CN113887866A - 一种人居环境评价指数的生成方法以及装置 - Google Patents

一种人居环境评价指数的生成方法以及装置 Download PDF

Info

Publication number
CN113887866A
CN113887866A CN202111004585.0A CN202111004585A CN113887866A CN 113887866 A CN113887866 A CN 113887866A CN 202111004585 A CN202111004585 A CN 202111004585A CN 113887866 A CN113887866 A CN 113887866A
Authority
CN
China
Prior art keywords
index
generating
human
evaluation index
target component
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111004585.0A
Other languages
English (en)
Inventor
谢天成
柳欣言
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Civil Engineering and Architecture
Original Assignee
Beijing University of Civil Engineering and Architecture
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Civil Engineering and Architecture filed Critical Beijing University of Civil Engineering and Architecture
Priority to CN202111004585.0A priority Critical patent/CN113887866A/zh
Publication of CN113887866A publication Critical patent/CN113887866A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种人居环境评价指数的生成方法以及装置，该方法包括：获取指定区域在多个时间段的指标数据，其中，指标数据包括多个维度；根据多个时间段的个数以及多个维度的数量创建指标数据的样本矩阵；针对样本矩阵进行主成分分析，得到指标数据的多个主成分；根据多个主成分生成指定区域的人居环境评价指数。解决了现有技术往往通过线下调查问卷来确定人居环境评价指数，导致人居环境评价指数生成效率低，评价的维度较为单一、主观性强的技术问题。

