基于人工智能的环境设计数据处理方法技术

本发明专利技术涉及数据处理技术领域，具体涉及基于人工智能的环境设计数据处理方法，包括：获取多维空间的城市人口数据；将多维空间的数据对应到时序空间并划分窗口；根据每个窗口内得到每个数据点的时序信息优化因子；利用时序信息优化因子得到每个数据点的距离优化因子；利用距离优化因子进行多维数据点的聚类，确定数据点的隐藏状态；根据数据点的隐藏状态建立隐马尔科夫模型，对环境设计数据中的城市人口状态进行预测。本发明专利技术通过数据点的时序信息对聚类过程中的数据点距离进行优化，提高了每个数据点隐藏状态聚类结果的准确性。据点隐藏状态聚类结果的准确性。据点隐藏状态聚类结果的准确性。

【技术实现步骤摘要】
基于人工智能的环境设计数据处理方法


[0001]本专利技术涉及数据处理
，具体涉及基于人工智能的环境设计数据处理方法。

技术介绍

[0002]对城市、社区或自然环境等场所进行规划和设计，旨在提高人们的生活质量、保护环境和促进可持续发展。环境设计即包括了：城市规划、建筑设计、景观设计、环境保护与可持续发展。其中在城市规划中，需要对城市的人口变化进行预测。通过历史的人口数据对未来的人口数据进行预测，用于规划人口增长，经济决策，社会管理与实现城市精细化管理，往往通过隐马尔可夫模型对这些不同的状态变化进行人口数据的预测。
[0003]在通过历史的城市人口变化数据建立隐马尔可夫模型的过程中，现有的数据点隐藏状态确定方法多通过多维数据空间中的聚类方法进行数据点的簇类划分，从而使得在多维数据空间中数值距离相似的数据点被划分为相同的隐藏状态，现有的通过聚类方法进行数据点的隐藏状态的过程中，每一个数据点都包括了其对应年份的城市总人口数量，迁入人数，迁出人数，出生人数与死亡人数。在聚类的过程中，数据点之间仅通过相同维度之间的数据点距离进行距离度量，从本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的环境设计数据处理方法，其特征在于，该方法包括以下步骤：获取城市人口数据，将城市人口数据放入多维数据空间；将多维数据空间中的数据对应到时序空间内，并在时序空间内设定窗口；在每个窗口内计算得到每个数据点在窗口中的时序信息优化因子；根据每个数据点在窗口中的时序信息优化因子得到每个数据点在聚类过程中的距离优化因子；利用距离优化因子进行多维数据点的聚类，确定数据点的隐藏状态；根据数据点的隐藏状态建立隐马尔科夫模型，对环境设计数据中的城市人口状态进行预测。2.根据权利要求1所述基于人工智能的环境设计数据处理方法，其特征在于，所述将多维数据空间中的数据对应到时序空间内，包括的具体步骤如下：获取多维城市人口数据，用每个数据点代表一个年份，在这个多维数据空间中将每一个数据对应到时序空间内，得到以时间为序的数据序列，即对于第个数据点，其在多维数据空间中表示为，其对应在时序数据中的第个数据点将其表示为，与一一对应。3.根据权利要求1所述基于人工智能的环境设计数据处理方法，其特征在于，所述在时序空间内设定窗口，包括的具体步骤如下：在时序空间中，对于每个数据点，以其为中心，在以时间为序的数据序列的两侧选取相同数量的数据点，将该数据点和被选取的数据点作为一个窗口，其窗口长度为该窗口中所有数据点的数量和。4.根据权利要求1所述基于人工智能的环境设计数据处理方法，其特征在于，所述在每个窗口内计算得到每个数据点在窗口中的时序信息优化因子，包括的具体步骤如下：在时序空间中每个数据点的窗口中，对时序空间中每个数据点的左侧路径长度和与其相邻的下一个数据点的左侧路径长度计算均值，对均值进行归一化计算得到每个数据点的均匀程度；再进行时序空间中每个数据点在不同窗口中的每个数据点的均匀程度的方差计算，将计算结果作为时序空间中每个数据点均匀程度的差异性度量；将差异性度量对于时序空间中每个数据点的窗口中所有的数据点进行线性归一化，并通过每个包括时序空间中该数据点的窗口中该数据点两侧路径长度的差异作为时序空间中该数据点的时序信息优化因子。5.根据权利要求4所述基于人工智能的环境设计数据处理方法，其特征在于，所述路...

【专利技术属性】
技术研发人员：周小娟，
申请(专利权)人：武昌理工学院，
类型：发明
国别省市：