《GIS建模原理与方法》习题集第一章概论1、名词解释：模型模拟模式建模概念模型物理模型数学模型模型：是对现实世界中的实体或现象的抽象或简化，是对实体或现象中的最重要的构成及其相互关系的表述。

模拟：是一种实验方法，是模型的构建和模型应用过程。

模拟首先是针对特定的研究对象构建一个模型，然后利用该模型对研究对象进行各种实验，其目的是为了理解研究对象的行为，评估在一定的限制条件下研究对象的各种变化和不同对策所产生的结果。

模式：是一类事物的标准形式。

建模：建模是构造现实世界中与研究对象相关的模型的过程。

概念模型：是指利用科学的归纳方法，以对研究对象的观察、抽象形成的概念为基础，建立起来的关于概念之间的关系和影响方式的模型。

物理模型：又称实体模型，是现实世界在尺寸上缩小或放大后构成的相似体。

数学模型：是用数学方程（通常是一些代数方程和微分方程的组合）来描述现实世界结构和特性的模型。

2、模型的基本特征有哪些？模型具有结构性、简单性、清晰性、客观性、有效性(复制有效、预测有效、结构有效)、可信性、易操作性的特征。

3、怎么理解模型的简约性？简单性要求提供的模型在某种意义上是同类模型中最坚实的、最简单的，对问题提供了令人信服的解答。

在模型的描述中，简单性表现为简洁性。

在模型的形式中，简单性表现为简约性，即模型中应包含尽可能少的数学方程式，模型的维数应尽可能的低。

4、模型有哪些用途？模型的用途：1.预测的工具2.理解的工具3.诊断的工具4.综合的工具5.管理与决策的工具。

5、建模的基本过程包括哪些内容？建模的步骤：1.建立概念模型 2.建立定量模型即概念模型的数量化 3.模型检验4.模型的应用第二章概念模型1、名词解释：原生数据次生数据测量级系统分析原生数据是指那些原始观测、调查获得的数据次生数据是原生数据经过处理而得到的数据测量级：系统分析：它是以系统理论、运筹学、信息论、控制论、计算机软件技术等为基础，研究在自然环境条件下受人控制和影响的有目的运行系统的机理。

2、什么是数据抹尾，基本的规则是什么？举例说明。

截去多余的数字，保留需要的位数，就叫做抹尾凑整。

把一个数抹尾凑整简称抹尾，就是从数的左边算起，保留一定位数的数字，而把其余的数字都抹去。

例如，把∏抹尾到四位、五位就是3.142和3.1416。

3、数据的测量尺度有哪些？主要特点是什么？数据的测量尺度有名义尺度、次序尺度、间隔尺度和比例尺度。

名义尺度次序尺度间隔尺度比例尺度4、概念模型的表示方式有哪些？概念模型的表示方法有九种，分别是文字概念模型、图片概念模型、箱子概念模型、输入/输出概念模型、矩阵概念模型反馈动态概念模型、流程图概念模型、符号概念模型、能量循环概念模型。

5、区分不同的变量测量尺度有什么意义？尺度定义了数据包含的信息数量，可以进行操作和解释。

6、举例说明概念模型是如何建立的。

概念模型建立的步骤：1.定义概念2.定义变量及其测量尺度3.建立变量之间的关系4.确定变量之间的影响方式5.绘制概念模型图第三章物理模型1、名词解释：物理模型思想模型量纲分析相似定律物理模型：在阐述物质及其运动规律时，通常的方法是将研究对象加以抽象，从而揭示出物质的基本特征及其运动的基本规律，这种抽象的结果即为物理模型。