Description

一种人居环境评价指数的生成方法以及装置
技术领域
本发明涉及数据分析领域，尤其是涉及一种人居环境评价指数的生成方 法以及装置。
背景技术
人居环境是由自然、人类、经济、社会等因素构成的复杂系统，是衡量 区域社会经济发展水平和人民生活水平的重要标志，人居环境的评价是涉及 经济、社会等多个方面的系统工程，通过人居环境评价指数可以针对社会经 济的发展提供优化策略。
需要说明是，在现有技术中，往往通过线下调查问卷，通过调查居民针 对于居住环境的满意程度来确定人居环境评价指数，导致人居环境评价指数 生成效率低，且评价的维度较为单一。
发明内容
本发明提供了一种人居环境评价指数的生成方法、装置、计算机设备以 及存储介质，以解决现有技术往往通过线下调查问卷来确定人居环境评价指 数，导致人居环境评价指数生成效率低，评价的维度较为单一、主观性强的 技术问题。
根据本发明的第一方面，提供了一种人居环境评价指数的生成方法，该 方法包括：获取指定区域在多个时间段的指标数据，其中，指标数据包括多 个维度；根据多个时间段的个数以及多个维度的数量创建指标数据的样本矩 阵；针对样本矩阵进行主成分分析，得到指标数据的多个主成分；根据多个 主成分生成指定区域的人居环境评价指数。
进一步地，针对样本矩阵进行主成分分析，得到指标数据的多个主成分 的步骤包括：构建样本矩阵的指标之间的相关系数矩阵，从相关系数矩阵中 得到多个主成分，其中，相关系数矩阵中元素的个数与多个主成分的个数相 同。
进一步地，根据多个主成分生成指定区域的人居环境评价指数的步骤包 括：根据相关系数矩阵确定多个主成分对应的特征值；根据每个主成分的特 征值计算生成每个主成分的方差贡献率；将特征值大于预设阈值和/或方差贡 献率大于预设贡献率的主成分确定为目标成分；根据目标成分生成指定区域 的人居环境评价指数。
进一步地，根据目标成分生成指定区域的人居环境评价指数的步骤包括： 确定指标数据在目标成分上的荷载；根据指标数据以及荷载生成目标成分的 评价指数；根据目标成分的评价指数生成指定区域的人居环境评价指数。
进一步地，确定指标数据在目标成分上的荷载的步骤包括：根据目标成 分关联的特征值以及相关系数矩阵计算得到目标成分的特征向量；根据目标 成分关联的特征值以及目标成分的特征向量生成指标数据在目标成分上的 荷载。
进一步地，目标成分为多个，其中，根据目标成分的评价指数生成指定 区域的人居环境评价指数的步骤包括：根据多个目标成分的每个目标成分的 方差贡献率占多个目标成分的累积方差贡献率的百分比确定多个权重值；根 据多个权重值以及目标成分的评价指数构造人居环境评价指数函数；根据人 居环境评价指数函数生成人居环境评价指数。
进一步地，在针对样本矩阵进行主成分分析之前，方法还包括：根据指 标数据的类型以及指标数据的数值将样本矩阵进行标准化处理，其中，指标 数据的类型为正向指标或负向指标。
根据本发明的第二发明，提供了一种人居环境评价指数的生成装置，该 装置包括：获取单元，用于获取指定区域在多个时间段的指标数据，其中， 指标数据包括多个维度；创建单元，用于根据多个时间段的个数以及多个维 度的数量创建指标数据的样本矩阵；分析单元，用于针对样本矩阵进行主成 分分析，得到指标数据的多个主成分；生成单元，用于根据多个主成分生成 指定区域的人居环境评价指数。
根据本发明的第三方面，提供了一种计算机设备，包括存储器和处理器， 存储器上存储有计算机指令，计算机指令在由处理器执行时导致上述任一项 的方法被执行。
根据本发明的第四方面，提供了一种非暂时性计算机可读存储介质，其 上存储有计算机程序，计算机程序在由处理器执行时导致上述任一项方法被 执行。
本发明提供了一种人居环境评价指数的生成方法、装置、计算机设备以 及存储介质，该方法包括：获取指定区域在多个时间段的指标数据，其中， 指标数据包括多个维度；根据多个时间段的个数以及多个维度的数量创建指 标数据的样本矩阵；针对样本矩阵进行主成分分析，得到指标数据的多个主 成分；根据多个主成分生成指定区域的人居环境评价指数。解决了现有技术 往往通过线下调查问卷来确定人居环境评价指数，导致人居环境评价指数生 成效率低，评价的维度较为单一、主观性强的技术问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面 将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而 易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术 人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的 附图。
图1为本发明实施例一的人居环境评价指数的生成方法的流程图；以及
图2为本发明实施例二的人居环境评价指数的生成装置的示意图。
具体实施方式
为了使本发明的上述以及其他特征和优点更加清楚，下面结合附图进一 步描述本发明。应当理解，本文给出的具体实施例是出于向本领域技术人员 解释的目的，仅是示例性的，而非限制性的。
