一种传统村落保护利用价值的智能评价方法及系统技术方案

一种传统村落保护利用价值的智能评价方法，包括：准备数据，包括传统村落的基本信息、传统建筑信息、村落选址及格局信息、非物质文化遗产信息、历史环境要素信息和文化价值要素信息；从数据中提炼所需要的进行评价计算的指标，搭建神经网络，导入数据训练，确定最优指标权重，利用训练完成得到的神经网络模型，对传统村落的保护利用价值进行评价。本发明专利技术还提供了相应的智能评价系统，利用神经网络的处理方式，消除传统的以研究人员主观的权重分配带来的人为影响因素，充分利用已知的传统村落的所有数据，并深度挖掘传统村落各数据之间的联系，以期得到对于特定的传统村落的价值评价判定。定。定。

【技术实现步骤摘要】
一种传统村落保护利用价值的智能评价方法及系统


[0001]本专利技术属于文物保护
，特别涉及一种传统村落保护利用价值的智能评价方法及系统。

技术介绍

[0002]由于实践的需求，传统村落价值评价已经受到建筑、规划、旅游等应用学科的普遍的关注，传统村落的价值评价是传统村落评选和保护规划编制的一项重要内容，在传统村落保护与发展工作中起着重要作用。目前为止，对于传统村落的评价依然靠人为分析处理村落数据，多数学者根据已有的评估方法加以融合改进，进一步分析其使用情景及适用条件，从而对传统村落进行种类划分和价值评估。
[0003]传统的评价方法有着诸多的弊端，传统村落因其地域性和历史风俗关系，要实际评价一个传统村落就必须多维度多领域地去分析数据。因传统村落庞大的数据信息所困，传统人为地划分信息种类以及收集村落数据极为困难，单一机构或团体对于一片区域的村落数据的收集都不能保证完善；而且人为的分析处理数据精准度取决于当事人的学术经验和评估方法模型对于村落信息的适配性，这无疑是对人力的主观因素的一种押宝；再者因传统村落有着极强的地域特色，学术界会因新领域中评价权重分配不当对于未研究过地域的传统村落会有一定的处理盲区；最后，由于当前评价指标体系研究深度普遍不够，传统村落的信息使用率不足亦或是令一些数据完全未处理。
[0004]综上所述，如何提供一个能综合处理对于传统村落的多元主体性、整体性和地域性等疑难的智能评价平台，是亟待解决的技术问题。

