[發(fā)明專利]一種基于自適應元胞算法的LULC預測方法

在審

• 申請?zhí)枺?/td>: 202010431882.2
• 申請日: 2020-05-20
• 公開（公告）號: CN111680576A
• 公開（公告）日: 2020-09-18
• 發(fā)明（設(shè)計）人: 王力哲;陳小島;李浩;王玥瑋;牟林;鄧澤
• 申請（專利權(quán)）人: 中國地質(zhì)大學（武漢）
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06Q10/04;G06N3/04
• 代理公司: 北京隆源天恒知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11473
• 代理人: 徐蘇明

本發(fā)明提供了一種基于自適應元胞算法的LULC預測方法，涉及機器學習技術(shù)領(lǐng)域。本發(fā)明所述的基于自適應元胞算法的LULC預測方法，包括：獲取遙感數(shù)據(jù)；對所述遙感數(shù)據(jù)分類；基于自適應元胞算法將經(jīng)分類的遙感數(shù)據(jù)轉(zhuǎn)化為一維向量；將所述經(jīng)分類的遙感數(shù)據(jù)與城市數(shù)據(jù)融合，形成融合數(shù)據(jù)；根據(jù)所述融合數(shù)據(jù)建模并進行測試。本發(fā)明所述的技術(shù)方案，將城市數(shù)據(jù)作為城市LULC變化的模擬預測建模參數(shù)，實現(xiàn)對城市土地的利用和城市的覆蓋情況進行預測，且有效增加了預測精度。

技術(shù)領(lǐng)域

本發(fā)明涉及機器學習技術(shù)領(lǐng)域，具體而言，涉及一種基于自適應元胞算法的LULC預測方法。

背景技術(shù)

常規(guī)神經(jīng)網(wǎng)絡(luò)在處理長時間序列數(shù)據(jù)時會產(chǎn)生巨大的計算開銷，而且會由于記憶能力無法得出最后的結(jié)果，在目前計算能力下，無法實現(xiàn)高效地對LULC的變化進行預測，因此如何準確高效地對LULC(the land-use/land-cover土地利用和土地覆蓋)的變化進行預測仍然是個難題，尤其是對遙感數(shù)據(jù)的處理。

發(fā)明內(nèi)容

本發(fā)明解決的問題是如何準確高效地對LULC的變化進行預測。

為解決上述問題，本發(fā)明提供一種基于自適應元胞算法的LULC預測方法，包括：獲取遙感數(shù)據(jù)；對所述遙感數(shù)據(jù)分類；基于自適應元胞算法將經(jīng)分類的遙感數(shù)據(jù)轉(zhuǎn)化為一維向量；將所述經(jīng)分類的遙感數(shù)據(jù)與城市數(shù)據(jù)融合，形成融合數(shù)據(jù)；根據(jù)所述融合數(shù)據(jù)建模并進行測試。

本發(fā)明所述的基于自適應元胞算法的LULC預測方法，將城市數(shù)據(jù)作為城市LULC變化的模擬預測建模參數(shù)，實現(xiàn)對城市土地的利用和城市的覆蓋情況進行預測，且有效增加了預測精度。

優(yōu)選地，所述對所述遙感數(shù)據(jù)分類包括：采用貝葉斯算法對所述遙感數(shù)據(jù)分類以將所述遙感數(shù)據(jù)轉(zhuǎn)化為向量元組。

本發(fā)明所述的基于自適應元胞算法的LULC預測方法，通過貝葉斯算法對所述遙感數(shù)據(jù)分類，實現(xiàn)對城市土地的利用和城市的覆蓋情況進行預測，且有效增加了預測精度。

優(yōu)選地，所述將所述遙感數(shù)據(jù)轉(zhuǎn)化為向量元組包括：用分類結(jié)果的一維類別數(shù)據(jù)替代三維RGB數(shù)據(jù)，用三維遙感數(shù)據(jù)替代五維遙感數(shù)據(jù)。

本發(fā)明所述的基于自適應元胞算法的LULC預測方法，將遙感數(shù)據(jù)轉(zhuǎn)化為向量元組，有效提高了模型的預測精度。

優(yōu)選地，所述對所述遙感數(shù)據(jù)分類包括：采用最大似然估計對遙感數(shù)據(jù)分類。

本發(fā)明所述的基于自適應元胞算法的LULC預測方法，通過采用最大似然估計對遙感數(shù)據(jù)分類，有效提高了模型的預測精度。

優(yōu)選地，所述基將所述經(jīng)分類的遙感數(shù)據(jù)與城市數(shù)據(jù)融合，形成融合數(shù)據(jù)包括：基于最大最小歸一化算法將所述城市數(shù)據(jù)限定為一維城市數(shù)據(jù)，將所述一維向量與所述一維城市數(shù)據(jù)融合得到一維的時序序列數(shù)據(jù)。

本發(fā)明所述的基于自適應元胞算法的LULC預測方法，通過將一維向量與一維城市數(shù)據(jù)融合得到一維的時序序列數(shù)據(jù)，有效提高了模型的預測精度。

優(yōu)選地，所述城市數(shù)據(jù)包括天氣數(shù)據(jù)，經(jīng)濟數(shù)據(jù)和建筑數(shù)據(jù)。

本發(fā)明所述的基于自適應元胞算法的LULC預測方法，通過設(shè)置城市數(shù)據(jù)包括天氣數(shù)據(jù)，經(jīng)濟數(shù)據(jù)和建筑數(shù)據(jù)，提高了城市數(shù)據(jù)的適用廣泛度，有效提高了模型的預測精度。

優(yōu)選地，所述天氣數(shù)據(jù)包括城市溫度變化、城市空氣污染和城市降雨分布，所述經(jīng)濟數(shù)據(jù)包括工業(yè)生產(chǎn)價值分布和居民消費分布，所述建筑數(shù)據(jù)包括建筑物平面數(shù)據(jù)、建筑物高度數(shù)據(jù)和建筑物表面紋理數(shù)據(jù)。

本發(fā)明所述的基于自適應元胞算法的LULC預測方法，通過設(shè)置天氣數(shù)據(jù)，經(jīng)濟數(shù)據(jù)和建筑數(shù)據(jù)的具體數(shù)據(jù)項目，提高了城市數(shù)據(jù)的適用廣泛度，有效提高了模型的預測精度。