在以下描述中，阐述了许多具体细节以提供对本发明的透彻理解。然而， 对于本领域普通技术人员来说，明显的是，不需要采用具体细节来实践本发 明。在其他情况下，未详细描述众所周知的步骤或操作，以避免模糊本发明。
实施例一
本申请提供了一种人居环境评价指数的生成方法，如图1所示，该方法 可以包括：
步骤S11，获取指定区域在多个时间段的指标数据，其中，指标数据包 括多个维度。
具体的，在本方案中，可以由服务器等硬件设备作为本方案方法的执行 主体，来从数据库中获取上述指定区域在多个时间段的指标数据，上述指定 区域可以为某具体的城市，上述多个时间段可以为多年，即在数据库包括多 年的指标数据，每年的指标数据可以为一个样本，每个样本中包括多个具体 指标，上述指标可以囊括从经济、社会、生态、生活等方面的指标，上述指 标数据可以为预先构建的人居环境综合评价指标体系中的多个维度的指标， 如下表1所示，该多个维度的指标可以分成四类生态环境B1、基础设施环 境B2、经济环境B3、社会环境B4，其中，每类都包括多个具体指标，比如， 生态环境B1包括：建成区绿化覆盖率人均公园绿地面积等6个具体指标； 生活环境B2包括人均居住面积、城市人口密度等7个具体指标；经济环境 B3包括人均GDP、第三产业占比等6个具体指标；社会环境B4包括每千 人拥有医院床位数、每万人拥有幼儿园数量等4个具体指标。
表1：
Figure BDA0003236768300000051
Figure BDA0003236768300000061
步骤S13，根据多个时间段的个数以及多个维度的数量创建指标数据的 样本矩阵。
具体的，在本方案中，可以根据多个时间段的个数(即样本的个数)以 及多个维度的数量来创建上述指标数据的样本矩阵，构建样本矩阵的具体方 法如下：设待评估区域人居环境综合评价指标个数为n，研究样本个数为m， 样本矩阵
Figure BDA0003236768300000062
例如，结合上述表1，如果样本个数是10，即本 方案获取的是某城市的10年的指标数据，每年的指标的个数为23个，那上 述样本的矩阵即为23乘以10的矩阵，矩阵中每个元素为每个指标本身。
步骤S15，针对样本矩阵进行主成分分析，得到指标数据的多个主成分。
具体的，在本方案中，可以将上述样本矩阵导入SPSS软件(Statistical Productand Service Solutions)，利用软件中的降维-因子分析模块对上述样 本矩阵主成分分析，从样本矩阵中的多个成分中提取多个主成分。
步骤S17，根据多个主成分生成指定区域的人居环境评价指数。
本方案通过数据分析技术，采集了多维度的指标数据之后建立样本矩阵， 然后基于主成分分析提取主成分指标数据，然后得到人居环境的评价指数， 与现有技术相比，本方案分析所采用的指标数据的多维考虑了人居环境的复 杂性，避免了人居环境测算中指标偏重或客观资源评价或偏重主观评价的单 一化的问题，发明的测算方法采用了客观评价方法，避免了主观评价法存在 的人为因素偏差，使测算结果更具有科学性和准确性，因此，本方案解决了 现有技术往往通过线下调查问卷来确定人居环境评价指数，导致人居环境评 价指数生成效率低，评价的维度较为单一、主观性强的技术问题。
可选的，步骤S15针对样本矩阵进行主成分分析，得到指标数据的多个 主成分的步骤包括：
步骤S151，构建样本矩阵的指标之间的相关系数矩阵，从相关系数矩 阵中得到多个主成分，其中，相关系数矩阵中元素的个数与多个主成分的个 数相同。
具体的，在本方案中，可以将上述样本矩阵导入SPSS软件，在构建上 述相关系数矩阵之后得到多个主成分，如果指标个数是n，相关系数矩阵是 个n×n阶矩阵，有n×n个元素，对应n个特征值和n个特征向量。指标数 是n，就会有n个主成分，即相关系数矩阵中元素的个数与多个主成分的个 数相同。构建上述相关系数矩阵的具体方法为：第i个指标与第j个指标之 间的相关系数为
Figure BDA0003236768300000071
则相关矩阵为R＝(rij)，在上述公式rij中，xki为第k个样本第i个指标的标准化数据，xkj为第k个样本第j个指标 的标准化数据
Figure BDA0003236768300000072
及
Figure BDA0003236768300000073
分别为所有研究样本第i个指标和第j个指标的均值。
可选的，步骤S17根据多个主成分生成指定区域的人居环境评价指数的 步骤包括：
步骤S170，根据相关系数矩阵确定每个成分对应的特征值；
步骤S171，根据每个主成分的特征值计算生成每个主成分的方差贡献 率。
具体的，在本方案中，每个主成分都会对应(关联)有一个特征值，上 述特征值的具体计算方法可以为如下：
利用特征方程式|λi-R|＝0可得到相关系数矩阵的特征值λi，R为相关 系数矩阵，λi为第i个成分对应的特征值。本方案可以通过每个主成分对应 的特征值计算生成每个主成分的方差贡献率，需要说明的是，方差贡献率的 大小描述了对应的主成分对被评价对象所起的作用大小。上述每个主成分的 方差贡献率ai的具体计算方法可以为如下：
Figure BDA0003236768300000081
其中，λi为第i个主成分的上述特征值。