技术实现思路

[0005]为了克服上述现有技术的缺点，本专利技术的目的在于提供一种传统村落保护利用价值的智能评价方法及系统，以期解决前述技术问题，得到不以分析人员为主导的客观真实的价值评价结果。
[0006]为了实现上述目的，本专利技术采用的技术方案是：
[0007]一种传统村落保护利用价值的智能评价方法，包括：
[0008]步骤1，准备数据
[0009]所述数据包括传统村落的基本信息、传统建筑信息、村落选址及格局信息、非物质文化遗产信息、历史环境要素信息和文化价值要素信息；
[0010]步骤2，提炼指标
[0011]从所述数据中提炼所需要的进行评价计算的指标，至少包括：村落批次以及村落的指标项；
[0012]步骤3，搭建神经网络
[0013]构建由输入层、隐藏层和输出层构成的神经网络，以所述指标项作为输入层神经元，经过中间隐藏层的反复运算，最后在输出层输出一个神经元作为传统村落的保护利用
价值评价分数；
[0014]步骤4，导入数据训练，确定最优指标权重，利用训练完成得到的神经网络模型，对传统村落的保护利用价值进行评价。
[0015]在一个实施例中，所述传统村落的基本信息至少包括村名、地理信息、村落批次；传统建筑信息至少包括建筑久远度、建筑稀缺度、建筑规模与比例；村落选址及格局信息至少包括选址久远度、选址丰富度、格局完整性；非物质文化遗产信息至少包括非遗稀缺性、非遗丰富度、连续性；历史环境要素信息至少包括历史环境久远度、历史环境要素数量、历史环境丰富度；文化价值要素至少包括经济价值、社会文化价值、环境价值。
[0016]在一个实施例中，所述村落批次分为五批，第一批村落综合评分为90
‑
100分，第二批到第五批村落综合评分等差降序，且保证第一批至第五批村落综合评分均在60
‑
100分区间。
[0017]在一个实施例中，所述村落的指标项是指业内公认的影响传统村落较大的数据项录，每个指标项拥有一个或多个指标对象，每个指标对象拥有自己的分值标准。
[0018]在一个实施例中，所述村落的指标项包括：建筑久远度、建筑稀缺度、建筑规模与比例、建筑丰富度、建筑工艺美学价值、选址久远度、选址丰富度、协调性、非遗稀缺度、非遗丰富度、连续性、活动规模、活态性、传承人、历史环境久远度、历史环境稀缺度、数量以及历史环境丰富度。
[0019]在一个实施例中，所述步骤4中，指标权重和偏移值首次在神经网络运算时为随机值，采用BP算法进行指标权重和偏移值调优减小误差，调优过程如下：
[0020]步骤4.1，初始化指标权重和偏移值；
[0021]步骤4.2，按照权重和偏移值计算结果；
[0022]步骤4.3，计算误差；
[0023]步骤4.4，根据误差调整权重和偏移值；
[0024]步骤4.5，重复上述步骤10万次。
[0025]本专利技术还提供了基于所述传统村落保护利用价值的智能评价方法的智能评价系统，包括：
[0026]数据录入模块，用于录入传统村落的基本信息、传统建筑信息、村落选址及格局信息、非物质文化遗产信息、历史环境要素信息和文化价值要素信息；
[0027]数据提取模块，从所述数据中提炼所需要的进行评价计算的指标，至少包括：村落批次以及村落的指标项；
[0028]评价模块，基于所述训练完成得到的神经网络模型，对传统村落的保护利用价值进行评价；
[0029]结果输出模块，将评价得到的所述传统村落的保护利用价值输出。
[0030]在一个实施例中，所述智能评价系统为计算机或服务器，所述数据录入模块为键盘或触摸屏，所述数据提取模块和评价模块为运行于计算机或服务器的虚拟模块，所述结果输出模块为显示屏。
[0031]与现有技术相比，本专利技术的有益效果是：
[0032]本专利技术以传统村落为主体进行研究分析，以传统村落多维度多领域的数据信息作为切入点，利用神经网络的处理方式，消除传统的以研究人员主观的权重分配带来的人为
影响因素，充分利用已知的传统村落的所有数据，并深度挖掘传统村落各数据之间的联系，以期得到对于特定的传统村落的价值评价判定，在这个过程中，会有比传统的村落评价方法更优的方面，也会有伴随着的传统评价实现不了的新成果的展示，优势如下：
[0033]第一：与传统的村落数据收集不同，该智能评价系统会将所有村落信息录入，建立自己完善的数据库，该系统会多次收集各机构单位的数据加以融合，保证了数据的精简无累赘，每次增加的村落信息都会完善整个系统评价的精准度；
[0034]第二：通过神经网络对于大量传统村落数据的训练得到的评价权重值，比由分析人员根据自身经验赋予权值要更客观精准，具有参考价值；
[0035]第三：由本专利技术得到的传统村落的价值评价结果，建立在大量的村落数据的训练上，对于未研究过地域性的传统村落，亦或是之前从未评估过的类型的村落，仍然可以作为重要参考依据；
[0036]第四：由于传统村落所涉及的信息众多，如经济价值、环境价值、使用价值和历史价值等，各领域还能继续细分，其中包含的数据量过于庞大，人为去抽丝剥茧分析处理方方面面并不现实，而机器恰能将数据的使用率达到百分之百，综合考虑计算出的评价结果也更精准客观。
附图说明
[0037]图1是本专利技术神经网络结构示意图。
具体实施方式
[0038]下面结合附图和实施例详细说明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种传统村落保护利用价值的智能评价方法，其特征在于，包括：步骤1，准备数据所述数据包括传统村落的基本信息、传统建筑信息、村落选址及格局信息、非物质文化遗产信息、历史环境要素信息和文化价值要素信息；步骤2，提炼指标从所述数据中提炼所需要的进行评价计算的指标，至少包括：村落批次以及村落的指标项；步骤3，搭建神经网络构建由输入层、隐藏层和输出层构成的神经网络，以所述指标项作为输入层神经元，经过中间隐藏层的反复运算，最后在输出层输出一个神经元作为传统村落的保护利用价值评价分数；步骤4，导入数据训练，确定最优指标权重和偏移值，利用训练完成得到的神经网络模型，对传统村落的保护利用价值进行评价。2.根据权利要求1所述传统村落保护利用价值的智能评价方法，其特征在于，所述传统村落的基本信息至少包括村名、地理信息、村落批次；传统建筑信息至少包括建筑久远度、建筑稀缺度、建筑规模与比例；村落选址及格局信息至少包括选址久远度、选址丰富度、格局完整性；非物质文化遗产信息至少包括非遗稀缺性、非遗丰富度、连续性；历史环境要素信息至少包括历史环境久远度、历史环境要素数量、历史环境丰富度；文化价值要素至少包括经济价值、社会文化价值、环境价值。3.根据权利要求1所述传统村落保护利用价值的智能评价方法，其特征在于，所述村落批次分为五批，第一批村落综合评分为90
‑
100分，第二批到第五批村落综合评分等差降序，且保证第一批至第五批村落综合评分均在60
‑
100分区间。4.根据权利要求3所述传统村落保护利用价值的智能评价方法，其特征在于，所述村落的指标项是指业内公认的影响传统村落较大的数据项录，每个指标项拥有一个或多个指标对象，每个指标对象拥有自己的分值标准。5.根据权利要求4所述传统村落保护利用价值的智能评价方法，其特征在于，所述村落的指标项包括：建筑久远度、建筑稀缺度、建筑规模与比例、建筑丰富度、建筑工艺美学价值、选址久远度、选址丰富度、协调性、非遗稀缺度、非遗丰富度、连续性、活动规模、活态性、传承人、历史环境久远度、历史环境稀缺度、数量以及历史环境丰富度。6.根据权利要求1所述传统村落保护利用价值的智能评价方法，其特征在于，所述步骤3神经网络中，每个输入层节点均与每个隐藏层节点做点对点的计算，计算方法是加权求和；隐藏层节点数量通过试错法择优选取，即不断调试...

【专利技术属性】
技术研发人员：朱旭东，赖腾，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：