【技术实现步骤摘要】
一种城镇建设用地时间维度演化预测方法
[0001]本专利技术涉及城镇建设用地扩张演化预测
，尤其是涉及一种城镇建设用地时间维度演化预测方法。
技术介绍
[0002]城镇建设用地是指在土地利用总体规划确定的城镇建设用地范围内，为实施城镇规划占用土地，既包括城镇住宅和公共建筑用地，也包括工矿仓储用地、商服用地和其他特殊用地等。
[0003]现有的技术中，针对城镇建设用地的演化增长过程研究是城乡规划研究的重要手段。既有的演化增长研究技术，主要依靠系统动力学模型，但这种方法存在理想化假设，过分依靠模型以及先验经验，针对每个具体的场景(城市)需要较大幅度对模型进行修正，存在自适应性不足、迭代效率不高的问题。
技术实现思路
[0004]针对现有技术存在的不足，本专利技术的目的是提供一种城镇建设用地时间维度演化预测方法，其采用基于城镇建设用地时间维度扩增技术的城镇建设用地时间维度演化预测方法，能够在紧密结合城镇建设用地时间维度扩增方案的基础上，利用循环神经网络学习城镇建设用地时间维度扩增的演化模式，并基于此演化模式对下一步的城镇建设用地扩张演化方向进行预测，对城镇建设用地规划方案的进一步制定优化有重要的指导作用。
[0005]本专利技术的上述专利技术目的是通过以下技术方案得以实现的：
[0006]一种城镇建设用地时间维度演化预测方法，包括以下步骤：
[0007](1)对需要扩增的断面的个数及各模型初始化参数进行设定，确定主城区扩增模块，记录下各聚类簇的中心点的坐标；
[...
【技术保护点】
【技术特征摘要】
1.一种城镇建设用地时间维度演化预测方法，其特征在于：包括以下步骤：(1)对需要扩增的断面的个数及各模型初始化参数进行设定，确定主城区扩增模块，记录下各聚类簇的中心点的坐标；(2)在所设定的扩增参数的范围内进行遍历，根据各中心点坐标，按行维度和列维度分别求和并进一步求取的平均值，作为相应主城区的中心点；(3)将各聚类簇的中心按照与步骤(2)中计算出的各主城区中心的距离进行升序排序，也即距离最小的在最前面，距离最大的在最后面，确定各个主城区的扩增簇的扩增顺序和标签；(4)按照步骤(3)的方式进行遍历，依次将各个聚类簇的中心点的坐标以(x，y)的方式逐行写入并存储于文本或csv文件作为训练数据，其中x代表图像矩阵的横坐标，y代表图像矩阵的纵坐标；(5)按照步骤(4)生成的csv文件按行依次读出并存储作为时序关系训练数据；(6)按照步骤(5)生成的时序关系训练数据作进一步处理，首先求取矩阵横坐标的最小值，以及最大值，然后纵坐标的最小值以及最大值，并分别存储到临时变量；(7)按照步骤(5)生成的横坐标最小值、最大值，遍历横坐标，将横坐标减去横坐标的最小值，然后除以横坐标的最大值与最小值的差，作为横坐标的规范化值；(8)按照步骤(5)生成的纵坐标最小值、最大值，遍历纵坐标，将纵坐标减去纵坐标的最小值，然后除以纵坐标的最大值与最小值的差，作为纵坐标的规范化值；(9)按照步骤(7)，(8)生成的规范化横坐标值和规范化纵坐标值，进一步进行数据处理，设定需要训练的样本总数；(10)按照步骤(9)给出的样本总数构建数据输入矩阵，其中矩阵维度为样本总数
×
样本容量
×
2；(11)按照步骤(9)给出的样本总数构建标签输入矩阵，其中矩阵维度为样本总数
×
样本容量
×
2；(12)按照步骤(9)(10)(11)给出的训练总数，数据输入矩阵，标签输入矩阵进行数据填充；(13)遍历过程中按照将后序数据作为前序数据的标签的原则，从规范化序列中提取横坐标、纵坐标填充到数据输入矩阵中；(14)遍历过程中按照将后序数据作为标签的原则，从规范化序列中提取横坐标、纵坐标填充到标签输入矩阵中；(15)构建循环神经网络模型，设定具体的模型参数，如单元数，训练轮数，训练精度指标打印；(16)待模型训练过程完毕，达到预期的性能指标停止训练；(17)进入模型预测阶段，分别将测试数据或训练数据的最后一次样本数据作为验证测试数据进行预测；(18)在预测过程中，每次均使用预测生成的数据与当前数据进行拼接，依次以此作为测试数据利用模型进行预测并生成下一轮测试数据；(19)在依次以此作为测试数据利用模型进行预测并生成下一轮测试数据的过程中，将生成的数据依次保存插入列表中；
(20)在步骤(19)的基础上，依次遍历列表的数据；(21)在步骤(20)的基础上，每次遍历的数据均通过反规范化进行处理；(22)在步骤(21)的基础上，针对横坐标的反规范化处理为生成数据乘以步骤(7)的横坐标的最大值和最小值的差，然后加上步骤(7)的横坐标的最小值；(23)在步骤(21)的基础上，针对纵坐标的反规范化处理为生成数据乘以步骤(8)的纵坐标的最大值和最小值的差，然后加上步骤(8)的纵坐标的最小值；(24)在步骤(23)(24)的基础上，将反规范化的横坐标依次存入新的横坐标列表中；(25)在步骤(23)(24)的基础上，将反规范化的纵坐标依次存入新的纵坐标列表中；(26)取基于一种城镇建设用地时间维度扩增方法专利中步骤(2)