步骤S172，将特征值大于预设阈值和/或方差贡献率大于预设贡献率的 主成分确定为目标成分。
具体的在本方案中，可以预设目标成分的条件，即，在将每个目标成分 的特征值按小到排列之后，在特征值大于预设阈值的主成分确定为目标成分， 也可以将方差贡献率大于预设贡献率的主成分确定为目标成分，也可以将特 征值大于预设阈值同时方差贡献率大于预设贡献率的主成分确定为目标成 分，也就是说，本方案从多个主成分当中按预设条件来抽取得到目标成分， 比如抽取k个目标成分F1，F2，…，Fk，由这k个目标成分来代替原始数据 信息。
步骤S173，根据目标成分生成指定区域的人居环境评价指数。
具体的，在本方案中，上述筛选之后的目标成分可以用于代替原始指标 的数据信息，本方案采用降维的思想，在保证损失最少信息的原则下，将原 始的多个相关指标转化为几个相互独立的综合指标即上述目标成分，由于每 个目标成分都是原始变量的线性组合，从而能够消除指标间的相互影响。本 方案仅选取变差总信息量中比例较大的成分进行综合评价，是问题得到简化， 还需要说明的是，本方案筛选目标成分的方法能够克服主观赋权法的认为因 素偏差，提高评价结果的可靠性以及准确性。
可选的，步骤S173，根据目标成分生成指定区域的人居环境评价指数 的步骤包括：
步骤S1731，确定指标数据在目标成分上的荷载。
步骤S1732，根据指标数据以及荷载生成目标成分的评价指数。
步骤S1733，根据目标成分的评价指数生成指定区域的人居环境评价指 数。
具体的，在本方案中，上述荷载为每个指标在不同目标成分上的载荷， 本方案可以根据指标数据以及荷载生成目标成分的评价指数，然后根据多个 目标的评价指数来生成指定区域的人居环境评价指数，在得到每个指标在不 同目标成分的荷载之后，可以针对目标成分F1，F2，…，Fk做线性组合， 上述根据指标数据以及荷载生成目标成分Fk的评价指数的具体方法可以为 如下：Fk＝qk1x′1+qk2x′2+…+qknx′n，式中，qk1，qk2…,qkn为每个指标在第 k个目标成分上的荷载值,x1’，x2’，…，xn’为标准化后的指标值，Fk为 第k个目标成分的评价指数。
可选的，步骤S1731确定指标数据在目标成分上的荷载的步骤包括：
步骤S17311，根据目标成分关联的特征值以及相关系数矩阵计算得到 目标成分的特征向量。
步骤S17312，根据目标成分关联的特征值以及目标成分的特征向量生 成指标数据在目标成分上的荷载。
具体的，在上述步骤S17311中，可以通过矩阵运算公式Rei＝λiei得到 相关系数矩阵中的目标成分的特征向量ei，R为相关系数矩阵，λi为特征值。 然后在步骤S17312通过如下公式计算得到目标成分上的荷载：
Figure BDA0003236768300000091
其中，eij为特征向量ei第j个分量。
可选的，目标成分为多个，其中，步骤S1733根据目标成分的评价指数 生成指定区域的人居环境评价指数的步骤包括：
步骤S17331，根据多个目标成分的每个目标成分的方差贡献率占多个 目标成分的累积方差贡献率的百分比确定多个权重值。
步骤S17332，根据多个权重值以及目标成分的评价指数构造人居环境 评价指数函数。
步骤S17333，根据人居环境评价指数函数生成人居环境评价指数。
具体的，在本方案中，在生成每个目标成分的评价指数(评价得分)之 后，本方案可以根据多个目标成分的每个目标成分的方差贡献率占多个目标 成分的累积方差贡献率的百分比确定多个权重值，并且根据多个权重值以及 目标成分的评价指数构造人居环境评价指数函数。上述函数可以为如下：
Figure BDA0003236768300000101
在公式中，F为人居环境评 价指数，上述F1到FK为第一到第K个目标成分的评价得分，上述a1到ak为 每个目标成分的方差贡献率，上述
Figure BDA0003236768300000102
为多个目标成分的累积方差贡献率， 通过上述函数可以得到人居环境评价指数。
可选的，在步骤S15针对样本矩阵进行主成分分析之前，本申请提供的 方法还包括：
步骤S14，根据指标数据的类型以及指标数据的数值将样本矩阵进行标 准化处理，其中，指标数据的类型为正向指标或负向指标。
具体的，在本方案中，可以采用数据标准化处理采用线性比例变换可以 不同指标的类型以及指标的证据进行标准化的处理，上述指标数据的类型为 正向以及负向，标准化的具体方法如下：对于正向指标，标准化后的值：
Figure BDA0003236768300000103
对于负向指标：
Figure BDA0003236768300000104
上述x′ij为标准化后的指标值，xij是标准化前的指标值， Mj以及mj为第j个指标的最大值以及最小值。需要说明的是，本方案在进行主 成分分析之前先对数据做标准化处理，可以消除指标数据量纲、数量及指标 正负取向的差异。之后在指标数据得到标准化的基础上再执行上述步骤S15 的方法步骤。
下面介绍本方案的一种可选的实施例：
步骤1：以A地区作为待测研究区域，根据评价指标体系获取所需的指 标数据，数据选取的时间段为2010-2019年。
步骤2：构造样本矩阵。在本实施例中，数据标准化处理采用线性比例 变换，对于正向指标，标准化后的值；
