-
公开(公告)号：CN119090082A
公开(公告)日：2024-12-06
申请号：CN202411235452.8
申请日：2024-09-04
Applicant: 东南大学
Abstract: 本发明公开一种基于形态‑生态响应模型的城市蓝绿空间布局优化方法，首先，构建城市蓝绿空间形态特征指标集与生态效益指标集。其次，采用随机森林方法，通过目标区域的形态特征指标集与生态效益指标集训练获得城市蓝绿空间“形态‑生态”响应模型。再次，获取目标区域规划方案，对目标区域内形态特征指标进行计算。之后，利用响应模型识别典型生态效益待提升区域，获取生态效益优化目标。最后，构建基于响应模型的优化迭代循环，输出优化后的城市蓝绿空间形态特征数列，使用景观生成器平台进行转换，从而获得优化后的城市蓝绿空间布局。本发明提供了一种高效的、科学的城市蓝绿空间形态优化方法，能够为今后的政府决策提供数据支持。
-
公开(公告)号：CN119090083A
公开(公告)日：2024-12-06
申请号：CN202411235456.6
申请日：2024-09-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于多生态效益目标的城市蓝绿空间形态优化方法，包括以下步骤：S1设置城市蓝绿空间形态优化模型决策变量；S2设置城市蓝绿空间形态优化模型初始性参数；S3构建城市蓝绿空间多生态效益目标函数；S4设立城市蓝绿空间形态优化模型约束条件；S5基于NSGA‑Ⅱ算法进行城市蓝绿空间形态优化，获得多生态效益目标对应的帕累托前沿解；S6用熵权法筛选出最优城市蓝绿空间形态方案。本发明在综合考虑多生态目标的基础上，能够实现城市蓝绿空间形态优化，有助于提升城市生态环境质量。
-
公开(公告)号：CN119130243A
公开(公告)日：2024-12-13
申请号：CN202411235461.7
申请日：2024-09-04
Applicant: 东南大学
IPC: G06Q10/0639 , G06Q50/26 , G06F16/29 , G06F18/243 , G06F18/27 , G06N5/01 , G06N20/00 , G06N20/20 , G01D21/02
Abstract: 本发明公开了一种城市蓝绿空间生态效益关键影响因子识别方法；首先，构建城市蓝绿空间生态效益评价指标集；其次，计算各项指标数据并进行标准化处理，建立城市蓝绿空间生态效益标准化数据矩阵；再次，采用层次分析法确定指标主观权重，采用熵权法确定客观权重，通过组合赋权获得各项指标权重；之后，构建熵权‑TOPSIS模型计算加权后的城市蓝绿空间生态效益标准化数据矩阵，完成城市蓝绿空间生态效益评价；然后，建立城市蓝绿空间生态效益影响因子集；最后，基于城市蓝绿空间生态效益评价结果，采用GWR‑XGBoost模型识别关键影响因子。本发明结合多准则决策分析方法、地理加权回归模型及机器学习技术能够快速准确地获取城市蓝绿空间生态效益的关键影响因子。
-
公开(公告)号：CN118917743A
公开(公告)日：2024-11-08
申请号：CN202411235457.0
申请日：2024-09-04
Applicant: 东南大学
IPC: G06Q10/0639 , G06Q50/26 , G06F18/214 , G06N5/01 , G06N20/20
Abstract: 本发明公开了一种城市蓝绿空间生态效益预测方法，包括以下步骤：S1建立城市蓝绿空间形态特征和生态效益指标集；S2计算城市蓝绿空间形态特征指标、生态效益指标和总生态效益，计算形态特征指标之间的相关性与重要性，筛选关键形态特征指标；S3基于关键形态特征指标数据与总生态效益数据，采用随机森林算法训练获得形态和生态的响应关系；S4计算城市蓝绿空间规划方案形态指标数据；S5基于形态和生态的响应关系，通过城市蓝绿空间规划方案形态指标数据预测得出城市蓝绿空间规划方案的生态效益；本发明采用随机森林的机器学习算法，实现城市蓝绿空间规划方案生态效益预测，从而为城市发展的生态环境效益评估提供参考。
-
-
-
Search Results
4
records
(took 0.011 seconds)