中的后序图像数据作为扩张演化基础；(27)在步骤(26)的基础上，结合以上所有步骤的操作，生成预测扩张演化数据；(28)在步骤(27)的基础上，结合本发明步骤(3)的扩增的簇的标签，随机选取扩增形状区块；(29)重复步骤(28)的步骤，待达到待预测生成的图像数目；(30)在步骤(29)的基础上，依次按照顺序从步骤(24)中提取反规范化的横坐标；(31)在步骤(29)的基础上，依次按照顺序从步骤(25)中提取反规范化的纵坐标；(32)在步骤(30)(31)的基础上，结合步骤(26)，依次将随机提取的区块更新到图像上；(33)在步骤(32)生成的更新到图像依次进一步迭代，将随机提取的区块依次更新在此基础上继续更新并保存；(34)在步骤(33)生成的更新保存到图像利用第三方工具进行存储，并以此按照时序化命名。2.根据权利要求1所述的一种城镇建设用地时间维度演化预测方法，其特征在于，步骤(1)具体包括以下步骤：(1.1)打开python编程IDE，分别设定确定的扩增个数的变量名称，然后对其进行赋值；(1.2)确定各模型初始化参数变量名称，然后对其进行赋值；(1.3)确定主城区扩增模块程序；(1.4)为聚类簇的中心点设定行维度临时变量；(1.5)为聚类簇的中心点设定行维度临时变量进行赋值；(1.6)为聚类簇的中心点设定列维度临时变量；(1.7)为聚类簇的中心点设定行维度临时变量进行赋值；(1.8)创建聚类簇中心点临时列表变量；(1.9)将行维度临时变量append聚类簇中心点临时列表变量；(1.10)创建聚类簇中心列表变量，并赋值为空列表；(1.11)遍历各个聚类簇将临时变量依次append到步骤(1.5)生成的空列表中；(1.12)获得存储全部聚类簇中心变量的列表以待后续步骤使用；步骤(2)具体包括以下步骤：(2.1)根据步骤(1)中确定的扩增个数，形成range(个数)，并进一步遍历；(2.2)创建行坐标和临时变量；(2.3)创建列坐标和临时变量；
(2.4)在(2.1)的遍历过程中，每次都将行坐标和临时变量和行坐标求和，将求和再赋值给行坐标和；(2.5)在(2.1)的遍历过程中，每次都将列坐标和临时变量和列坐标求和，将求和再赋值给列坐标和；(2.6)将行坐标和取平均；(2.7)将列坐标和取平均；(2.8)创建主城区中心点行坐标；(2.9)创建主城区中心点列坐标；(2.10)将行坐标平均值赋给主城区中心点行坐标；(2.11)将列坐标平均值赋给主城区中心点列坐标；步骤(3)具体包括以下步骤：(3.1)遍历各个聚类簇中心列表；(3.2)将步骤(2)得到的主城区中心点行坐标与遍历中的各个聚类簇中心进行求欧式距离；(3.3)将欧式距离封装进python列表；(3.4)调用pythonsort函数对列表进行排序；(3.5)设定排序为升序，即最小的在前面，最大的在后面；(3.6)确定扩增顺序和标签；步骤(4)具体包括以下步骤：(4.1)将步骤(3)的方式进行遍历的结果以(x，y)存储；(4.2)将(x，y)存储依次调用python写入函数；(4.3)声明文本文件名变量；(4.4)将写入函数写入声明文本文件名变量的文本。3.根据权利要求1所述的一种城镇建设用地时间维度演化预测方法，其特征在于，步骤(5)具体包括以下步骤：(4.5)按照步骤(4)生成的csv文件依次读出；(4.6)按照步骤(4)读出的数据依次存储为训练样本数据；步骤(6)具体包括以下步骤：(6.1)按照步骤(5)生成的时序关系训练数据作进一步处理；(6.2)结合步骤(6.1)，求取矩阵横坐标的最小值；(6.3)结合步骤(6.2)，求取矩阵横坐标的最大值；(6.4)结合步骤(6.3)，求取矩阵纵坐标的最小值；(6.5)结合步骤(6.4)，求取矩阵纵坐标的最大值；(6.6)结合步骤(6.7)，新建矩阵横坐标的最小值变量；(6.7)结合步骤(6.6)，新建矩阵横坐标的最大值变量；(6.8)结合步骤(6.7)，新建矩阵纵坐标的最小值变量；(6.9)结合步骤(6.8)，新建矩阵纵坐标的最小值变量；(6.10)结合步骤(6.9)，分别进行变量赋值；步骤(7)具体包括以下步骤：
(7.1)按照步骤(5)生成的横坐标最小值、最大值作为基础；(7.2)结合步骤(7.1)，遍历横坐标；(7.3)结合步骤(7.2)，将横坐标减去横坐标的最小值；(7.4)结合上一步(7.3)，除以横坐标的最大值与最小值的差；(7.5)结合步骤(7.4)，新建横坐标的规范化值变量；(7.6)结合步骤(7.5)，将横坐标减去横坐标的最小值除以横坐标的最大值与最小值的差赋值规范化值变量；步骤(8)具体包括以下步骤：(8.1)编写程序，按照步骤(5)生成的纵坐标最小值、最大值作为基础；(8.2)编写程序，结合步骤(8.1)，遍历纵坐标；(8.3)编写程序，结合步骤(8.2...
【专利技术属性】
技术研发人员：李涛，毕泗国，
申请(专利权)人：上海复见网络科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。