思想模型是在观察实验的基础上经过物理思维对研究对象的结构特征、演化过程、运动规律等所作的简化描述。

思想模型按其与原型的相似性分为直观模型、概念原理模型。

量纲分析是在经验和实验的基础上利用物理定律的量纲齐次原则，确定各物理量之间的关系。

相似定律：各物理量比例常数所组成的相似指标等于1，或由相似现象各物理量组成的无量纲综合体为常数。

2、物理模型有哪些类型？1）按照模型的表现，物理模型可分为实体模型和思想模型。

思想模型分为理想对象模型、过程模型2）按照建模的对象，分为理想对象模型和过程模型。

3、建立物理模型的方法有哪些？物理模型是通过抽象建立物理对象，通过类比和假说建立物理过程，并进行实验模拟的过程。

抽象:是指从客观的、复杂的物理现象的全部联系和各种关系中抽取出出来、孤立出来的实际物体的简化形态的过程类比:根据两个或两类对象的相同、相似方面来推断它们在其他方面也相同或相似的一种或然性推理形式。

假设: 以简接的实验和理论，将某种尚不清楚的实际物体形态假想为另一种通过理论构思的物理形态，通过一步一步的探讨深入实际模拟实验:一种综合研究对象的物理属性和规律的实验方法4、根据你的理解，地理学中量纲分析可应用在哪些方面？第四章统计相关模型1、名词解释：样本采样误差假设检验众数数据变换变异系数样本：是总体中要素的子集，用来推断总体的某些特征。

采样误差：是总体特征值与由样本得到的总体特征值之间的差异假设检验：是判断样本数据是否支持假设的某些总体特征的特征值众数：在指定的变量（数列，观察序列）中出现次数最多的数（频数最高的数）称为众数数据变换：由于原始数据可能有强非对称性，存在孤立值，进行拟合时存在大而且不是偶然的残差等问题，通过改变表达方式，有时可以增强信息的显示，而这种改变不仅需要改变数值的单位，而且可能改变数据的基本的测量尺度。

（是将数据从一种表示形式变为另一种表现形式的过程。

）变异系数又称离差系数，指标准差与均值的比值。

变异系数越大，数据离散程度越高。

2、统计相关建模的的内容和步骤是什么？统计建模是以计算机统计分析软件为工具，利用各种统计分析方法对批量数据建立统计模型和探索处理的过程，用于揭示数据背后的因素，诠释社会经济现象，或对经济和社会发展作出预测或判断。

统计相关建模的目的：1.变量间相关性研究2.形成科学的成因假设3.预测4.数据简化或结构化建模的步骤：1.数据整理2.数据预处理3.模型计算4.模型检验5.模型解释和应用3、描述性统计特征包括哪些内容？所谓描述性统计分析，就是对一组数据的各种特征进行分析，以便于描述测量样本的各种特征及其所代表的总体的特征。

描述单个变量的统计特征又称为描述性统计特征。

它分为平均特征描述（常用的有期望和均值、中位数、众数）、变化特征描述（常用的有离差、方差、标准差、变异系数）、分布特征描述（常用的有峰度和偏度）4、地理建模中数据变换的主要目的有哪些？主要目的有：①使变量尽可能为正态分布；②统一变量的数据尺度；③是变量之间的非线性关系转换为线性关系；④用新的数目少的相互独立的变量代替相互联系的原始变量；⑤方便用简单自然的方式进行解释；⑥帮助理解数据的特征。

5、简单相关分析与偏相关分析有什么区别？6、因子分析的基本思路是什么？因子分析是使用数学方法建立起来的关于变量之间组合关系的方法。

该方法利用协方差结构来组合不同的因子，进而分析推断可能存在的地理过程。

因子分析的起点是变量之间的相关矩阵。

通过分析相关关系矩阵，确定出重要因子及其数目。

因子与变量的组合关系就是建立的因子模型。

对于大部分地理数据，数据中蕴涵的信息可归结为少数几个因子来解释。

变量与因子之间的相关系数用来确定因子的特性，解释因子的意义。

最后，可以得到每个样本的因子得分，该得分被认为是不同因子作用的叠加结果。

如果因子与过程相联系，那么，样本就是过程的具体表现。

7、因子分析的基本步骤是什么？因子分析的基本步骤：1.选择检验参数2.选择因子提取的方法和公因子数3.选择因子旋转方法4.选择因子得分计算方法8、地理建模中因子分析的主要应用和主要目的？因子分析的应用：（1）进行数据降维；（2）指示成因推理的方向；（3）分解叠加的过程。

