Determining scale and variable effects have critical importance in developing an energy resource policy. This study aims to explore the relationships in heterogeneous lignite sites using different scale models, spatial weighting as well as error-based pair-wise identification. From a statistical learning framework, the relationships among the quality variables such as geochemical variables and the contributions of the coordinates to quality measures have been exhibited by generalized additive models. In this way, the critical roles of spatial weights provided by the coordinates have been specified at a global scale. The experimental studies reveal that incorporating the geological weighting in the models as the additional information improves both accuracy and transparency. Because relationships among lignite quality variables and sampling locations are spatially non-stationary, the local structure and interdependencies among the variables were analyzed by geographically weighting regression. The local analyses including spatial patterns of bandwidths, search domains as well as residual-based areal dependencies provided not only the critical zones but also availability of pair-wise model alternatives by calibrating a model at each point for location-specific parameter learning. The results completely show that the weighting models applied at different scales can take spatial heterogeneity into consideration and these abilities provide some meta-data and specific information using in sustainable energy planning.

确定规模和可变效应对制定能源政策至关重要。这项研究旨在探索使用不同比例模型，空间权重以及基于错误的成对识别的异质褐煤站点之间的关系。从统计学习框架来看，广义加性模型已经显示出质量变量（如地球化学变量）与坐标对质量度量的贡献之间的关系。通过这种方式，已经在全局范围内指定了由坐标提供的空间权重的关键作用。实验研究表明，将地质权重作为附加信息纳入模型可以提高准确性和透明度。由于褐煤质量变量与采样位置之间的关系在空间上是不稳定的，因此通过地理加权回归分析了变量之间的局部结构和相互依赖性。局部分析包括带宽的空间模式，搜索域以及基于残差的面依存关系，不仅提供了关键区域，而且还通过在每个点上对模型进行校准以提供针对位置的参数学习，从而提供了成对模型替代方案的可用性。结果完全表明，在不同规模上应用的加权模型可以考虑空间异质性，这些能力提供了一些可用于可持续能源规划的元数据和特定信息。通过地理加权回归分析变量之间的局部结构和相互依赖性。局部分析包括带宽的空间模式，搜索域以及基于残差的面依存关系，不仅提供了关键区域，而且还通过在每个点上对模型进行校准以提供针对位置的参数学习，从而提供了成对模型替代方案的可用性。结果完全表明，在不同规模上应用的加权模型可以考虑空间异质性，这些能力提供了一些可用于可持续能源规划的元数据和特定信息。通过地理加权回归分析变量之间的局部结构和相互依赖性。局部分析包括带宽的空间模式，搜索域以及基于残差的面依存关系，不仅提供了关键区域，而且还通过在每个点上对模型进行校准以提供针对位置的参数学习，从而提供了成对模型替代方案的可用性。结果完全表明，在不同规模上应用的加权模型可以考虑空间异质性，这些能力提供了一些可用于可持续能源规划的元数据和特定信息。搜索域以及基于残差的面相关性不仅提供了关键区域，而且还通过在每个点上对模型进行校准以提供针对位置的参数学习，从而提供了成对模型替代方案的可用性。结果完全表明，在不同规模上应用的加权模型可以考虑空间异质性，这些能力提供了一些可用于可持续能源规划的元数据和特定信息。搜索域以及基于残差的面相关性不仅提供了关键区域，而且还通过在每个点上对模型进行校准以提供针对位置的参数学习，从而提供了成对模型替代方案的可用性。结果完全表明，在不同规模上应用的加权模型可以考虑空间异质性，这些能力提供了一些可用于可持续能源规划的元数据和特定信息。