【技术实现步骤摘要】
本专利技术涉及海洋空间规划，特别是涉及一种多因素智能选址方法及系统。
技术介绍
1、海洋智能选址是在确定最适宜的建设区域前进行的一系列分析和决策过程，该过程需要综合考虑拟建项目的目的以及规划海域的物理环境、生态环境等相关条件，选址的好坏将直接影响到项目建设的成败，因此，在智能选址研究时需要考虑现场渔业结构、资源状况、环境条件、管理背景、己有基础和航运交通等多种要素。
2、现有技术中存在对智能选址的技术方案，例如，中国专利技术专利（cn111291520a）公开了一种优化空间效率的海洋锚定浮标站位智能选址方法，包括s1.建立浮标站位选址模型，s2.空间数据预处理，s3.构建空间计算中间件，执行空间计算，s4.迭代器采用粒子群算法建立了启发式计算模式，对每个粒子运行一次空间计算中间件，选出空间效率指数最大的粒子作为全局最优解，s5.判断是否达到最大迭代次数，当达到最大迭代次数时，结束计算，输出全局最优解；未达到最大迭代次数时，则重复执行s3至s5。其优点在于有效地实现多个海洋锚定浮标站位的综合选址；然而，上述方案在智能选址时，一方面考虑因素较少，另一方面选址模型精度不够导致智能选址准确性不高。
技术实现思路
1、有鉴于此，本专利技术提出一种多因素智能选址方法及系统，用于提高智能选址准确性。
2、为了实现上述目的，提供一种多因素智能选址方法，所述方法包括以下步骤：
3、s1：收集用于智能选址的多因素数据；
4、s2：对所述多因素数据进行数据
5、s3：将经过处理后的所述多因素数据导入地理信息数据库，形成选址分析数据库；
6、s4：在智能选址系统输入选址条件，所述智能选址系统根据选址逻辑和选址分析数据库使用gis地理空间处理算法库postgis对选址数据进行自动计算，得到选址候选集;
7、s5：对所述选址候选集中的选址方案进行适应性价值评估；
8、所述采用改进层次分析法对所述选址候选集中的选址方案进行适应性价值评估具体为：
9、s5.1：确定对选址方案进行适应性价值评估的评估指标；
10、s5.2：利用改进层次分析法计算所述评估指标的最终权重；
11、s5.3：根据所述最终权重对所述选址候选集中的选址方案进行适应性价值评估。
12、优选地，所述s5.2具体为：
13、s5.2.1：创建判断矩阵a；
14、s5.2.2：计算m个指标的初始权重am；
15、s5.2.3：获取所述m个指标的主观权重bm；
16、s5.2.4：将第m个指标的初始权重am和主观权重bm比较，若相对误差小于预设阈值，则保留，否则进入下一步；
17、s5.2.5：对指标权重进行更新；
18、s5.2.6：将更新后的指标权重对所述初始权重进行更新，得到最终权重。
19、优选地，所述s1中，所述多种因素包括：行政区数据、岸线向海侧海域、岸线向陆侧海域、海洋功能划区、大陆海岸线、等深线、海洋生态红线、海洋权属数据、海洋分定等级数据。
20、优选地，所述s2中，所述数据处理包括：行政区数据处理、岸线数据处理、海洋生态红线数据处理、海洋分定等级数据处理。
21、优选地，所述行政区处理具体为：将目标省份的每个市的边界线数据中的省市字段导出，然后将每个市的边界线数据转为市面数据，最后将每个市的市面数据合并图层形成行政区数据；
22、所述岸线数据处理具体为：将所述岸线向海侧海域数据仅保留岸线一级类导出，然后添加“大陆岸线”字段，将所述岸线向陆侧海域仅保留岸线一级类导出，然后添加“海岛岸线”字段，然后将导出的一级类合并得到处理后的岸线数据；
23、所述海洋生态红线数据处理具体为：将所述海洋生态红线数据中的禁止类图斑扣除，然后挑选出需要的字段导出并重命名，并与行政区数据合并，从而形成处理后的海洋生态红线数据；
24、所述海洋分定等级数据处理具体为：将所述海洋分定等级数据的县、等别和级别字段导出，然后与行政区数据合并，形成处理后的海洋分定等级数据。
25、优选地，所述s3中，所述地理信息数据库为postgresql。
26、优选地，所述s4中，所述选址条件包括：所在市/所在县、用海类型、离岸距离、水深大小、海域使用等级、选址面积等。
27、优选地，所述s5.1中，所述评估指标包括海域功能、海域可接近性、流速、水深、水质、投资建设成本、交通成本。
28、优选地，所述s5.2.3具体为：选择预设数量的专家对所述海域功能、海域可接近性、流速、水深、水质、投资建设成本、交通成本评估指标分别赋权重，并对针对每个指标的多个专家赋的权重取平均值即可得到所述m个指标的主观权重bm。
