可視化系統(tǒng)預測技術研究

高澤文 解中洋 任俊達 馬寧

湖南師范大學 湖南 長沙 410000

1 可視化技術概述

1.1 ArcGIS Dashboard技術概述

ArcGIS Dashboard是以地理空間數(shù)據(jù)為核心，將各種地理信息以專題圖表等諸多面板展示的一套應用Web服務資源的終端展示平臺。系統(tǒng)可以通過諸多類型操作面板來表現(xiàn)，包括業(yè)務信息列表、專題統(tǒng)計圖表、指標監(jiān)控儀表，外部內(nèi)容等，同時支持副文本?；诳臻g位置資源應用的地圖面板是其核心內(nèi)容，將以上諸多資源面板和地理空間信息結(jié)合應用，能夠最大限度地發(fā)揮業(yè)務信息價值。ArcGIS Dashboard數(shù)據(jù)源主要是以Web Map形式進行數(shù)據(jù)接入展示的，所以必須將表格等數(shù)據(jù)放入Web Map中，同時對要展示的分省級，市級，縣級以及確診小區(qū)等數(shù)據(jù)進行地圖配色等，最后保存Web Map。數(shù)據(jù)更新可以利用ArcGIS API For Python或其他ArcGIS API完成數(shù)據(jù)的實時更新。ArcGIS API For Python能夠通過Python靈活快速構建地理空間要素的Spatial Data Frame，從而更新源數(shù)據(jù)的Spatial Data Frame，完成Feature Service的實時更新。

1.2 ArcGIS Dashboard參數(shù)配置

為了更快地完成可視化系統(tǒng)軟件構建，軟件架構設計基于ArcGIS Dashboard技術?？梢暬到y(tǒng)架構包括：

1.2.1 數(shù)據(jù)層。將數(shù)據(jù)存儲在常使用的關系式sqlserver 或oracle 中的數(shù)據(jù)庫[]。部分文本文檔形式的數(shù)據(jù)可以使用csv或xls的方式存儲在excel表格中，簡單的室內(nèi)空間數(shù)據(jù)可以存儲在幾個壓縮為zip包的shp格式文件中。

1.2.2 服務項圖層。通過ArcGISServer將數(shù)據(jù)圖層的數(shù)據(jù)發(fā)布為ArcGIS Rest服務項或其他通用OGC服務項。如果室內(nèi)空間數(shù)據(jù)量較小或變化不大，可以不發(fā)布服務項目，可以立即發(fā)布服務項目。通過文檔與主要表示層進行交互通信。同時，將必須查看的檢驗數(shù)據(jù)作為矢量材料要素服務項目發(fā)布，方便查看。對于經(jīng)常查看的功能，比如年月量指標等數(shù)據(jù)，可以根據(jù)前期設計方案的數(shù)據(jù)庫結(jié)構編寫相應的預統(tǒng)計分析服務項目，在后臺管理中完成預計算，并加快之前數(shù)據(jù)呈現(xiàn)的速度。

1.2.3 主表示層。以地圖為主，將信息可視化。服務項目層的地理信息服務項目用于顯示地圖，并配備相應的樣式，使地圖因素在網(wǎng)絡鏡像中具有唯一性。借助車內(nèi)儀表盤的設計理念，加強了UI上各個因素之間的交互，通過目錄、儀表盤、指標等多種手段表達了關鍵指標值。據(jù)客服平臺介紹，主表現(xiàn)層配備響應式UI，使其更能兼容電腦瀏覽器的尺寸。

2 預測技術

2.1 相關性評價指標

本文主要選取的是Pearson相關系數(shù)和speraman相關系數(shù)，這兩個指標分別描述了兩個數(shù)據(jù)組合的線性相關性和測量變量之間的相關性水平。

2.1.1 Pearson相關系數(shù)。皮爾森相關系數(shù)（Pearson Correlation Coefficient）用來考慮兩個數(shù)據(jù)的組合是否在一條線上，用來考慮間隔變量之間的線性相關。計算公式為：

皮爾森相關系數(shù)的值用上述公式來表示，COV是2個變量的協(xié)方差，真分是2個變量的標準差的乘積。μx是X的平均值，μY是Y的平均值，E為期望。

皮爾森相關系數(shù)是線性關系的一個指標，它反映了兩個量之間線性關系的高低。這個值常用小寫字母r來表示。r值范圍在-1到1之間，絕對值越接近于1，相關性越強（負相關/正相關）。

2.1.2 speraman相關系數(shù)。以查爾斯·愛德華·斯皮爾曼命名的斯皮爾曼等級相關系數(shù)，即斯皮爾曼相關系數(shù)[]。它是一個考慮兩個變量相關性的非主參數(shù)索引值。它使用簡單的方程來評估兩個統(tǒng)計分析變量的關聯(lián)[3]。如果數(shù)據(jù)中沒有重復值，并且當2個變量完全簡單相關時，Spearman相關系數(shù)為1或-1。對于有n個樣本的模板，將n個初始數(shù)據(jù)轉(zhuǎn)化為水平數(shù)據(jù)，相關系數(shù)ρ為：

speraman相關系數(shù)也可以稱為“秩相關”；換句話說，觀察數(shù)據(jù)的“排名”被“排名”所取代。在連續(xù)除法中，觀測數(shù)據(jù)的秩通?？偸堑陀谥鹊囊话?。眾所周知，在這個例子中，秩和秩相關系數(shù)是相同的。更一般地，觀察數(shù)據(jù)的“等級”與可能的整體模板的比率低于給定的值，即觀察值的一半。也就是說，是對應等級指標的一種可能的解決方案。盡管不常見，但仍可能使用“級別相關”。

