城市宜居性的时间序列分析
原文中文，约300字，阅读约需1分钟。发表于：。通过深度学习模型，我们对荷兰城市邻里层面的长期宜居性变化进行监测。通过将年度可用的高分辨率航拍图像与宜居度量标准 (Leefbaarometer) 相结合，我们训练了一个卷积神经网络，用于预测新的时间步长中的宜居性。研究结果显示，对于训练过程中未见过的城市 (Eindhoven)，宜居性的趋势难以解释，这也体现了在不同时间段内监测宜居性的复杂性以及需要更复杂的方法来补偿与宜居性动态无关的变化。
通过深度学习模型监测荷兰城市邻里层面的宜居性变化，结合高分辨率航拍图像和宜居度量标准，训练卷积神经网络预测宜居性。研究结果显示，对于未见过的城市，宜居性趋势难以解释，需要更复杂的方法来补偿与宜居性动态无关的变化。
