• 期刊主页
  • 学报简介
  • 所况介绍
  • 投稿须知
  • 期刊导读
  • 编委会
  • 文档下载
  • 在线投稿
  • 联系我们

信息摘要您现在所在位置:首页 > 期刊导读 > 2019年 > 02 > 信息摘要

卷积神经网络和随机森林的城市房价微观尺度制图方法

【出 处】:

【作 者】: 姚尧 [1] 任书良 [2] 王君毅 [2] 关庆锋 [2]

【摘 要】随着中国城市化进程的加快,城市人口的大规模集聚带来了住房紧张的问题,房价政策制定的时效性与正确性也时刻吸引着社会的关注,因此在微观尺度下对房价进行精细化制图变得愈发重要.由于数据可获取性和现有模型精度的限制,目前已有研究均较少涉及微观尺度.本研究通过将房价数据和遥感影像相融合,构建了一种基于卷积神经网络(CNN)和随机森林(RF)的遥感影像挖掘模型,以实现在不考虑其他数据的情况下,精确、合理地进行房价的微观尺度制图.本文以武汉市作为研究区,在仅有房价数据和遥感影像的情况下,利用本文所构建的模型成功得到武汉市中心城区5m精度的精细房价图.此外,还利用其他数据源以及挖掘技术与本文所构模型进行了对比分析.结果显示,本文所构建的模型获得了最高的房价模拟拟合优度(R2=0.805),相比传统方法中的最高拟合优度(R2=0.653)其精度提升了23.28%,其制图结果可为政府部门规划决策及武汉市经济分布研究提供基础支撑.

相关热词搜索: 房价 深度学习 微观尺度 卷积神经网络 随机森林 武汉

上一篇: 中国建设用地空间格局分析
下一篇: 面向GF-1 WFV数据和MODIS数据的时空融合算法对比分析

栏目导航

所况介绍
期刊导读
邮箱投稿
邮政投稿
在线投稿

通知公告

  • 资源与环境信息系统国家...
  • 第四届防灾减灾知识服务...
  • 陈述彭先生诞辰100周年暨...
  • 中国生态大讲堂2020年冬...
  • 陈述彭先生诞辰100周年暨...
  • 第六届全国数字山地学术...
  • 资源与环境信息系统国家...

文档下载

  • 论文著作权转让书
  • 校对须知
  • 版权协议

联系我们

主  编:陈述彭
地  址:北京大屯路甲11号
邮政编码:100101
邮    箱: dqxxkxxbtg@163.com  

Copyright 2005-2014 中国科学院地理科学与资源研究所 版权所有  备案序号:京ICP备05002838号  文保网安备案号:1101080067
地址:北京市朝阳区大屯路甲11号 邮编:100101  Email: dqxxkxxb@163.com