因子分析的主要目的：（1）形成科学的成因假设；（2）检验已有的成因观点；（3）确立地理成因模式。

9、回归分析的主要内容有哪些？回归分析的步骤：1）根据样本观察值对计量经济学模型参数进行估计，求得回归方程2）对回归方程，参数估计值进行显著性检验3）利用回归方程进行分析，评价及预测内容有：①回归方程；②方程的检验；③方程确认；④方程比较10、回归方程需要检验的内容是什么？回归方程需要检验的内容包括：①相关系数；②方程显著性检验；③回归系数的显著性检验；④其他检验（标准化残差的正态分布检验、因变量与解释变量的线性关系检验、方差齐次性检验、解释变量对Y的影响检验、序列自相关检验、共线性检验）。

11、地理建模中解决复杂地理数据处理问题的基本原则和对策是什么？①数据处理与专业知识相结合；②建模与复证相结合；③多种计算方法并用相互印证；④减少噪声干扰。

第五章模糊数学模型1、名词解释：模糊集合隶属度模糊聚类分析模糊识别模糊集合：对于论域U上的一个集合A，如果元素与集合的关系用元素x到区间[0,1]的函数μ(x)描述，那么，A为模糊集合。

隶属度：若对论域（研究的范围）U中的任一元素x，都有一个数A（x）∈{0，1}与之对应，则称A为U上的模糊集，A（x ）称为x对A的隶属度。

（隶属函数的取值和反应处于过渡状态事物的倾向程度。

通过隶属度来解决元素与集合之间的属于关系。

）模糊聚类分析的实质就是根据研究对象本身的属性来构造模糊矩阵，在此基础上根据预定的隶属度来确定其分类关系。

模糊识别是指用于识别的模型是模糊的，或者是有待识别的对象是模糊的。

（依据对象的模糊信息，以模糊数学原理为工具进行的识别，称为模糊识别。

）2、确定隶属函数的基本原则有哪些？(1)表示隶属度函数的模糊集合必须是凸模糊集合；（2）隶属度函数通常是对称和平衡的；（3）隶属度函数要符合人们的语言顺序，避免不恰当的重叠。

3、简述模糊聚类的主要步骤。

（1）建立模糊关系矩阵（①计算相似系数矩阵；②计算模糊相似矩阵）；（2）进行模糊聚类；（确定阈值；划分类别；绘制聚类图。

）4、简述模糊识别的基本步骤。

（1）特征抽取；（2）建立模式的隶属函数；（3）进行识别。

5、简述应用模糊数学模型解释地理学问题的重要意义。

1）地理学问题的模糊性：鉴于地理学学科研究的深度与精度的限制，在某一地理学问题中完全运用精确数学方法建立确定性的白箱模型是很罕见的。

2）模糊数学模型是描述和解决带有模糊性问题的数学工具，对存在着大量模糊性问题的地理学，模糊数学能够更好解释。

3）在地理学中模糊数学模型主要用于分类和综合评判问题。

4）局限性：由于地理学研究的复杂性和综合性要求广博的知识，随着广度的增加，广与深的矛盾就越加突出，限制了地理学研究的深度，同时也使模糊数学在地理学问题中的应用受到了限制。

第六章动态数据分析模型1、名词解释：动态数据平稳随机过程白噪声灰色模型自回归动态数据，指观察或记录下来的一组按时间先后顺序排列起来的属性数据序列。

平稳随机过程：当随机过程的统计特征不随时间而变化时，那么该过程就是平稳随机过程。

白噪声：零均值、常数方差、序列无关的过程成为白噪声。

灰色模型自回归：若时间序列Xt可以表示成它的先前值和一个冲击值的函数，则称此模型为自回归模型2、动态数据建模可比性原则的具体要求有哪些？1）同一时间序列，属性值所属时间应当统一；2）总体范围应一致；3）属性内容应一致；4）计算方法要一致；5）计量单位要一致；3、简述动态数据的构成及构成模型。