29、根据本专利技术的另一方面，提供一种多因素智能选址系统，所述系统采用上述的一种多因素智能选址方法，所述系统包括：
30、数据收集模块，用于收集用于智能选址的多因素数据；
31、数据处理模块，用于对所述多因素数据进行数据处理操作；
32、选址分析数据库建立模块，用于将经过处理后的所述多因素数据导入地理信息数据库，形成选址分析数据库；
33、选址候选集获取模块，用于在所述选址分析数据库输入选址条件，得到选址候选集；
34、适应性价值评估模块，用于对所述选址候选集中的选址方案进行适应性价值评估。
35、本专利技术的优点和有益效果为：
36、本专利技术在智能选址时，考虑了行政区数据、岸线向海侧海域、岸线向陆侧海域、海洋功能划区、大陆海岸线、等深线、海洋生态红线、海洋权属数据、海洋分定等级数据等数据，考虑因素全面，提高了智能选址的准确性；
37、本专利技术在采用层次分析法对选址方案进行适应性评估时，对层次分析法进行改进，分别采用判断矩阵和主观打分的方式确定权重，然后筛选出误差较大的权重，针对误差较大的权重则采用熵值法对该权重更新，这样提高了权重确定的准确性，进而提高了选址方案评估的准确性。
本文档来自技高网...【技术保护点】
1.一种多因素智能选址方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种多因素智能选址方法，其特征在于，所述S5.2具体为：
3.根据权利要求1所述的一种多因素智能选址方法，其特征在于，所述S1中，所述多种因素包括：行政区数据、岸线向海侧海域、岸线向陆侧海域、海洋功能划区、大陆海岸线、等深线、海洋生态红线、海洋权属数据、海洋分定等级数据。
4.根据权利要求1所述的一种多因素智能选址方法，其特征在于，所述S2中，所述数据处理包括：行政区数据处理、岸线数据处理、海洋生态红线数据处理、海洋分定等级数据处理。
5.根据权利要求4所述的一种多因素智能选址方法，其特征在于，所述行政区处理具体为：将目标省份的每个市的边界线数据中的省市字段导出，然后将每个市的边界线数据转为市面数据，最后将每个市的市面数据合并图层形成行政区数据；
6.根据权利要求3所述的一种多因素智能选址方法，其特征在于，所述S3中，所述地理信息数据库为PostgreSQL。
7.根据权利要求1所述的一种多因素智能选址方法，其特征在于，所
8.根据权利要求2所述的一种多因素智能选址方法，其特征在于，所述S5.1中，所述评估指标包括海域功能、海域可接近性、流速、水深、水质、投资建设成本、交通成本。
9.根据权利要求8所述的一种多因素智能选址方法，其特征在于，所述S5.2.3具体为：选择预设数量的专家对所述海域功能、海域可接近性、流速、水深、水质、投资建设成本、交通成本评估指标分别赋权重，并对针对每个指标的多个专家赋的权重取平均值即可得到所述m个指标的主观权重bm。
10.一种多因素智能选址系统，其特征在于，所述系统采用权利要求1-9任一项所述的一种多因素智能选址方法，所述系统包括：
...【技术特征摘要】
1.一种多因素智能选址方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种多因素智能选址方法，其特征在于，所述s5.2具体为：
3.根据权利要求1所述的一种多因素智能选址方法，其特征在于，所述s1中，所述多种因素包括：行政区数据、岸线向海侧海域、岸线向陆侧海域、海洋功能划区、大陆海岸线、等深线、海洋生态红线、海洋权属数据、海洋分定等级数据。
4.根据权利要求1所述的一种多因素智能选址方法，其特征在于，所述s2中，所述数据处理包括：行政区数据处理、岸线数据处理、海洋生态红线数据处理、海洋分定等级数据处理。
5.根据权利要求4所述的一种多因素智能选址方法，其特征在于，所述行政区处理具体为：将目标省份的每个市的边界线数据中的省市字段导出，然后将每个市的边界线数据转为市面数据，最后将每个市的市面数据合并图层形成行政区数据；
6.根据权利要求3所述的一种多因素智...
【专利技术属性】
技术研发人员：冯振洲，朱骏侠，李勇，陈集景，范公彬，鲍笑，
申请(专利权)人：浙江省海洋科学院，
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。