基于 ＲＢＦ 神经网络的地理时空信息 预测推理方法

        摘　要：本文在深入分析地理实体时空特征的基础上，对地理实体进行抽象和标准化处理，提出一种针对特征复杂地理实体的地理信息预测推理方法。该方法重点研究了基于 ＲＢＦ网络学习方法的地理实体时空信息预测推理的理论、模型方法和具体过程，通过对地理实体对象化抽象描述和标准化处理，建立时空信息融合的超曲面，并利用 ＲＢＦ神经网络超强的非线性拟合能力，构建了复杂地理实体的时间、空间和属性信息的一体化预测和推理模型，并以桂林漓江阳朔段流域水质中溶解氧（ＤＯ）的含量的预测推理验证该方法的可行性，为时空数据处理过程中智慧决策和推理分析提供了有效途径。