买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广州筑鼎建筑与规划设计院有限公司

摘要：本发明公开了一种基于机器学习的城市土地利用规划方法及系统，方法包括：数据采集、城市土地数据异常处理、构建城市土地利用规划模型、模型参数搜索和城市土地利用规划。本发明属于土地利用规划技术领域，具体是指一种基于机器学习的城市土地利用规划方法及系统，本方案计算数据每个特征的经验累积分布函数和偏度系数，得到数据三个不同的异常得分，采用加权平均法计算数据最终异常得分，并根据异常阈值识别并删除异常数据；调用SVM函数，引入差值控制量和加权变量设计差值损失函数，完成模型构建；使用自适应因子改进的帐篷混沌映射函数初始化个体位置，基于自适应影响力构建自适应邻里组，基于修正因子进行位置更新。

主权项：1.一种基于机器学习的城市土地利用规划方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集，采集城市土地数据和利用类型；步骤S2：城市土地数据异常处理，计算数据每个特征的经验累积分布函数和偏度系数，得到数据三个不同的异常得分，采用加权平均法计算数据最终异常得分，并根据异常阈值识别并删除异常数据；步骤S3：构建城市土地利用规划模型，调用SVM函数，引入差值控制量和加权变量设计差值损失函数，完成模型构建；步骤S4：模型参数搜索，使用自适应因子改进的帐篷混沌映射函数初始化个体位置，基于自适应影响力构建自适应邻里组，基于修正因子进行位置更新；步骤S5：城市土地利用规划，基于城市土地利用规划模型输出的数据标签对城市土地的利用类型进行合理规划；在步骤S2中，所述城市土地数据异常处理具体包括以下步骤：步骤S21：预处理，对采集的数据进行归一化、去除噪声和缺失值处理，基于预处理后的数据构建土地数据处理集A；步骤S22：计算经验累积分布函数，所用公式如下： ； ；式中，1{}是指示函数，当其参数为真时为1，否则为0；是第d1个特征的第一经验累积分布函数，是第d1个特征的第二经验累积分布函数，是土地数据处理集A中第n1个数据的第d1个特征的值，b是边界值，d1是数据的特征索引，N1是土地数据处理集A中的数据数量，D1是数据的特征数量，n1是土地数据处理集A中的数据索引；步骤S23：计算偏度系数，所用公式如下： ； ；式中，是第d1个特征的偏度系数，是第d1个特征的数据平均值；步骤S24：计算异常得分，所用公式如下： ； ； ；式中，是的第一异常得分，是的第二异常得分，是的第三异常得分；步骤S25：计算最终异常得分，预先设定第一异常得分的权重γ1、第二异常得分的权重γ2和第三异常得分的权重γ3，所用公式如下： ；式中，是的最终异常得分；步骤S26：删除异常数据，预先设定异常阈值β，当≥β时，则将该数据识别为异常数据并删除；否则，将其保留，从最后保留的数据中随机选取70%的数据构建训练数据集，基于剩余30%的数据构建测试数据集；在步骤S4中，所述模型参数搜索具体包括以下步骤：步骤S41：初始化个体位置，用个体位置是模型参数的代表，在[0，1]范围内随机生成一个位置初始值G0，基于引入自适应因子改进的帐篷混沌映射函数初始化个体位置，所用公式如下： ；式中，Gi是第i个个体的初始化位置，Gi-1是第i-1个个体的初始化位置，i是个体的索引，NG是个体总数量，ε是自适应因子；步骤S42：计算个体的自适应影响力，将城市土地利用规划模型性能作为个体的适应度值，按照适应度值从大到小的顺序进行排序，计算个体的自适应影响力所用公式如下： ；式中，YXp（t）是第t次迭代时第p个个体的自适应影响力，p是排序后的个体索引即个体排名，Sp（t）是第t次迭代时第p个个体的适应度值，t是迭代索引；步骤S43：构建个体的自适应邻里组，预先设定邻里阈值，若YXp（t）或YXq（t）中有一个大于邻里阈值，则将个体p和个体q之间的自适应邻里关系记为1；否则，将个体p和个体q之间的自适应邻里关系记为0，基于自适应邻里关系为1的个体构建第t次迭代时个体p的自适应邻里组Zp（t）；其中，YXq（t）是第t次迭代时第q个个体的自适应影响力，q是不等于p的排序后的个体索引；步骤S44：基于修正因子进行位置更新，为每个个体随机生成一个位置更新策略选择值hp，基于修正因子进行位置更新所用公式如下： ； ； ；式中，Gp（t）是第t+1次迭代时第p个个体的位置，是第一修正因子，是第二修正因子，j是自适应邻里组Zp（t）中的个体索引，Np是自适应邻里组Zp（t）中的个体数量，Ej是第j个个体在自适应邻里组Zp（t）中的权重，r是更新随机值，Gj（t）是第t次迭代时自适应邻里组Zp（t）中第j个个体的位置；步骤S45：参数确定，预先设定适应度阈值σ和最大迭代次数T，更新个体的适应度值，当最高适应度值大于适应度阈值σ时，则基于当前模型参数构建城市土地利用规划模型；否则，若达到最大迭代次数T，则转至步骤S41；否则转至步骤S42；在步骤S3中，所述构建城市土地利用规划模型具体包括以下步骤：步骤S31：模型训练，利用python导入sklearn库调用SVM函数，基于训练数据集完成模型训练；步骤S32：设计差值损失函数，将测试数据集输入模型中，基于损失值设计差值损失函数，所用公式如下： ； ；式中，Lossc是第c个样本数据的损失值，Hc是第c个样本数据的真实标签，是第c个样本数据的模型输出标签，K是差值控制量，Ψ是加权变量，c是样本数据的索引，Nxl是测试数据集的样本数据数量，Losszh是差值损失函数。

全文数据：

权利要求：

百度查询： 广州筑鼎建筑与规划设计院有限公司 一种基于机器学习的城市土地利用规划方法及系统