基于主成分分析模型评价和谐宜居城市建设
基于模糊综合评价模型对城市宜居水平的建模与分析
基于模糊综合评价模型对城市宜居水平的建模与分析城市宜居水平是评价一个城市发展和生活质量的重要指标，对于城市规划和管理具有重要意义。
而模糊综合评价模型是一种可以将各种指标综合评价的方法，它可以处理含有无法准确度量的指标或不确定信息的问题。
本文将基于模糊综合评价模型对城市宜居水平进行建模与分析。
我们需要确定城市宜居水平的评价指标。
一般来说，城市宜居水平可以从经济发展、环境质量、基础设施、社会文化、居民生活等多个方面进行评价。
我们可以选择人均GDP、空气质量指数、交通拥堵指数、教育资源指数、医疗资源指数、生活成本指数等作为评价指标。
我们需要确定各指标的评价等级和权重。
评价等级可以用语言变量表示，如“很好”、“好”、“一般”、“差”、“很差”等。
我们可以通过专家问卷调查或统计数据来确定各指标的评价等级与对应的隶属函数。
权重可以通过主观评分法或层次分析法确定，以反映各指标对宜居水平的重要程度。
然后，我们需要进行模糊综合评价。
将各指标的评价等级和权重转化为模糊数。
然后，根据模糊综合评价模型的原理，计算出各指标的模糊评价值。
将各指标的模糊评价值通过合成运算得到城市宜居水平的综合评价值。
我们可以对城市进行宜居水平的分析和比较。
通过模糊综合评价模型，我们可以得到各指标和城市的宜居水平评价结果。
我们可以对不同城市的宜居水平进行比较，找出优劣之处，为城市规划和管理提供参考。
我们还可以根据模糊综合评价模型的结果，对城市的发展方向和政策进行调整和优化。
基于模糊综合评价模型对城市宜居水平进行建模与分析可以较为全面地评价城市的发展和居民的生活质量，为城市规划和管理提供科学的依据。
宜居城市的评价与分析
2018年第10期扫一扫看全文本文DOI ：10.16675/14-1065/f.2018.10.097宜居城市的评价与分析□邓明慧11董文兵2摘要：城市宜居性是当前社会大家生活就业普遍关注的问题，本文通过查阅资料、收集数据来研究评价宜居城市模型等问题，以淮海经济区8个城市为研究对象，对城市的宜居度进行分析并选取一些城市为例，对其进行宜居城市评价体系构建，运用spss19.0统计应用软件来提取因子并进行主成分分析，提出影响宜居城市主要评选指标，并阐述指标的合理性。
从以上定量分析结果，评价徐州的宜居城市创建水平，并根据徐州市的具体情况，对各城市提升宜居水平提出合理的建议。
关键词：主成分分析法；模糊综合评价体系；显著性分析；层次分析法文章编号：1004-7026（2018）10-0121-02中国图书分类号：F299.2文献标志码：A (1.安徽财经大学金融学院；2.安徽财经大学经济学院安徽蚌埠233000)随着经济的快速发展，人们在经济发展的道路上，从一开始的追求经济利益到现在的考虑生活质量，体现出人们日益提高的文明程度，随之相应的便产生了对城市宜居度的要求，同时国家也将城市宜居度当做城市建设的重点。
本文通过查阅资料、收集数据来分析评价宜居城市模型等问题，并结合实际情况和目前搜集到的数据，建立数学模型分析研究下面问题。
根据国家相关条例政策搜集了相关数据并结合相关统计，筛选出影响评价宜居城市的主要指标，并解释这些指标的合理性。
通过所筛选的主要指标，并建立相关评价宜居城市的数学模型。
搜集淮海经济区8个城市的主要指标的数据，再根据之前所建立的模型对其进行研究并给出宜居度的城市排名。
根据各城市国民经济与发展统计年报里的数据，采用模糊综合评价法，构建观测值矩阵，标准化为相对偏差模糊矩阵，进而得出各指标的权重，从而建立综合评价模型，对8个城市的宜居度进行排名。
建立定量分析模型，分析哪些指标会对宜居度的城市排名产生较为显著的影响，并对城市宜居性建设提供指导思路。
基于模糊综合评价模型对城市宜居水平的建模与分析
