review > vol 54 n° 385 (July 2022) . - pp 290 - 300 Titre : Mixed geographically and temporally weighted regression for spatio-temporal deformation modelling Type de document : Article/Communication Auteurs : Zhijia Yang, Auteur ; Wujiao Dai, Auteur ; Wenkun Yu, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 290 - 300 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Topographie [Termes IGN] auscultation d'ouvrage [Termes IGN] barrage [Termes IGN] déformation d'édifice [Termes IGN] méthode fondée sur le noyau [Termes IGN] modèle de simulation [Termes IGN] modélisation spatio-temporelle [Termes IGN] régression géographiquement pondérée [Termes IGN] surveillance d'ouvrage Résumé : (auteur) When the regression coefficient of independent variable has both global stationarity and spatio-temporal non-stationarity properties, the deformation model based on the geographically and temporally weighted regression (GTWR) will no longer be applicable. In order to resolve this problem, we propose an improved method to establish the spatio-temporal deformation model using mixed geographically and temporally weighted regression (MGTWR). In this method, both the global regression coefficient and the variable regression coefficient are selected for regression coefficient hypothesis test, and the local linear two-step estimation method is used to fit the MGTWR model. A dam deformation modelling example shows that the MGTWR model improves the average prediction accuracy by 57.6% compared to the GTWR model when the regression coefficients have both global stationarity and spatio-temporal non-stationarity properties. Numéro de notice : A2022-534 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE/POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/00396265.2021.1935578 Date de publication en ligne : 10/06/2021 En ligne : https://doi.org/10.1080/00396265.2021.1935578 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101090 [article]