本发明专利技术公开了一种区域三生空间影响与协作水平评估方法及系统，涉及城乡规划管理技术领域。该方法包括获取并根据目标区域的基础信息设定目标区域三生空间的评价指标；根据评价指标获取目标区域的实时指标数据；对实时指标数据进行归类处理并建立目标指标体系；计算目标指标体系中的各个二级指标的权重，以得到对应的权重值；基于各个二级指标的权重值建立目标区域的影响与协作水平模型；根据目标指标体系和影响与协作水平模型对目标区域的影响与协作水平进行评估，生成评估结果。本发明专利技术基于大数据和机器学习算法对区域三生空间功能间影响与协作水平进行精确、全面、快速有效评估。快速有效评估。快速有效评估。
【技术实现步骤摘要】
一种区域三生空间影响与协作水平评估方法及系统
[0001]本专利技术涉及城乡规划管理
，具体而言，涉及一种区域三生空间影响与协作水平评估方法及系统。
技术介绍
[0002]随着我国社会发展，村镇三生空间成为构建空间规划体系、完善国土空间开发保护制度和各类尺度空间落实主体功能区规划的重要基础。因此，探究城市村镇空间功能间影响与协作的时空演化规律，促进城市村镇空间的重构与转型是当前的迫切需求。
[0003]“三生空间”主要指广大生产、生活和生态空间的统一体，其变迁能够较好地表征出村镇空间变化。但是目前，在长时间序列、时间多尺度上运用大数据及机器学习算法探讨三生空间功能间影响与协作关系与格局演变的深入分析十分缺乏，无法对其功能水平进行有效评估。
技术实现思路
[0004]为了克服上述问题或者至少部分地解决上述问题，本专利技术实施例提供一种区域三生空间影响与协作水平评估方法及系统，基于大数据和机器学习算法对区域三生空间功能间影响与协作水平进行精确、全面、快速有效评估。
[0005]本专利技术的实施例是这样实现的：
[0006]第一方面，本专利技术实施例提供一种区域三生空间影响与协作水平评估方法，包括以下步骤：
[0007]获取并根据目标区域的基础信息设定目标区域三生空间的评价指标；
[0008]根据评价指标获取目标区域的实时指标数据；
[0009]对实时指标数据进行归类处理并建立目标指标体系；
[0010]计算目标指标体系中的各个二级指标的权重，以得到对应的权重值；
[0011]基于各个二级指标的权重值建立目标区域的影响与协作水平模型；
[0012]根据目标指标体系和影响与协作水平模型对目标区域的影响与协作水平进行评估，生成评估结果。
[0013]为解决现有技术中的在长时间序列、时间多尺度上运用大数据及机器学习算法探讨三生空间功能间影响与协作关系与格局演变的深入分析十分缺乏，无法对其功能水平进行有效评估的技术问题，本专利技术在长时间序列、时间多尺度上运用大数据及机器学习算法计算三生空间功能间影响与协作水平，对其水平进行有效评估。首先，明确目标区域并且基于确定的目标区域设定合理的目标区域三生空间的评价指标，然后基于设定的评价指标获取目标区域内的相关指标数据，以便进行后续的精准分析，对获取的实时指标数据进行归类处理，然后计算各个二级指标的权重，并建立用于评估目标区域三生空间影响与协作水平的影响与协作水平模型，通过影响与协作水平模型结合上述目标指标体系中的各个指标数据进行水平评估，最终得到一个精确全面的评估结果。
[0014]基于第一方面，在本专利技术的一些实施例中，上述获取并根据目标区域的基础信息设定目标区域三生空间的评价指标的方法包括以下步骤：
[0015]根据预设定的目标区域获取目标区域的基础信息；
[0016]对目标区域的基础信息进行统计分析并提取指标数据；
[0017]根据指标数据设定目标区域三生空间的评价指标。
[0018]基于第一方面，在本专利技术的一些实施例中，上述对实时指标数据进行归类处理并建立目标指标体系的方法包括以下步骤：
[0019]采用单一空间模式对实时指标数据进行归类处理并建立目标指标体系。
[0020]基于第一方面，在本专利技术的一些实施例中，上述计算目标指标体系中的各个二级指标的权重，以得到对应的权重值的方法包括以下步骤：
[0021]采用神经网络算法与扰动算法计算目标指标体系中的各个二级指标的权重，以得到第一权重矩阵；
[0022]采用熵值法计算目标指标体系中的各个二级指标的权重，以得到第二权重矩阵；
[0023]根据第一权重矩阵和第二权重矩阵采用加权平均法计算获取目标指标体系中的各个二级指标的综合权重值。
[0024]基于第一方面，在本专利技术的一些实施例中，上述采用神经网络算法与扰动算法计算目标指标体系中的各个二级指标的权重的方法包括以下步骤：
[0025]对实时指标数据进行归一化处理并进行数据扩张，以得到更新样本数据；
[0026]根据更新样本数据进行神经网络训练，确定算法参数以得到目标神经网络算法；
[0027]基于更新样本数据进行数据重组，以得到多组新的输入数据集；
[0028]将各组新的输入数据集中的影响因素值分别导入到目标神经网络算法中，生成各个影响因素值对应的两个预测数据；