Figure BDA0003236768300000105
对于负向指标：
Figure BDA0003236768300000106
此实施例中人居环境综合评价指标个数为23，研究样本个数为10，则样 本矩阵为23×10的矩阵。
步骤3：将样本矩阵导入SPSS软件，利用软件中的降维-因子分析模块 对标准化后的样本矩阵进行主成分分析，基于特征根大于1且累计方差贡献 率达到85％以上的原则抽取目标成分，得到相关系数矩阵的特征根、各指标 的方差贡献率及累计方差贡献率。根据软件分析结果，得到3个目标成分， 表2是由SPSS软件导出的各主成分的荷载和累计贡献率。
表2：
Figure BDA0003236768300000111
步骤4：以各主目标分的方差贡献率占总累计方差贡献率的百分比作为 权重得到人居环境综合评价函数：
Figure BDA0003236768300000112
综上，本方案实现的效果如下：
第一，考虑了人居环境系统的复杂性特征，从经济、社会、生态、生活 等方面全面考虑评价指标体系，避免了人居环境测算中指标偏重或客观资源 评价或偏重主观评价的单一化问题，第二，本发明的测算方法采用了客观评 价方法，避免了主观评价法存在的人为因素偏差，使测算结果更具有科学性 和准确性，第三、测算方法无需复杂的编程，利用SPSS软件已有的界面操 作、分析模块即可实现，操作难度低，适于推广应用。
实施例二
如图2所述，本申请还提供了一种人居环境评价指数的生成装置，该装 置可以设置于服务器中，也可以用于执行上述实施例一的方法，该装置包括： 获取单元20，用于获取指定区域在多个时间段的指标数据，其中，所述指标 数据包括多个维度；创建单元22，用于根据所述多个时间段的个数以及所述 多个维度的数量创建所述指标数据的样本矩阵；分析单元24，用于针对所述 样本矩阵进行主成分分析，得到所述指标数据的多个主成分；生成单元26， 用于根据所述多个主成分生成所述指定区域的人居环境评价指数。
本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器上 存储有计算机指令，所述计算机指令在由所述处理器执行时导致实施例一中 任一项所述的方法被执行。
本申请还提供了一种非暂时性计算机可读存储介质，其上存储有计算机 程序，所述计算机程序在由处理器执行时导致实施例一中任一项所述方法被 执行。
应理解，本文中前述关于本发明的方法所描述的具体特征、操作和细节 也可类似地应用于本发明的装置和系统，或者，反之亦然。另外，上文描述 的本发明的方法的每个步骤可由本发明的装置或系统的相应部件或单元执 行。
应理解，本发明的装置的各个模块/单元可全部或部分地通过软件、硬件、 固件或其组合来实现。所述各模块/单元各自可以硬件或固件形式内嵌于计算 机设备的处理器中或独立于所述处理器，也可以软件形式存储于计算机设备 的存储器中以供处理器调用来执行所述各模块/单元的操作。所述各模块/单 元各自可以实现为独立的部件或模块，或者两个或更多个模块/单元可实现为 单个部件或模块。
在一个实施例中，提供了一种计算机设备，其包括存储器和处理器，所 述存储器上存储有可由处理器执行的计算机指令，所述计算机指令在由所述 处理器执行时指示所述处理器执行本发明的方法的各步骤。该计算机设备可 以广义地为服务器、终端，或任何其他具有必要的计算和/或处理能力的电子 设备。在一个实施例中，该计算机设备可包括通过系统总线连接的处理器、 存储器、网络接口、通信接口等。该计算机设备的处理器可用于提供必要的 计算、处理和/或控制能力。该计算机设备的存储器可包括非易失性存储介质 和内存储器。该非易失性存储介质中或上可存储有操作系统、计算机程序等。 该内存储器可为非易失性存储介质中的操作系统和计算机程序的运行提供 环境。该计算机设备的网络接口和通信接口可用于与外部的设备通过网络连 接和通信。该计算机程序被处理器执行时执行本发明的方法的步骤。
本发明可以实现为一种计算机可读存储介质，其上存储有计算机程序， 所述计算机程序在由处理器执行时导致本发明的方法的步骤被执行。在一个 实施例中，所述计算机程序被分布在网络耦合的多个计算机设备或处理器上， 以使得所述计算机程序由一个或多个计算机设备或处理器以分布式方式存 储、访问和执行。单个方法步骤/操作，或者两个或更多个方法步骤/操作， 可以由单个计算机设备或处理器或由两个或更多个计算机设备或处理器执 行。一个或多个方法步骤/操作可以由一个或多个计算机设备或处理器执行，并且一个或多个其他方法步骤/操作可以由一个或多个其他计算机设备或处 理器执行。一个或多个计算机设备或处理器可以执行单个方法步骤/操作，或 执行两个或更多个方法步骤/操作。
本领域普通技术人员可以理解，本发明的方法步骤可以通过计算机程序 来指示相关的硬件如计算机设备或处理器完成，所述的计算机程序可存储于 非暂时性计算机可读存储介质中，该计算机程序被执行时导致本发明的步骤 被执行。根据情况，本文中对存储器、存储、数据库或其它介质的任何引用 可包括非易失性和/或易失性存储器。非易失性存储器的示例包括只读存储器 (ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦 除可编程ROM(EEPROM)、闪存、磁带、软盘、磁光数据存储装置、光 学数据存储装置、硬盘、固态盘等。易失性存储器的示例包括随机存取存储 器(RAM)、外部高速缓冲存储器等。
