advanced-analysis

name	advanced-analysis
description	高级分析技能。时间序列预测（ARIMA/ETS）、空间趋势分析、假设分析（What-If）、多场景对比、网络中心性、社区检测和可达性分析。
metadata	{"domain":"analysis","version":"1.0","intent_triggers":"时间序列 预测 forecast ARIMA ETS 趋势分析 trend 假设分析 what-if 场景模拟 scenario 网络分析 network centrality 中心性 社区检测 community 可达性 accessibility 时空分析 spatiotemporal"}

高级分析技能

技能概述

本技能提供三类高级空间分析能力：

1. 时空分析：时间序列预测和空间趋势检测
2. 场景模拟：假设分析和多场景对比
3. 网络分析：中心性度量、社区检测和可达性评估

所有分析工具均支持空间数据（SHP/GeoJSON/GPKG）和表格数据（CSV/Excel）。

时空分析

时间序列预测

使用 ARIMA 或指数平滑（ETS）模型对时序数据进行趋势预测。

典型场景：

• 人口增长预测
• 土地利用变化趋势
• 环境指标（PM2.5、水质）时序演变
• 经济指标（GDP、房价）区域预测

方法选择：

方法	适用场景	说明
auto	不确定时	自动搜索最优 ARIMA 阶数 (p,d,q)
arima	有趋势或季节性	ARIMA(1,1,1) 适合差分平稳数据
ets	平滑趋势	指数平滑，适合趋势缓慢变化的数据

最少数据要求：5 个时间点以上。数据越多，预测越可靠。

空间趋势分析

通过坐标回归检测空间梯度方向，并用 Moran's I 量化残差的空间聚集程度。

输出解读：

• x_gradient / y_gradient：空间梯度方向和强度
• trend_residual：趋势拟合残差，正值表示高于趋势面
• Moran's I：残差的空间自相关，显著则说明趋势面未能完全解释空间变异

场景模拟

What-If 假设分析

对数据列施加变化倍率（multiplier），模拟"如果…会怎样"的问题。

使用示例：

场景: {"population": 1.3, "income": 0.9}
含义: 人口增长 30%，收入下降 10%

多场景对比

同时运行多个假设场景并排名对比，输出对比表格和柱状图。

使用示例：

[
  {"name": "乐观", "population": 1.3, "investment": 1.5},
  {"name": "基准", "population": 1.1, "investment": 1.0},
  {"name": "悲观", "population": 0.9, "investment": 0.7}
]

网络分析

中心性分析

从空间数据构建拓扑图，识别网络中的关键节点。

四种中心性指标：

方法	含义	适用场景
degree	连接数量	直接连通性，如道路交叉口繁忙度
betweenness	最短路径经过次数	桥梁/瓶颈节点，如关键交通枢纽
closeness	到其他节点的平均距离	空间可达性，如服务设施中心度
eigenvector	连接重要节点的程度	影响力传播，如核心城市识别

社区检测

将空间要素划分为内部联系紧密的子群。

两种算法：

• Louvain：最大化模块度，适合大网络，结果稳定（推荐默认）
• Label Propagation：基于标签传播，速度快但结果可能不稳定

模块度 (modularity)：衡量社区划分质量，范围 [-0.5, 1]，> 0.3 通常表示有意义的社区结构。

可达性分析

评估每个空间要素到最近设施的距离，计算可达性评分。

典型应用：

• 公共服务设施覆盖率评估（学校、医院、公园）
• 商业选址的客户可达性
• 应急设施覆盖范围分析

阈值设置建议：

设施类型	建议阈值 (米)
社区便利店	500-1000
小学/幼儿园	1000-2000
医院	3000-5000
公园绿地	500-1500

标准工作流程

1. describe_geodataframe      → 确认数据结构和字段类型
2. 选择分析类型：
   a. 时间序列 → time_series_forecast
   b. 空间趋势 → spatial_trend_analysis
   c. 假设分析 → what_if_analysis / scenario_compare
   d. 网络分析 → network_centrality / community_detection
   e. 可达性  → accessibility_analysis
3. 解读结果并可视化

可用工具

• time_series_forecast — ARIMA/ETS 时间序列预测
• spatial_trend_analysis — 空间趋势检测 + Moran's I
• what_if_analysis — What-If 假设分析
• scenario_compare — 多场景对比分析
• network_centrality — 网络中心性分析（degree/betweenness/closeness/eigenvector）
• community_detection — 空间社区检测（Louvain/Label Propagation）
• accessibility_analysis — 设施可达性评分