一种基于D-G曲线和BP-ANN的城市建成区活力评价方法

    公开(公告)号:CN114971358A

    公开(公告)日:2022-08-30

    申请号:CN202210661299.X

    申请日:2022-06-13

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于D‑G曲线和BP‑ANN的城市建成区活力评价方法,包括以下步骤:S1:步骤1:首解构城市活力的形成;S2:基于不同数据源、不同分类标准的土地利用覆被产品为土地资源、类型等信息提取提供扎实的数据支撑;S3:基于POI密度估计,采用D‑G区县识别建成区的空间界限;S4:最终的建成区由边界Ⅰ与边界Ⅱ经空间几何分析后融合提取得到;S5:确定好城市活力评价范围后,对指标需进行标准化处理;S6:采用模糊聚类和随机抽样相结合的训练样本选取方法。

    一种基于多源数据和集成学习的人口空间化方法

    公开(公告)号:CN115129802B

    公开(公告)日:2024-12-10

    申请号:CN202210782643.0

    申请日:2022-07-05

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于多源数据和集成学习的人口空间化方法,该方法包括以下步骤:S1、获取多源数据并进行融合,构建人口空间化数据库;S2、从所述人口空间化数据库中构建用于模型拟合的指标体系,通过集成学习模型计算的特征重要性筛选出有效指标;S3、结合所述有效指标与社区人口之间的关系,构建Pop‑XGBoost人口空间化模型;S4、预测人口空间分布,并将格网人口模拟数据汇总至社区尺度,与真实的社区人口统计数据对比,验证结果精度。通过结合多源数据融合技术、指标筛选技术和集成学习技术等构建人口空间化模型,准确高效地实现高精度人口空间化预测。

    一种基于多源数据和集成学习的人口空间化方法

    公开(公告)号:CN115129802A

    公开(公告)日:2022-09-30

    申请号:CN202210782643.0

    申请日:2022-07-05

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于多源数据和集成学习的人口空间化方法,该方法包括以下步骤:S1、获取多源数据并进行融合,构建人口空间化数据库;S2、从所述人口空间化数据库中构建用于模型拟合的指标体系,通过集成学习模型计算的特征重要性筛选出有效指标;S3、结合所述有效指标与社区人口之间的关系,构建Pop‑XGBoost人口空间化模型;S4、预测人口空间分布,并将格网人口模拟数据汇总至社区尺度,与真实的社区人口统计数据对比,验证结果精度。通过结合多源数据融合技术、指标筛选技术和集成学习技术等构建人口空间化模型,准确高效地实现高精度人口空间化预测。

Patent Agency Ranking