以上描述的各技术特征可以任意地组合。尽管未对这些技术特征的所有 可能组合进行描述，但这些技术特征的任何组合都应当被认为由本说明书涵 盖，只要这样的组合不存在矛盾。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对 其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通 技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改， 或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并 不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种人居环境评价指数的生成方法，其特征在于，所述方法包括：
获取指定区域在多个时间段的指标数据，其中，所述指标数据包括多个维度；
根据所述多个时间段的个数以及所述多个维度的数量创建所述指标数据的样本矩阵；
针对所述样本矩阵进行主成分分析，得到所述指标数据的多个主成分；
根据所述多个主成分生成所述指定区域的人居环境评价指数。
2.根据权利要求1所述的方法，其特征在于，针对所述样本矩阵进行主成分分析，得到所述指标数据的多个主成分的步骤包括：
构建所述样本矩阵的指标之间的相关系数矩阵，从所述相关系数矩阵中得到所述多个主成分，其中，所述相关系数矩阵中元素的个数与所述多个主成分的个数相同。
3.根据权利要求2所述的方法，其特征在于，根据所述多个主成分生成所述指定区域的人居环境评价指数的步骤包括：
根据所述相关系数矩阵确定所述多个主成分对应的特征值；
根据每个主成分的特征值计算生成所述每个主成分的方差贡献率；
将特征值大于预设阈值和/或方差贡献率大于预设贡献率的主成分确定为目标成分；
根据所述目标成分生成所述指定区域的人居环境评价指数。
4.根据权利要求3所述的方法，其特征在于，根据所述目标成分生成所述指定区域的人居环境评价指数的步骤包括：
确定所述指标数据在所述目标成分上的荷载；
根据所述指标数据以及所述荷载生成所述目标成分的评价指数；
根据所述目标成分的评价指数生成所述指定区域的人居环境评价指数。
5.根据权利要求4所述的方法，其特征在于，确定所述指标数据在所述目标成分上的荷载的步骤包括：
根据所述目标成分关联的特征值以及所述相关系数矩阵计算得到所述目标成分的特征向量；
根据所述目标成分关联的特征值以及所述目标成分的特征向量生成所述指标数据在所述目标成分上的荷载。
6.根据权利要求5所述的方法，其特征在于，所述目标成分为多个，其中，根据所述目标成分的评价指数生成所述指定区域的人居环境评价指数的步骤包括：
根据多个目标成分的每个目标成分的方差贡献率占多个目标成分的累积方差贡献率的百分比确定多个权重值；
根据所述多个权重值以及所述多个目标成分的评价指数构造人居环境评价指数函数；
根据所述人居环境评价指数函数生成所述人居环境评价指数。
7.根据权利要求1所述的方法，其特征在于，在针对所述样本矩阵进行主成分分析之前，所述方法还包括：
根据所述指标数据的类型以及所述指标数据的数值将所述样本矩阵进行标准化处理，其中，所述指标数据的类型为正向指标或负向指标。
8.一种人居环境评价指数的生成装置，其特征在于，所述装置包括：
获取单元，用于获取指定区域在多个时间段的指标数据，其中，所述指标数据包括多个维度；
创建单元，用于根据所述多个时间段的个数以及所述多个维度的数量创建所述指标数据的样本矩阵；
分析单元，用于针对所述样本矩阵进行主成分分析，得到所述指标数据的多个主成分；
生成单元，用于根据所述多个主成分生成所述指定区域的人居环境评价指数。
9.一种计算机设备，包括存储器和处理器，所述存储器上存储有计算机指令，所述计算机指令在由所述处理器执行时导致权利要求1至7中任一项所述的方法被执行。
10.一种非暂时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序在由处理器执行时导致权利要求1至7中任一项所述方法被执行。
CN202111004585.0A 2021-08-30 2021-08-30 一种人居环境评价指数的生成方法以及装置 Pending CN113887866A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111004585.0A CN113887866A (zh) 2021-08-30 2021-08-30 一种人居环境评价指数的生成方法以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111004585.0A CN113887866A (zh) 2021-08-30 2021-08-30 一种人居环境评价指数的生成方法以及装置

