规划设计学中的调查分析法与实践.docx

规划设计学中的调查分析法与实践 　　篇一：设计规划学中的调查分析法 　　设计规划学中的调查分析法——预测模型  　　计划设计学中，对未来的预测是一非常主要的部分，例如通过对某个绿地应用实态的调查，并获得持续几年的调查数据，这样就可以应用这些数据进行剖析，寻找数据的变更规律，同时还可以通过这些规律得出整体的变更偏向，也就是说，可以对未来的发展变更趋势进行预测。最终获得的预测成果将为计划设计供给一个科学精确的参考根据。而这一点也正是进行合理、规范化的设计而不可缺乏的主要部分，现在的环境设计，包含建筑、城市计划、园林、室内设计等在内都已经开端在设计进程中斟酌到将来的可变性和未来的预测，这是关系到作品胜利与否的症结。特殊是绿地应用中通过来园情势的构成、应用时光带、停留场合、应用设施、应用频率等对不同年纪层的月应用次数、游人量等进行预测，从中可以获得作为设计进程中的制约条件。但是，因为预测的伎俩有多种多样，本文介绍的预测模型只是其中的一种。  　　1 预测的方式  　　 时系列数据(time series date)的预测  　　所谓时系列数据是指随时光或日期的变更而记载下来的数据，例如一年的日游人量，20年的年人均公园面积增加率等的数据。而应用获得的时系列数据进行未来变动情势剖析的方式称之为时系列数据的预测。一般把变动情势分为3种，即：偏向变动、周期变动、误差变动。  　　(1)偏向变动：是指对全部进程增添或减少的变更情势，以能反应增添、减少偏向的直线或曲线来表现的一种方法。  　　(2)周期变动：是指变数依照必定周期产生增减变动的总称。以年为单位的变动多称之为季节变动。两种以上的周期变动称之为循环变动，同时也包含一些不规矩的循环变动。  　　(3)误差变动：是指偶然呈现的不规矩变动，也有称之为偶然变动或不规矩变动。要想完整避免误差变动，从理论上讲是不太可能的，但是减少这种误差变动是可以实现的。具体的方式称之为移动平均法[1]。  　　 回归剖析预测  　　通过回归剖析，首先可以从剖析数据中判明整体的变动偏向，接下来可以同样应用这种偏向预测未来。相似依据回归剖析获得过去、现在的偏向的延伸来预测未来的进程称之为回归剖析预测。回归剖析的种类很多，具体请参考计划设计学中的调查剖析法4(以下简称为“剖析法4”)[2]。比拟常用的有直线回归(y=ax+b)、对数回归y=alog(x)+b、指数回归(y=axb)等。有时还应用高次曲线回归。一般较为常用的“excel统计”软件中就有9种不同的回归剖析供应用者选用。具体回归式请参考“剖析法4”中的表1。在应用中，可以依据决议系数 　　γ2的大小来选择回归式。一般决议系数γ2越大其回归式的预测精度也越高。所以说，在95%或99%的情形下，大多选择γ2值最大的回归式来进行预测剖析。 　　 重回归剖析预测  　　在进行预测的数据情势中，不必定总是时系列数据或相似回归剖析的独立变数和附属变数情势的数据。而经常呈现的情势往往是判明某一个变数的变更，须要参考很多影响因素(变数)来断定、断定预测整体的变动偏向。如果这种剖析变数超过两个的话，通常称之为重回归剖析预测。实际调查剖析中重回归剖析预测要比回归剖析预测利用更加普遍。但是因为重回归剖析涉及到的因素较多，寻找一个有效的预测要比回归剖析预测艰苦很多。  　　 数量化ⅰ类预测  　　在调查剖析进程中，特殊是较为接近社会学的意识调查(感到、认识等)。其调查所获得的数据不是“量”的数据，而是“质”的数据。也就是说诸如：开阔、神秘、美、折衷、丰盛、富丽、宏伟、秀丽等一些用“定量”无法完整表现的“定性”的因素。而对这些定性的数据依照上面所介绍的定量数据的回归或重回归剖析进行预测的方式称之为数量化ⅰ类预测。数量化ⅰ类与回归剖析的盘算原理都是一致的，而不同的处所为数量化ⅰ类所应用的剖析数据为“定质”的数据，回归、重回归剖析所应用的剖析数据为“定量”的数据。  　　 概率预测  　　社会现象或自然现象的推移不仅仅局限在一个方面，更多的是一种概率、现象的表示。而依据现在过去的状态对未来进行推测的方式称之为概率预测。依照必定的概率法则随时光变更而产生的变更现象称之为概率进程，而把概率的全进程的图形化称之为推移概率图或者迁移概率图。有关概率进程的图形化和每个概率进程的概率盘算方式请详见参考文献中提醒的书籍[3]。  　　 预测模型  　　上面讲到的预测方式是比拟常用的几种方式，特殊是回归或重回归剖析预测利用最为普遍，而且一般的统计书中都有这方面的详细叙述。但是，如果对一些比拟特别或更为庞杂的变动状态进行剖析时，回归剖析已经无法满足各方面的功效请求。这个时候就须要导入一些附加的预测模型进行剖析。然而预测模型的种类很