[0029]计算各个影响因素值对应的两个预测数据之间的差值，以得到各个影响因素对应的扰动值；
[0030]计算各个影响因素对应的扰动值的绝对值并进行归一化处理，以得到各个影响因素的权重值。
[0031]基于第一方面，在本专利技术的一些实施例中，上述采用熵值法计算目标指标体系中的各个二级指标的权重的方法包括以下步骤：
[0032]采用极差法对目标指标体系中的各个二级指标进行数据标准化处理，以得到标准指标数据；
[0033]基于标准指标数据计算各个二级指标对应的熵值系数。
[0034]基于第一方面，在本专利技术的一些实施例中，上述基于各个二级指标的权重值建立目标区域的影响与协作水平模型的方法包括以下步骤：
[0035]基于各个二级指标的权重值计算目标区域三生空间之间的影响度；
[0036]基于各个二级指标的权重值计算目标区域三生空间之间的影响与协作度；
[0037]根据目标区域三生空间之间的影响度和影响与协作度建立目标区域的影响与协作水平模型。
[0038]第二方面，本专利技术实施例提供一种区域三生空间影响与协作水平评估系统，包括指标设定模块、数据获取模块、归类模块、权重计算模块、模型建立模块以及评估模块，其
中：
[0039]指标设定模块，用于获取并根据目标区域的基础信息设定目标区域三生空间的评价指标；
[0040]数据获取模块，用于根据评价指标获取目标区域的实时指标数据；
[0041]归类模块，用于对实时指标数据进行归类处理并建立目标指标体系；
[0042]权重计算模块，用于计算目标指标体系中的各个二级指标的权重，以得到对应的权重值；
[0043]模型建立模块，用于基于各个二级指标的权重值建立目标区域的影响与协作水平模型；
[0044]评估模块，用于根据目标指标体系和影响与协作水平模型对目标区域的影响与协作水平进行评估，生成评估结果。
[0045]为解决现有技术中的在长时间序列、时间多尺度上运用大数据及机器学习算法探讨三生空间功能间影响与协作关系与格局演变的深入分析十分缺乏，无法对其功能水平进行有效评估的技术问题，本专利技术在长时间序列、时间多尺度上运用大数据及机器学习算法计算三生空间功能间影响与协作水平，对其水平进行有效评估。首先，通过指标设定模块明确目标区域并且基于确定的目标区域设定合理的目标区域三生空间的评价指标，然后数据获取模块基于设定的评价指标获取目标区域内的相关指标数据，以便进行后续的精准分析，通过归类模块对获取的实时指标本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种区域三生空间影响与协作水平评估方法，其特征在于，包括以下步骤：获取并根据目标区域的基础信息设定目标区域三生空间的评价指标；根据评价指标获取目标区域的实时指标数据；对实时指标数据进行归类处理并建立目标指标体系；计算目标指标体系中的各个二级指标的权重，以得到对应的权重值；基于各个二级指标的权重值建立目标区域的影响与协作水平模型；根据目标指标体系和影响与协作水平模型对目标区域的影响与协作水平进行评估，生成评估结果。2.根据权利要求1所述的一种区域三生空间影响与协作水平评估方法，其特征在于，所述获取并根据目标区域的基础信息设定目标区域三生空间的评价指标的方法包括以下步骤：根据预设定的目标区域获取目标区域的基础信息；对目标区域的基础信息进行统计分析并提取指标数据；根据指标数据设定目标区域三生空间的评价指标。3.根据权利要求1所述的一种区域三生空间影响与协作水平评估方法，其特征在于，所述对实时指标数据进行归类处理并建立目标指标体系的方法包括以下步骤：采用单一空间模式对实时指标数据进行归类处理并建立目标指标体系。4.根据权利要求1所述的一种区域三生空间影响与协作水平评估方法，其特征在于，所述计算目标指标体系中的各个二级指标的权重，以得到对应的权重值的方法包括以下步骤：采用神经网络算法与扰动算法计算目标指标体系中的各个二级指标的权重，以得到第一权重矩阵；采用熵值法计算目标指标体系中的各个二级指标的权重，以得到第二权重矩阵；根据第一权重矩阵和第二权重矩阵采用加权平均法计算获取目标指标体系中的各个二级指标的综合权重值。5.根据权利要求4所述的一种区域三生空间影响与协作水平评估方法，其特征在于，所述采用神经网络算法与扰动算法计算目标指标体系中的各个二级指标的权重的方法包括以下步骤：对实时指标数据进行归一化处理并进行数据扩张，以得到更新样本数据；根据更新样本数据进行神经网络训练，确定算法参数以得到目标神经网络算法；基于更新样本数据进行数据重组，以得到多组新的输入数据集；将各组新的输入数据集中的影响因素值分别导入到目标神经网络算法中，生成各个影响因素值对应的两...
【专利技术属性】
技术研发人员：周亚州，周倩，
申请(专利权)人：周亚州，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。