近年来，房地产市场起起落落，房价已经成为了扰动居民幸福感的重要影响因素。大多数家庭都需要面对「买不买房、何时买房、在哪儿买房、买什么房」的艰难抉择，每一个问题的答案都在某种程度上与房价的波动息息相关。

近年来，我国各城市之间的房价差异化愈发凸显，甚至是在同一个城市的同一管辖区内，不同区域的房价也会因社区环境、学区、配套商业等因素的不同而千差万别，而这就是地理信息研究中经常提到的「空间异质性」。捕捉房价的空间特异性对于其变化趋势的预测至关重要。

针对于此，来自浙江大学 GIS 实验室的研究人员构建了 osp-GNNWR 模型，将空间邻近性度量 (OSP) 与地理神经网络加权回归方法进行结合，创新性地引入神经网络方法，提升了模型对房价预测的准确性。

HyperAI超神经有幸邀请到了论文的第一作者浙江大学遥感与地理信息系统博士生丁佳乐，于 7 月 17 日 19:00，以线上直播的形式，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。

关注「HyperAI超神经」视频号即可预约直播

分享主题：

神经网络为房价的空间异质性提供新解释

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 (GWR) 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自回归模型资源库，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。

观众观看本场分享，你将了解：

1. 可以对 GWR 传统的空间回归分析方法有一定的了解

2. 可以了解 osp-GNNWR 模型的设计思路和作用

3. 可以收获一个房价分析的新思路

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。

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。

​

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。 

欢迎高校课题组及研究机构共同参与到我们的直播活动中！