基于模糊综合评价模型对城市宜居水平的建模与分析城市宜居水平是一个综合性的评价指标，涉及到城市的多个方面，如环境质量、居住条件、社会治安、教育医疗等，因此对城市宜居水平进行建模和分析是非常复杂的任务。
本文将基于模糊综合评价模型，对城市宜居水平进行建模与分析。
我们需要确定城市宜居水平的评价指标。
根据文献资料和专家意见，我们可以选择以下指标：环境质量、交通便利度、居住成本、教育资源、医疗资源、社会治安等。
这些指标能够较全面地反映城市宜居水平的不同方面。
接下来，我们将采用模糊综合评价模型进行建模。
模糊综合评价模型是一种将模糊数学方法与综合评价相结合的方法。
该模型可以处理评价指标之间存在的模糊性和不确定性，因此非常适用于城市宜居水平的评价。
在模糊综合评价模型中，首先需要对每个评价指标进行模糊化处理。
具体做法可以是将每个指标划分为若干个模糊子集，然后根据实际情况对每个子集赋予隶属度。
接下来，我们需要构建模糊综合评价模型的权重分配模型。
权重分配模型用于确定每个评价指标的权重，从而衡量其在城市宜居水平中的重要性。
常用的权重分配方法包括层次分析法、主成分分析法等。
然后，我们可以利用模糊综合评价模型对城市宜居水平进行分析。
具体做法是将每个评价指标的模糊子集和权重进行模糊综合运算，得到城市宜居水平的模糊数。
可以利用模糊数的模糊比较运算法则，将城市宜居水平的模糊数转化为一个确定的数值，从而实现对城市宜居水平的定量分析。
我们可以采用模糊综合评价模型对不同城市的宜居水平进行比较和评估。
通过比较不同城市的模糊数，可以得到它们的排名结果，从而为城市宜居水平的提升提供参考。
基于模糊综合评价模型的城市宜居水平建模与分析可以有效地处理评价指标之间的模糊性和不确定性，为城市宜居水平的评价和决策提供科学依据。
在实际应用过程中，还需要充分考虑数据的获取和处理、指标的选取和权重的确定等问题，以确保评价结果的准确性和可靠性。
基于模糊综合评价模型对城市宜居水平的建模与分析
基于模糊综合评价模型对城市宜居水平的建模与分析随着城市化的加快和人口迁移的加剧，城市宜居水平成为了人们越来越关注的话题。
城市宜居水平的高低直接影响着居民生活质量和城市发展的可持续性。
如何科学评价城市的宜居水平，为城市提供改进方向，已成为了城市规划和建设的重要课题之一。
基于模糊综合评价模型对城市宜居水平进行建模与分析，能够更全面地从多个维度评估城市宜居水平的高低，为城市提供有针对性的改进方向，提高城市的宜居水平。
一、城市宜居水平评价的多维度城市宜居水平不是一个简单的概念，它包括了多个维度的指标。
在评价城市宜居水平时，需要考虑到城市的自然环境、城市设施、生活便利性、环境治理、文化活动、经济繁荣等多个方面。
这些方面综合起来，构成了城市宜居水平的整体评价。
1. 自然环境：自然环境是城市宜居水平的重要组成部分。
包括空气质量、水质情况、绿化覆盖率、自然灾害风险等方面。
优良的自然环境可以提高人们的身心健康水平，是城市宜居水平的重要保障。
2. 城市设施：城市设施的完善程度直接影响着居民的生活水平。
包括交通便捷程度、医疗设施、教育资源、供水供电等方面。
完善的城市设施可以提高居民的生活质量。
3. 生活便利性：生活便利性包括了购物、娱乐、餐饮等各种生活服务的便捷程度。
生活便利性的提高可以提高居民的生活满意度。
4. 环境治理：环境治理是城市宜居水平的重要保障。
包括垃圾处理、环境保护、环境污染治理等方面。
良好的环境治理可以减少居民的健康风险，提高宜居水平。
5. 文化活动：文化活动是城市宜居水平的重要方面。
包括艺术表演、文化展览、体育活动等。
丰富的文化活动可以提高居民的生活品质。
6. 经济繁荣：经济繁荣是城市宜居水平的重要保障。
优越的经济环境可以提高居民的生活水平和满意度。
以上几个方面构成了城市宜居水平评价的多维度。