Publications (1)

Publication Number Publication Date
CN113887866A true CN113887866A (zh) 2022-01-04

Family

ID=79011592

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111004585.0A Pending CN113887866A (zh) 2021-08-30 2021-08-30 一种人居环境评价指数的生成方法以及装置

Country Status (1)

Country Link
CN (1) CN113887866A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114862062A (zh) * 2022-06-30 2022-08-05 深圳市信润富联数字科技有限公司 环境承载力的预警方法、装置、电子设备和可读存储介质
CN117151553A (zh) * 2023-10-31 2023-12-01 农业农村部环境保护科研监测所 一种县域尺度农村环境评价系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114862062A (zh) * 2022-06-30 2022-08-05 深圳市信润富联数字科技有限公司 环境承载力的预警方法、装置、电子设备和可读存储介质
CN117151553A (zh) * 2023-10-31 2023-12-01 农业农村部环境保护科研监测所 一种县域尺度农村环境评价系统

Similar Documents

Publication Publication Date Title
CN113887866A (zh) 一种人居环境评价指数的生成方法以及装置
Ericsson et al. Evaluating a global vector autoregression for forecasting
CN108919059A (zh) 一种电网故障诊断方法、装置、设备及可读存储介质
McBride et al. Improved poverty targeting through machine learning: An application to the USAID Poverty Assessment Tools
CN112348685A (zh) 信用评分方法、装置、设备及存储介质
CN115935283A (zh) 一种基于多元非线性因果分析的干旱成因溯源方法
CN117669394B (zh) 一种山区峡谷桥梁长期性能综合评估方法及系统
CN109615018B (zh) 用户个性化行为评价方法、装置、计算机设备和存储介质
CN113989073B (zh) 一种基于大数据挖掘的光伏高占比配网电压时空多维评估方法
CN112102952B (zh) 基于距离计算方法鉴定病理类别的方法及相关设备
CN114153683A (zh) 基于综合评价算法的网络化软件健康度评价方法
Tinungki The election of the best autoregressive integrated moving average model to forecasting rice production in Indonesia
Ericson et al. Regional house price index construction–the case of Sweden
CN113888047A (zh) 考虑区域投资能力的技改项目投资规模预测方法及系统
Seya et al. Application of model averaging techniques to spatial hedonic land price models
Wang et al. Collinearity-oriented sensitivity analysis for patterning energy factor significance in buildings
CN118051716B (zh) 一种基于固定资本存量的地震经济损失评估方法及装置
CN112241922A (zh) 基于改进朴素贝叶斯分类的电网资产综合价值评估方法
Cupal Sales comparison approach indicating heterogeneity of particular type of real estate and corresponding valuation accuracy
Hassanat et al. A Novel Outlier-Robust Accuracy Measure for Machine Learning Regression Based on Hassanat Distance Metric
JP2004227279A (ja) マハラノビス距離を利用した異常原因診断方法及びプログラム
Nermend Method for examining the variability of socio-economic objects quoting the example of Baltic Sea countries
CN113538020B (zh) 获取客群特征关联度方法、装置、存储介质和电子装置
CN109544235B (zh) 病种费用测算方法、装置、计算机设备和存储介质
CN116108974A (zh) 一种考虑气象因素的需求响应基线负荷预测方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination