System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及资源管理,尤其涉及一种基于监督学习的国土空间规划数据调度优化方法和系统。
技术介绍
1、随着资源风险事件的爆发,人们深刻体会到资源风险对经济、社会、环境以及生产生活造成的严重影响。为避免或减轻资源风险导致的损失,学界从资源风险的内在规律、演化机理以及应急管理策略等方向上开展了众多有意义的研究。另外,近年来随着信息技术的快速发展,特别是人工智能、大数据、云计算、物联网、地理信息等新技术的出现,为解决资源风险场景的态势感知提供了思路。
2、目前国土空间环境大数据分析主要集中在国土空间环境数据融合与信息挖掘、国土空间环境可视化和国土空间事件分析,在国土空间军事、国土空间政治、国土空间经济和国土空间环境模拟与风险评估取得了一定的成果。比较有代表性的有:利用经济和社会发展统计数据分析区域经济关系;利用武器贸易数据的进行国土空间军事态势分析;利用金融危机数据,分析金融危机对国土空间政治的影响;利用国土空间事件分析气候变化对国土空间经济的影响。综上,其特点是利用各类国土空间环境发生的国土空间关系数据(多为事件)进行多种国土空间环境要素的关联分析、相互交织影响、风险预测与评估等分析应用。
技术实现思路
1、本申请的主要目的在于提供一种基于监督学习的国土空间规划数据调度优化方法和系统,以解决现有技术中国土资源规划的不平衡问题。
2、为实现上述目的,本申请提供如下技术方案:
3、根据本专利技术第一方面,本专利技术请求保护一种基于监督学习的国土空间规划数据调
4、响应国土空间资源的国土空间资源数据生成国土空间资源推理表达树,其中所述国土空间资源推理表达树用于表明与所述国土空间资源的所有方案数据对应的监督学习的图谱元数据之间的关系;
5、响应国土空间规划端提出的规划标准生成规划推理表达树,其中所述规划推理表达树用于表明与所述国土空间规划端提出的规划标准对应的监督学习的图谱元数据之间的关系;以及
6、通过规划推理模型响应所述国土空间资源推理表达树和所述规划推理表达树决策满足国土空间规划端的规划的国土空间资源。
7、进一步的,响应国土空间资源的国土空间资源数据生成国土空间资源推理表达树的操作,包括:
8、决策所述国土空间资源数据的区域管理数据、地形规划数据以及功能规划数据;
9、响应所述国土空间资源数据的国土空间资源数据详情决策与所述区域管理数据对应的区域管理类型,响应所述地形规划数据决策与所述地形规划数据对应的地形规划类型,响应所述功能规划数据决策与所述功能规划数据对应的功能规划数据类型,其中所述区域管理类型用于表明所述区域管理数据的类型,所述地形规划类型用于表明所述地形规划数据的类型;
10、响应所述区域管理类型、所述地形规划类型以及所述功能规划数据类型决策所述区域管理数据、所述地形规划数据以及所述功能规划数据之间的重要性关系,并且响应所述重要性关系决策国土空间资源知识树,其中所述国土空间资源知识树用于表明与所述国土空间资源的国土空间资源数据对应的监督学习的图谱元数据之间的关系;以及
11、响应所述国土空间资源知识树生成所述国土空间资源推理表达树。
12、进一步的,响应所述国土空间资源知识树生成所述国土空间资源推理表达树的操作,包括:
13、基于国土空间资源知识树响应第二文本特征向量、第二图片特征向量以及第二视频特征向量生成第二知识树,其中所述第二文本特征向量、所述第二图片特征向量以及所述第二视频特征向量为响应国土空间资源数据生成的;以及
14、响应所述第二知识树更新所述国土空间资源推理表达树。
15、进一步的,基于国土空间资源知识树响应第二文本特征向量、所述第二图片特征向量以及所述第二视频特征向量生成第二知识树的操作,包括:
