基于Web数据的实证研究：城市轨道交通对住宅价格的时空效应分析

基于网络爬虫获取的真实Web数据,研究了长沙地铁2号线开通试运行前后轨道交通对其沿线住宅价格的影响程度。首先,通过分析住宅价格特性和影响因素,建立了影响长沙市住宅价格形成和波动的特征价格模型,包括区位特征、邻里特征和结构特征等13个特征因素;并通过显著性检验,确定地铁特征对住宅价格具有显著影响;同时进一步分析了地铁站点对周边住宅的显著影响范围。然后,基于长沙地铁2号线开通前后住宅价格分布的可视化分析,提出城市中心区域的地铁站点周边房价下降、城市外围区域的地铁站点周边房价上升的假设;并利用假设检验方法验证了该假设的正确性。     

智能家居相关技术及比较

小区智能化的核心是家庭智能化 小区的智能化,涉及小区的周边、小区内以及住户家庭的智能化：在智能化住宅小区的周边及内部设置安全防范系统,并在家庭内设置可视对讲、防盗报警控测器、紧急求助和报警按钮、可燃气体探测报警等家庭安全防范系统,设置三表（或四 表）出户计量系统,家电控制以及电视．电话和计算机网络服务,为住户需求的高速通信提供可能。家庭智能化部分与住户生活息息相关,不但满足了住户生活的舒适性、便利性,改善住户居住环境,提高住户生活水平,改变住户生活方式,是小区智能化的核心。     

基于图神经网络和长短期记忆模型的房价预测方法

针对目前仅单独考虑价格序列中样本的趋势或仅考虑多个关联属性与价格间的函数关系,而不能更准确地进行房价预测的问题,构建了时空注意力图卷积长短期记忆模型AG-LSTM,包含局部特征提取模块、区域特征提取模块、复合预测模块。局部特征提取模块分别使用同构图和异构图神经网络提取各小区及价格关系属性、各小区和配套邻居节点相关性的特征信息;区域特征提取模块先对邻近小区节点进行聚类,再结合图注意力网络获得小区节点对所属区域的重要性程度,建立区域与小区之间的映射矩阵,根据小区节点信息和映射矩阵得到区域特征;复合预测模块使用长短期记忆模型对由局部特征和区域特征组成的复合特征进行时序建模,实现房价预测。以链家网北京房价数据进行了实验,结果表明AG-LSTM预测结果优于已有基线模型。该模型同时挖掘了小区间位置关系、小区与其配套间位置关系、多个关联属性、价格时序趋势对房屋价格的影响,较好地实现了房屋价格的预测。     

区域负荷趋势特征分析与金字塔模型超短期预测方法

以区域负荷作为研究对象,分析区域负荷与电网负荷在变化波形性、周期性等方面的特征差异。针对区域负荷变化过程中时序关联性较弱的特点,提出基于金字塔模型的区域负荷自适应超短期预测方法。采用灰色关联分析法,提取与负荷变化具有强关联性的客观特征因素。建立自适应增强随机权网络,加强模型对负荷特征的学习能力以及最优求解效率。设计分层金字塔模型结构,采用滚动淘汰的方式,提升预测模型对区域负荷特征变化的自适应性,降低区域负荷变化趋势突变对超短期预测精度的影响。仿真结果表明,该方法可准确跟随区域负荷变化趋势,具有较高的预测精度与稳定性。     

三江平原洪河自然保护区及周边地区湿地景观变化过程研究

选取我国东北地区三江平原腹地洪河国家级自然保护区及周边的3个农场作为研究区,选取1975年、1989年和2006年3个不同历史时段的研究区遥感影像,通过高精度影像的支持,应用遥感目视解译方法,提取出研究区沼泽、河流泡沼、林地、水田、旱地及其它地物类型共6种地类景观30 a来的历史变化信息。在地理信息系统方法支持下,定量分析了研究区从20世纪70年代中期单一的沼泽湿地景观随着当地农业发展逐步成为当前以农田景观为主的过程。研究表明,研究区湿地景观变化过程明显,在此过程中还伴随着水田与旱田景观结构剧烈变化,并且呈现出不同的区域内部景观变化发展过程。其中,开发最早、受人类活动影响最明显的前锋农场,沼泽湿地面积减少最多;鸭绿河农场的沼泽湿地面积减少速度最快;而洪河自然保护区由于生境栖息地狭小,尽管受到严格保护,在周边农场外部影响下还是出现了一定程度的沼泽湿地萎缩现象。     

基于服务调用特征模式的个性化Web服务QoS预测方法

随着网络上完成相同功能的Web服务数量不断增长,服务使用者在选择服务之前,通常需要根据服务的历史使用信息对未使用过的服务质量进行预测.考虑到调用时刻用户输入、网络环境及服务运行环境的差异,提出了一种基于服务调用特征模式的个性化QoS预测方法.该方法通过对服务的历史使用信息进行分析,抽取出服务的常用调用特征模式,当用户调用某服务时,根据用户调用服务时特征,找到其对应的调用模式,若在该模式下有使用信息则直接返回给用户;若没有则根据模式的相似度,采用协作过滤算法为其进行预测.实验结果表明该方法可以显著提高Web服务质量预测的准确性,并且效率较高.     

基于Agent的房价仿真研究

房价分析和预测是当前的热点和难点。基于Agent建模仿真技术,构建了较为完整的房价模型。模型包括房产市场和土地市场,以及房价相关各种主体,如土地供应者、开发商、买房者、投资者。通过刻画这些主体的行为、决策及交互,观察在不同的环境政策下,宏观涌现出来的结果和现象。模型仿真中研究和分析了土地供应、投资行为、利率、通胀等因素对房价走势的影响。仿真结果能较好地反映和解释房价的现实状况。     

基于多时相TM影像的城市边缘区划分及其变化监测

城市边缘区作为城市和农村之间的过渡地带,是城市扩张过程中土地利用变化最为活跃的部分。在城市边缘区,城市用地类型与其他的土地利用类型,比如耕地、林地、牧草地和水域等混合在一起,并且这些非城市用地类型随着城市化的进程很快转换为城市用地。城市边缘区被定义为城市内边界和外边界之间的环状区域,内边界分离城市核心区与城市边缘区,外边界分离城市边缘区与农村腹地。本研究采用一种新的方法来对城市边缘区进行界定,以及对其动态变化进行监测研究。通过多时相遥感数据的分类,提取城市及其周边的土地利用信息,并对其空间结构模式用地理景观指标进行定量的描述,最后借助空间聚类获取边界阈值来划分城市边缘区并对其变化进行监测。     

基于SOA的Web服务可靠性预测

在SOA架构下,服务发现的准确率是影响服务可靠性的因素之一。为了提高Web服务可靠性的预测精度,分析服务发现的失效是非常关键的。首先分析Web服务发现过程中可能出现的失效因素,构建Web服务发现的可靠性模型,并在此基础上提出新的Web服务的可靠性预测方法。最后通过实验验证了Web服务发现阶段的失效对Web服务可靠性的影响,并通过实例说明了Web服务的新的可靠性预测方法。实验结果表明,新的可靠性预测方法更加适用于Web服务。     

基于遗传算法和BP神经网络的房价预测分析

针对BP神经网络存在易陷入局部极小值、收敛速度慢等问题,提出用遗传算法优化BP神经网络并用于房价预测。采用BP神经网络建立房价预测模型。利用遗传算法对BP神经网络的初始权值和阈值进行优化。选取1998年2011年贵阳市的房价及其主要影响因素作为实验数据,分别对传统的BP神经网络和经过遗传算法优化后的BP神经网络进行训练和仿真实验,结果表明,与传统的BP神经网络预测模型相比,经过遗传算法优化后的BP神经网络预测模型能加快网络的收敛速度,提高房价的预测精度。