而这些方面的评价指标之间存在复杂的关联和影响，因此使用模糊综合评价模型进行建模分析能更好地评估城市宜居水平的整体情况。
江苏省各市城市化水平综合评价--基于主成分、聚类分析方法
江苏省各市城市化水平综合评价--基于主成分、聚类分析方
法
江苏省各市城市化水平的综合评价可以基于主成分和聚类分析
方法进行。
一、主成分分析
主成分分析根据指标之间的相关性，将多个指标综合成为少数
几个新的综合指标，这些指标也称为主成分。
主成分分析可以减少
指标之间的冗余，同时捕捉到各个指标所包含的信息。
江苏省各市
城市化水平综合评价可以选取以下指标：人均GDP、城市化率、城
市居民人均可支配收入、居民消费水平、城市平均交通拥堵程度、
城市公共安全指数等。
1. 数据预处理
各指标的数据需要进行标准化处理，将不同指标的数据统一为
同一范围内的值。
这里采用 Min-Max 标准化方法。
2. 主成分分析
进行主成分分析，得到主成分贡献率及其对应的因子载荷矩阵。
根据主成分贡献率，选取累计贡献率达到 80% 的主成分作为综合指标。
3. 综合评价
将选取的综合指标进行加权求和，得到江苏省各市城市化水平
的综合评价指数。
二、聚类分析
聚类分析是将相似对象分配到同一类别中的一种方法。
将江苏省各市的指标数据进行聚类分析，可以得到类别相似的城市群。
1. 距离度量
选取不同指标之间的欧式距离作为距离度量方法。
2. 聚类分析
采用层次聚类分析方法，得到聚类树，并根据树状图的可视化结果选择合适的聚类簇数。
3. 综合评价
将同一聚类簇的城市进行统计，得到江苏省城市化水平的聚类分布情况。
通过主成分分析和聚类分析两种方法进行综合评价，可以全面而系统地评价江苏省各市的城市化水平，并为城市化发展提供科学决策支持。
用主成分分析方法对我国33个省会城市的宜居性进行评价
用主成分分析方法对我国33个省会城市的宜居性进行评价摘要：合理、全面、科学的评价及分析我国33个省会城市宜居水平对于中国的经济发展起到了决定性的作用，本文利用主成分分析法，对33个省会城市的综合评价值进行分析，并做出综合评价，最后在综合评价基础上对我国相对不够宜居地区给出相应的对策建议。
关键词：主成分分析；宜居性一、引言省会城市的宜居性是体现一个国家在相关地区的重要体现，在我国社会经济高速发展进程中，各个省会城市一直是该地区经济和社会生活水平的代表。
因而，分析评价全国32个省会城市的宜居水平，无论是对不同地区宜居水平进行比较，还是对国家如何制定相关民生政策都具有十分重要的意义。
二、主成分分析法1、主成分分析的基本思想：主成分分析是采取一种数学降维的方法，找出几个综合变量来代替原来众多的变量，使这些综合变量能尽可能地代表原来变量的信息量，而且彼此之间互不相关。
这种将把多个变量化为少数几个互相无关的综合变量的统计分析方法就叫做主成分分析或主分量分析。
主成分分析所要做的就是设法将原来众多具有一定相关性的变量，重新组合为一组新的相互无关的综合变量来代替原来变量。
2．主成分分析法的优势：主成分解释了原始变量的全部方差，无方差损失；在唯一性方面，主成分分析不存在因子旋转，主成分是唯一的；在现实生活应用方面，主成分侧重信息贡献、影响力综合评价。
三、主成分分析方法对我国33个省会城市的宜居性进行评价在对33个省会城市的宜居性进行评价时，往往会涉及到很多公共设施水平指标。
为了简化分析，突出重点，我们可以从原始数据中提取主成份。
本文所选取的数据来自《中国统计年鉴》，指标的选取参考了《中国统计年鉴》中统计指标的设置。
共选取了反映城市宜居性的6个指标，其中：6个城市公共设施水平指标分别为：X1——人均居住面积（平方米）X2——城市煤气普及率（%）X3——每万人拥有公交车辆数（台）X4——人均拥有铺装道路面积（平方米）X5——人均公共绿地面积（平方米）X6——每万人拥有公共厕所数（个）图表1 我国35个中心城市的6个：城市公共设施水平数据[1]城市人均居住面积城市煤气普及率每万人拥有公交车辆数人均拥有铺装道路面积主成分分析在SPSS中的具体操作步骤1. 1对数据进行标准化处理把从统计年鉴得到的数据按照要求导入到spss17.0中。
