聚合方法对不确定时空数据的影响
应用统计
2019-10-14 v1 最优化与控制
摘要
大型时空需求数据集在选址优化问题中可能难以处理，从而产生了对此类数据进行聚合的需求。然而，需求聚合会引入误差，影响选址研究的结果。我们引入并应用了一个框架，使用基于距离和基于体积的聚合误差度量来比较确定性与随机性聚合方法。此外，我们引入并应用了这些度量的加权版本，以考虑需求事件非同质的现实情况。这些度量被应用于太平洋搜救事件的一个大型、高度变化的时空需求数据集。我们使用层次聚类，对六种不同尺度的网格聚合与两种分区分布模型进行了基于这些度量的比较。我们表明，随着网格保真度提高，基于距离的聚合误差减小，而两种有意识的分区方法在利用更少分区的同时进一步降低了该误差。然而，更高保真度的聚合对体积误差有不利影响。此外，通过将搜救数据集划分为训练集和测试集，我们表明对这种高度变化的时空需求进行随机聚合似乎能有效模拟实际未来需求。
引用
@article{arxiv.1910.05125,
title = {Effects of Aggregation Methodology on Uncertain Spatiotemporal Data},
author = {Zachary T. Hornberger and Bruce A. Cox and Raymond R. Hill},
journal= {arXiv preprint arXiv:1910.05125},
year = {2019}
}