项目经历

以下项目覆盖了业务驱动型项目和研究课题两个层面，既包括主责推进的驻场项目，也包括参与完成的科研课题。它们共同体现了我如何把研究方法、空间数据处理和业务交付结合起来，不只停留在“会建模”，而是进一步把模型沉淀为可复用的数据资产、可解释的分析结论和可展示的交付成果。

项目概览¶

重点项目¶

基于人工智能的深圳福田区居住用地价格评估研究¶

时间： 2025

角色： 项目主要负责人（驻点）

项目金额： 9 万

• 基于前期沟通梳理甲方需求与可用数据情况，输出项目可行性报告，明确项目实施路径，根据甲方的软硬件情况，进行合理的技术方案选型。

• 在 PyTorch 框架下基于 Transformer 构建深圳福田区居住用地价格动态评估模型，为业务侧提供更稳定的价格分析支撑。

• 嵌入 SHAP 可解释人工智能方法，对模型结果进行特征贡献解释，增强成果的可读性、可汇报性和被采纳可能性。

• 整理甲方提供的历年时空数据，构建福田区居住用地时空数据集，形成可复用的数据资产，支撑后续建模与验证。

• 编撰研究报告、工作报告与汇报 PPT，使模型成果能够进入正式汇报与交付流程。

基于 AI（深度学习）框架的深圳市居住用地市场价格动态评估研究¶

时间： 2025

角色： 项目主要负责人（驻点）

项目金额： 19 万

• 负责项目投标书撰写和前期方案梳理，推动项目从争取、立项到执行衔接顺畅。

• 在 PyTorch 框架下结合 Transformer 与 KNN 构建人工智能空间插值模型，用于深圳市全域居住用地市场价格动态评估。

• 引入空间坐标编码技术，增强模型对空间异质性和区域差异的表达能力。

• 基于 PySide6 开发模型可视化操作界面，降低成果使用门槛，便于业务演示与内部培训。

• 嵌入 SHAP 可解释人工智能模型，使插值结果不仅可算，而且可讲、可审、可汇报。

• 负责研究报告、工作报告和汇报 PPT 的整理输出，确保技术成果可以稳定转化为正式交付物。

参与项目¶