基于主成分分析法的城市建设投资及其评价
维普资讯
内蒙 农业大学学报（ 社会科学版 ）
和可 确 定性 。
…
￣Ｖ ｒ ｉ ＋ ａ（ ） Ｆ一 ＋…＋ 一 ＋ ＋…＋
Ｉ ｌ ＝
说明主成分分析把 Ｐ个随机变量 的总方差分解成为 Ｐ个
不 相关 的 随机 变量 的 方差 之 和 。协 方 差矩 阵 Ｓ的对角 线 上的元
索之和等于特征根之和。 与 Ｐ个特征值对应 的 Ｐ个相互正交的单位矢量为 ，ｊ＆， ｐ，
建设等方面的投入。据此 ， 城市建设投资的客观合理分析 ， 对 辅助 国家进行宏观调控显现得尤 为重要 ， 现今普遍存 在评 而
Ｌ １ ；１
加 ｐ 虽然要求 Ｐ 如 个成分可 以再 现全系统 的变异性 ， 但大 部分
变异性 只有少数 ｋ个 主成 分就 可 以说明。当 Ｐ较大 时 ， Ｐ 在
， ，
那么有 一 ， 一 ’， —ｆｘ Ｘ Ｘ…， ３ 依次为总体 ｘ的 ｝ ｆ
第一， 第二 ， ， Ｐ个主成分 。特征值 的大小反映了对应 的主 … 第 成分样本的离差程度， 以用它定义贡献率可以表现样本差异 所
它的一般 日的是 ： 数据 的压缩 和数据 的解 释。假 定有 ｎ 个地区样本 ， 每个样本共有 Ｐ个变量 ， Ｐ维总体 Ｘ的随机 变量 为这样就构成 了一个 ｎ ＸＰ阶的地 区数据矩阵
合、 系统的角度考察 。为 了对全国 ３ 个省市的城市建设投资 １
做 出全面、 科学 的评 价 与分析 ， 本文综合 应用 主成分分 析法 、 聚类分析法两种方法对 各城市建设投 资进行分 析评价 ， 既可 以达到将评价指标减少 以利于分析 的 目标 ， 又可以将评 价结 果系统化归类， 从而得到较为直观的数据分析结果 ， 使其 分析 更加全面、 客观 、 符合实际 ， 市建设投资决策提供依据 。 为城
基于模糊综合评价模型对城市宜居水平的建模与分析
基于模糊综合评价模型对城市宜居水平的建模与分析城市宜居水平是指城市环境、居住条件、公共设施等多个方面的综合评价指标，对于城市发展和居民生活质量具有重要影响。
为了对城市宜居水平进行建模与分析，可以采用模糊综合评价模型。
模糊综合评价模型是一种基于模糊数学理论的评价方法，它可以将多个因素的数值进行模糊化处理，然后进行权重分配和综合评价，得出对城市宜居水平的综合评估结果。
需要确定评价指标体系。
评价指标体系应包括城市环境、居住条件、公共设施、交通状况、文化教育等多个方面的指标。
每个指标可以有层次结构，包括一级指标和二级指标。
城市环境可以分为空气质量、噪声污染、绿化覆盖率等二级指标。
然后，需要对每个指标进行量化。
对于一些客观指标，可以根据相关数据进行量化，例如空气质量可以根据PM2.5浓度进行评价。
对于一些主观评价指标，可以采用问卷调查或专家评价的方法进行量化。
接下来，需要对量化后的指标进行模糊化处理。
模糊化可以将具体的数值转化为模糊集，例如将空气质量好、一般、差分别用“好、一般、差”来描述。
然后，需要确定各指标的权重。
可以采用层次分析法或主观评价的方法进行权重分配。
权重反映了各指标对宜居水平的重要程度。
使用模糊综合评价方法对城市宜居水平进行综合评估。
可以通过将各项指标的评价结果与对应的权重进行综合，得出城市宜居水平的综合评估结果。
评估结果可以使用语言型模糊数进行描述，例如“宜居水平较高”、“宜居水平一般”等。
通过以上步骤，可以建立城市宜居水平的模糊综合评价模型，并得出对于城市宜居水平的综合评估结果。
这样的模型可以为城市规划和政策制定提供科学依据，帮助改善城市宜居环境，提高居民生活质量。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于主成分分析模型评价和谐宜居城市建设
