公开(公告)号：CN112597948A

公开(公告)日：2021-04-02

申请号：CN202011601204.2

申请日：2020-12-29

Applicant: 同济大学

Inventor： 柳伟佳 ,  汤焱 ,  冯永玖

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26

Abstract: 本发明涉及一种城市土地利用变化预测方法，包括以下步骤：对遥感图像进行监督分类，获得城市土地利用分类图像，基于驱动因子得到驱动因子图像；利用主成分分析方法进行降维，获得降维驱动因子数据和土地利用分类数据；利用降维驱动因子数据和土地利用分类数据训练集训练人工神经网络，取人工神经网络倒数第二层为扩展特征数据；根据降维驱动因子数据和扩展特征数据，通过梯度提升决策树训练元胞自动机，结合限制因子、概率增强、邻域缩放和邻域影响，得到城市土地利用变化预测模型；根据城市土地利用变化预测模型进行城市土地利用变化预测。与现有技术相比，解决驱动因子间强相关性导致特征无法充分使用问题，可以提升结果的可靠性和精确性。

公开(公告)号：CN112597948B

公开(公告)日：2023-03-28

申请号：CN202011601204.2

申请日：2020-12-29

Applicant: 同济大学

Inventor： 柳伟佳 ,  汤焱 ,  冯永玖

IPC: G06V20/10 ,  G06V10/77 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26

Abstract: 本发明涉及一种城市土地利用变化预测方法，包括以下步骤：对遥感图像进行监督分类，获得城市土地利用分类图像，基于驱动因子得到驱动因子图像；利用主成分分析方法进行降维，获得降维驱动因子数据和土地利用分类数据；利用降维驱动因子数据和土地利用分类数据训练集训练人工神经网络，取人工神经网络倒数第二层为扩展特征数据；根据降维驱动因子数据和扩展特征数据，通过梯度提升决策树训练元胞自动机，结合限制因子、概率增强、邻域缩放和邻域影响，得到城市土地利用变化预测模型；根据城市土地利用变化预测模型进行城市土地利用变化预测。与现有技术相比，解决驱动因子间强相关性导致特征无法充分使用问题，可以提升结果的可靠性和精确性。