2023 年 7 月，中国科学技术信息研究所、科技部新一代人工智能发展研究中心联合相关研究机构编写的「中国 AI for Science 创新地图研究报告」正式发布，其中数据显示，我国 AI for Science 论文发表数量最高，正积极推动全球 AI for Science 发展。
为了进一步推进 AI4S 的普适化，将学术机构的科研成果进一步降低传播壁垒，分享给更广泛的行业学者、科技爱好者及产业单位，HyperAI超神经策划了「Meet AI4S」系列直播栏目，邀请深耕 AI for Science 领域的科研人员或相关单位，以视频的形式分享研究成果、方法思路。
「Meet AI4S」系列直播第一期将于 7 月 17 日 19:00 正式上线，我们有幸邀请到了浙江大学遥感与地理信息系统博士生丁佳乐，他将以「神经网络为房价的空间异质性提供新解释」为题， 深入浅出地为大家介绍模型的设计思路与应用场景，并进一步分享地理加权回归的空间回归分析方法。
点击即可预约直播：
https://www.huodongxing.com/event/2762111401922
嘉宾介绍
内容简介
为刻画地理要素间回归关系在不同空间位置体现出的空间非平稳性，地理加权回归等空间回归模型根据地理学第一定律，将空间上更邻近的样本赋予更高的权重来建立局部的回归关系。然而，在复杂的城市场景中，简单的直线距离并不能充分反映真实的空间邻近性。
我们通过一个简单的神经网络模型，在保留回归结果的空间可解释性的同时，优化了空间邻近性的表达，从而获得了更高的建模精度。
此外，我们还开源了一个时空智能回归模型库，其中包含 GNNWR、GTNNWR 模型和其他衍生模型的源代码、模型使用教程笔记，以及已发布的 Python wheels。
项目地址：
https://github.com/zjuwss/gnnwr
直播收获
- 与团队核心研究成员对话，深入了解团队 osp-GNNWR 模型的设计思路以及它在房价预测上的操作逻辑和作用。
- 深入了解传统的空间非稳定性建模方法——地理加权回归 (GWR) 的使用方法和存在的不足。
- 从房价分析小白进阶，了解模型预测房价的底层逻辑，收获房价分析的新思路。
论文回顾
该团队发布的 osp-GNNWR 模型，已经以「A neural network model to optimize the measure of spatial proximity in geographically weighted regression approach: a case study on house price in Wuhan」为题，发表于地理信息科学领域知名期刊 International Journal of Geographical Information Science。
论文地址：
https://www.tandfonline.com/doi/full/10.1080/13658816.2024.2343771
研究亮点
- 通过引入优化的空间邻近度指标，并将其融入神经网络架构，有效地改善了地理加权回归在房价等地理过程的空间分布研究中的适用性
- 通过模拟数据集和武汉市房价实证案例的研究，论文提出的模型被证明具有更好的全局性能，能更准确地描述复杂的空间过程和地理现象
- 为研究如何因地制宜地定制空间邻近度度量标准，进而提升各类地理空间回归模型的表现，开辟了新途径
数据集的获取
研究团队采用了空间异质性模拟数据集，以及一份包含 968 个武汉市不同房价实证案例的实际数据集，极大地保障了数据的质量。
osp-GNNWR 模型的构建
osp-GNNWR 模型的构建分为两步：第一步为获得优化的空间邻近性度量 (OSP)；第二步将 OSP 与 GNNWR 进一步结合，从而最终建构 osp-GNNWR 模型。
osp-GNNWR 模型设计
首先为了在复杂的地理分析中获得更准确的空间临近度测量，研究团队在研究过程中整合了包括欧式距离、曼哈顿距离以及旅行时间等在内的多种距离测量方法，以优化空间邻近度 (OSP)。
随后，研究人员将 OSP 与 GNNWR 进一步结合，最终建构了 osp-GNNWR 模型。GNNWR 模型结合了普通最小二乘法 (OLS) 和神经网络，基于类似于地理加权回归 (GWR) 的概念来估计空间非平稳性，适用于解决具有复杂地理过程的各个领域的空间非平稳性问题。
因此最终建构的 osp-GNNWR 模型在描绘现实世界地理过程中的空间异质性方面具有潜在的优势。简单来说，该模型将提高房价预测的精确度，助力房地产环境的管理建设，提高人们的住房幸福指数。
点击查看完整论文解读：精准预测武汉房价！浙大GIS实验室提出osp-GNNWR模型：准确描述复杂空间过程和地理现象
浙江省资源与环境信息系统重点实验室
浙江省资源与环境信息系统重点实验室于 1993 年 11 月批复组建，1995 年 4 月建成开放，主要面向数字地球和地理信息系统、遥感和全球定位系统技术等国家高新科技领域。实验室拥有地理信息科学本科，遥感与地理信息系统硕士、博士点。
实验室从基础理论方法、核心关键技术、重大工程应用三个层面开展研究工作，重大基础研究围绕地球系统大数据的基础理论与原创方法、地表环境变化过程及人地耦合展开理论研究。核心关键技术研究围绕时空大数据存储管理、高性能 GIS、三维 GIS 可视化、智能 GIS 深度分析挖掘等前沿方向开展攻关，曾在提升超海量、高精度、高复杂时空数据的应用效率和价值，解决当前地理信息和遥感领域的「卡脖子」瓶颈问题；重大工程应用研究围绕自然资源、海洋、测绘、农业、林业、交通、环保、防灾减灾等领域，面向国家重大战略及社会应用需求开展软件研发及成果转化，旨在解决实际应用需求。
Meet AI4S 系列直播
HyperAI超神经 (hyper.ai) 是中国最⼤的数据科学领域搜索引擎，聚焦 AI for Science 的最新科研成果，实时追踪 Nature、Science 等顶级刊物的学术论文，至今已完成百余篇 AI for Science 论文的解读。
此外，我们还运营了国内唯一 AI for Science 开源项目 awesome-ai4s。
项目地址：
https://github.com/hyperai/awesome-ai4s
为了进一步推进 AI4S 的普适化，将学术机构的科研成果进一步降低传播壁垒，分享给更广泛的行业学者、科技爱好者及产业单位，HyperAI超神经策划了「Meet AI4S」视频栏目，邀请深耕 AI for Science 领域的科研人员或相关单位，以视频的形式分享研究成果、方法思路，共同探讨 AI for Science 在科研进展及推进落地过程中面临的机遇和挑战，促进 AI for Science 的科学普及和传播。
点击即可预约直播：https://www.huodongxing.com/event/2762111401922
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。