作者：赵艺然
来源：《发明与创新（职业教育）》 2020年第7期
赵艺然
（中央民族大学理学院，北京100081）
【作者简介】赵艺然（1999—），女，本科，研究方向：应用统计。
摘要：《国家新型城镇化规划（2014—2020）》、中央城市工作会议、十三五规划纲要
等均明确指出要提高城市发展宜居性，并把建设和谐宜居城市作为城市发展的主要目标。
本文
从社交网络上收集到的北京市2015年到2018年与和谐宜居相关的评论为基础，构建情感分析
模型和主成分分析模型，得出影响居民对“和谐宜居”主观感受的主要因素，进一步了解北京
市在建设中需要加以改进或修正的方面。
关键词：情感分析；主成分分析；和谐宜居城市建设
一、引言
十八大以来，我国政府高层决策相继把建设和谐宜居城市提升到前所未有的战略高度，
《国家新型城镇化规划（2014—2020）》、中央城市工作会议、十三五规划纲要等均对建设和
谐宜居城市作出专门论述，明确指出要提高城市发展宜居性，并把建设和谐宜居城市作为城市
发展的主要目标。
本文确定了与和谐宜居城市建设有关的44类关键词，再从社交网络上收集北京市2015年
到2018年带有这些关键词的评论，构建情感分析模型和主成分分析模型,分析影响居民对“和
谐宜居”主观感受的主要因素，进一步了解在建设中需要加以改进或修正的方面。
二、基于情感分析模型的居民评价模型构建
（一）数据清洗预处理
中文分词是中文类型的自然语言处理的第一个阶段，也是必不可少的阶段。
中文的句意是
由词语组成的，分词的意义在于将中文词语分成一个个有效的，符合句意的词语，本文采用pkuseg模块[1]进行分词。
由于居民评论中经常含有一些助词、语气词、表情符号或者“回复”等词，这些词语没有具体的含义，也没有明确的感情倾向，所以将这些词作为停用词。
如果分
词结果中含有停用词，则删除该停用词。
同时为了衡量评论内容与评论目标之间的关联程度，
去除无意义的评论，本文计算了评论内容与关键词之间的余弦相似度，去除相似度为0的评论。
（二）评论文本情感分析建模
通过预训练TextCNN情感分类模型，对清洗完毕的数据进行情感分类，同时为了能够表达
评论语句的强烈程度，使用情感词典对文本的情感极度进行标记。
本文通过对微博情感200万
条数据集[2]进行情感分类训练模型，使用该模型对数据预处理后的评论文本进行分类，其数据输入为评论文本，输出为积极/消极的概率以及情感极度。
选择CBOW模型[3]作为词向量模型，
采用FastText工具对该词向量进行复现。
CBOW模型是一个两层结构, CBOW模型没有隐含层, 通过上下文来预测中心词, 并且抛弃了词序信息。
输入层: n个节点,上下文共2m个词的词向量的平均值；
输入层到输出层的连接边:输出词矩阵；
输出层: 个节点。
第i个节点代表中心词是词的概率
首先, 将中心词wt的上下文ct:wt-m, ..., wt-1, wt+1, ...wt+m转成输入词向量xt+j:
图1 CBOW模型图2 TextCNN网络模型
TextCNN 是利用卷积神经网络对文本进行分类的算法[4,5]，2014年由 Yoon Kim在《Convolutional Neural Networks for Sentence Classification》[6]一文中提出。
TextCNN 的核心点在于可以捕获信息的局部相关性，具体到文本分类任务中可以利用CNN来提取句子中类似N-Gram的关键信息，使用不同尺寸的kernel_size来模拟语言模型中的N-Gram，提取句子中的信息。
三、基于主成分分析模型确定影响居民主观感受的主要因素
主成分分析法（PCA)是模式识别中的一个线性监督分析法[7-9]，主要是基于变量协方差矩阵对原始信息进行压缩和提取处理。