二者的區(qū)別在于：①分析范圍不同：Pearson用于計算連續(xù)數(shù)據(jù)的相關，而speraman相關是專門用于分析順序數(shù)據(jù)，二者分析范圍不同。②用途不同：Pearson相關是最常見的相關公式，用于計算連續(xù)數(shù)據(jù)的相關性。而spearman相關是專門用于分析順序數(shù)據(jù)的，就是那種只有順序關系，但并非等距的數(shù)據(jù)。

2.2 數(shù)據(jù)來源

本文的所研究的數(shù)據(jù)源包括好搜指數(shù)和媒體網(wǎng)站頒布的信息。

無論是百度指數(shù)、好搜指數(shù)，還是淘寶指數(shù)等等，都是圍繞一個重點：關鍵詞。也可以統(tǒng)稱其為：關鍵詞搜索指數(shù)。指數(shù)越高，代表關鍵詞越熱門，搜索的人就越高。

好搜指數(shù)，它是一個基于大量網(wǎng)民個人行為數(shù)據(jù)的數(shù)據(jù)共享平臺。它是當今網(wǎng)絡乃至整個數(shù)據(jù)周期中最重要的數(shù)據(jù)分析服務平臺之一。好搜指數(shù)值主要包括：科研發(fā)展趨勢、對top的要求、輿情管家、人群特征。通過分析，本人確定的好搜指數(shù)關鍵詞包括：X1，“病毒”（X2），“預防”（X3），“癥狀”（X4），“核酸檢測”（X5）[]，“傳染”（X 6），“季節(jié)”（X7）和“疫苗”（X8）。

2.3 數(shù)據(jù)和搜索指數(shù)相關性分析

定義式（2-1）中的X為好搜熱點指數(shù)，Y為某地區(qū)的患病人數(shù)（或死亡，治愈人數(shù)等），計算在一段時間之內(nèi)的皮爾森相關系數(shù)，看好搜索指數(shù)的值與總數(shù)之間是否存在線性關系和依賴關系。

2.4 基于回歸模型的預測分析

根據(jù)總數(shù)據(jù)與好搜指數(shù)值的相關性分析，當前數(shù)據(jù)與好搜指數(shù)值中部分關鍵詞的檢索頻率具有線性相關和依賴感[]。因此，分析和預測是在構建多元線性回歸線性模型的基礎上進行的。

假設患病人數(shù)（或死亡、治愈人數(shù)等）Y 與多個好搜指數(shù)X1,X2,..,Xn呈現(xiàn)強相關的關系，而此時我們認為，當這些X變量發(fā)生變化時，相應的Y也會隨之發(fā)生變化。通過歷史數(shù)據(jù)，我們可以得出Y與各變量X之間的某種關系，即：

這樣，就建立了Y與X之間的多元線性回歸模型。此時，當人數(shù)數(shù)據(jù)無法實時獲得，或者出現(xiàn)統(tǒng)計誤差時，我們就可以根據(jù)式（2-3）對Y進行預測，而此時我們需要建立的工作就是獲取各變量X的數(shù)值。

下面進行詳細的建模步驟說明。

在統(tǒng)計分析中，多元線性回歸優(yōu)化算法是一種非常適合的優(yōu)化算法，其應用非常普遍[]。多元線性回歸概念：關鍵是在因變量和幾個自變量之間建立線性相關性。這里的自變量一般是兩個或兩個以上。根據(jù)一系列計算得到的多元線性回歸方程為多元線性回歸實體模型。

多元線性回歸數(shù)學分析模型如下：

因變量設置為y，自變量設置為x1，x2，...，xn-1，共有m組觀測數(shù)據(jù)。存在如下所示的線性相關性：

獲得 m 個單獨觀察的 m 組數(shù)據(jù)樣本：

其中，所有誤差項都是相互獨立的，且服從均值為0的正態(tài)分布。

此時，令：

那么，公式計算（2-4）可表示為：

確定多元線性回歸模型后，主要參數(shù)必須可能未知。所選擇的方法通常是一般最小二乘法。設分別是參數(shù)的最小二乘估計，那么y的觀測值可以表示為：

其中，k=1,2，…，N0；ek是誤差的估計值。

根據(jù)最小二乘法，觀測值和回歸值之間的誤差的均值Q應該最小，并且指定的Q越低越好。Q 是偏差的總數(shù)。

讓公式計算（2-13）有一個最小值，根據(jù)極值點的基本原理可以計算得到滿足條件的最小值。最后，通過求解矩陣方程得到相關系數(shù)的最小二乘法可能為：

為了保證模型的質(zhì)量和系統(tǒng)設計的適當結(jié)果，重要的是對收集的初始數(shù)據(jù)進行數(shù)據(jù)轉(zhuǎn)換和解析，以去除維度并使其具有可比性。

前文對回歸分析模型進行了建模流程的介紹，下面還需要對數(shù)據(jù)的處理進行說明。由于此次回歸模型中的變量，不僅涉及人數(shù)等簡單的數(shù)字變量，還涉及搜索指數(shù)、熱點等其他不易度量的變量，這些變量的量綱和取值方式也不同。因此，需要采取一定的數(shù)據(jù)變換技術。

為了保證建模的質(zhì)量和系統(tǒng)分析的正確結(jié)果，必須對采集的原始數(shù)據(jù)進行數(shù)據(jù)信息轉(zhuǎn)換和解析，去除維度，使其具有可比性。