PCA 是将多元的信息线性变换（降维、简化、重排）为少数的几个综合信息（主成分），不仅保留了原始数据中的主要信息，而且可以将降维转换后的特征向量线性分类。
首先，将上文确定出的44类关键词作为指标，由于这44类指标都具有三个属性，分别为表现为积极情感的概率，表现为消极情感的概率，情感的极性，为了处理成单属性格式，本文通过下面公式进行数据聚合，将三列属性合并为单特征，公式如下：
求出的 KMO 值为0.915，说明可以采用主成分因子分析法。
同时Bartlett 的球形度检验的显著性值为 0，说明数据的统计显著性非常强。
将44个特征输入，得到主成分分析的解释总方差
提取方法：主成分分析。
根据图3以及表2主成分提取分析表，特征值在第10个主成分开始收敛，而在第10个主
成分的累计贡献率定为 85%，因此选取10个主成分作为特征模型。
初始因子载荷矩阵中的数据除以主成分相对应的特征值开平方根便得到每个主成分中每个
指标所对应的系数，即特征向量。
以每个主成分所对应的特征值占所提取主成分总的特征值之
和的比例作为权重,可得到主成分综合模型，根据主成分综合模型系数排序最终可以得到因子重要性排序如表3所示：
根据表3可以发现，在居民的主观感受中，空气质量、收入水平与高精尖这三个成为重要
性最为突出，是最为影响居民对“和谐宜居”主观感受的关键因素，在因子重要性排名前20的指标可以看出，居民的主观感受更多是切实关系到衣食住行一些指标，例如水质，房价等指标。
因此，影响居民对“和谐宜居”主观感受的关键因素更多是切实关系到居民的生活的因素。
要将北京建设成为和谐宜居之都需要结合民众切实的主观感受。
为有效提高民众对和谐宜
居的主观感受，合理规划北京市城市建设，需要做到以下几个方面：第一，注重城市的生态环
境建设,使城市生态环境均衡、和谐发展,实现低耗能、低污染；第二，在居民意识方面，纠正
居民的发展观念，充分宣传宏观指标的重要性，在照顾到民众的切实利益方面也要考虑到展示
城市软实力的一些指标。
参考文献
[1] Xu Sun，Houfeng Wang，Wenjie Li.Fast Online Trainingwith Frequency-
Adaptive Learning Rates for Chinese WordSegmentation and New Word Detection. Proceedings ofACL.253-262. 2012.
[2] 微博情感200万条公开数据集
https:///download/turkan/9181661
[3] Li J，Jing L, Fu X, et al.Learning distributed wordrepresentation with multi-contextual mixed embedding[J].Knowledge-Based Systems，2016（106）：220-230.
[4] 刘春磊，武佳琪，檀亚宁.基于TextCNN的用户评论情感极性判别[J].电子世界，2019（3）：48，50.
[5] 米硕，孙瑞彬，李欣，明晓.基于循环神经网络(RNN)和卷积神经网络(CNN)对电子邮件的作者识别[J].科技创新与应用，2018（10）：24-25.
[6] Kim Y.Convolutional Neural Networks for SentenceClassification[J]. Eprint Arxiv，2014.
[7] 孟令爽，唐德善，史毅超.基于主成分分析法的城市人水和谐度评价[J].水资源与水工程学报，2018，29（1）：93-98.
[8] 孟令爽，唐德善，史毅超.基于主成分分析法的用水效率评价[J].人民长江，2018，49（5）：36-40.
[9] 周洋，侯淑婧，宗科.基于主成分分析方法的生态经济效益评价[J].统计与决策，2018，34（1）：66-69.。