16、决策与所述国土空间资源数据对应的第二文本特征向量、第二图片特征向量以及第二视频特征向量;
17、响应国土空间资源数据的国土空间资源数据详情决策与所述第二文本特征向量对应的第二地形类型,响应所述第二图片特征向量决策与所述第二图片特征向量对应的第二功能类型,响应所述第二视频特征向量决策与所述第二视频特征向量对应的第二视频特征向量类型,其中所述第二地形类型用于表明所述第二文本特征向量的类型,所述第二功能类型用于表明所述第二图片特征向量的类型;
18、基于所述国土空间资源知识树,响应所述第二地形类型、所述第二功能类型以及所述第二视频特征向量类型决策所述第二文本特征向量、所述第二图片特征向量以及所述第二视频特征向量之间的重要性关系;
19、响应所述重要性关系生成所述第二知识树。
20、进一步的,基于所述国土空间资源知识树,响应所述第二地形类型、所述第二功能类型以及所述第二视频特征向量类型决策所述第二文本特征向量、所述第二图片特征向量以及所述第二视频特征向量之间的重要性关系的操作,包括:
21、将所述第二地形类型与所述国土空间资源知识树中的区域管理类型进行推理,决策所述第二地形类型在所述第二知识树中的层级;
22、将所述第二文本特征向量与所述国土空间资源知识树中的区域管理数据进行推理,决策所述第二文本特征向量在所述第二知识树中的层级;
23、将所述第二功能类型与所述国土空间资源知识树中的地形规划类型进行推理,决策所述第二功能类型在所述第二知识树中的层级;
24、将所述第二图片特征向量与所述国土空间资源知识树中的地形规划数据进行推理,决策所述第二图片特征向量在所述第二知识树中的层级;
25、将所述第二视频特征向量类型与所述国土空间资源知识树中的功能规划数据类型进行推理,决策所述第二视频特征向量类型在所述第二知识树中的层级;以及
26、将所述第二视频特征向量与所述国土空间资源知识树中的功能规划数据类型进行推理,决策所述第二视频特征向量在所述第二知识树中的层级。
27、进一步的,该方法还包括:
28、计算与同一正向调度文本特征向量关联的正向调度图片特征向量的相似度和的平均值,其中所述正向调度文本特征向量由所述区域管理数据和第二文本特征向量组成,所述正向调度图片特征向量由所述地形规划数据和第二图片特征向量组成;
29、将所述正向调度图片特征向量的相似度和的平均值与预先决策的国土空间资源参考值进行比较,对所述第二图片特征向量进行筛查,其中所述国土空间资源参考值为响应所述国土空间资源知识树中的地形规划数据所决策的;
30、计算与同一正向调度图片特征向量关联的正向调度视频特征向量的相似度和的平均值,其中所述正向调度视频特征向量由所述功能规划数据和所述第二视频特征向量组成;以及
31、将所述正向调度视频特征向量的相似度和的平均值与预先决策的第二参考值进行比较,对所述第二视频特征向量进行筛查,其中所述第二参考值为响应所述国土空间资源知识本文档来自技高网...
【技术保护点】
1.一种基于监督学习的国土空间规划数据调度优化方法,其特征在于,包括:
2.如权利要求1所述的一种基于监督学习的国土空间规划数据调度优化方法,其特征在于,响应国土空间资源的国土空间资源数据生成国土空间资源推理表达树的操作,包括:
3.如权利要求2所述的一种基于监督学习的国土空间规划数据调度优化方法,其特征在于,响应所述国土空间资源知识树生成所述国土空间资源推理表达树的操作,包括:
4.如权利要求3所述的一种基于监督学习的国土空间规划数据调度优化方法,其特征在于,基于国土空间资源知识树响应第二文本特征向量、所述第二图片特征向量以及所述第二视频特征向量生成第二知识树的操作,包括:
5.如权利要求4所述的一种基于监督学习的国土空间规划数据调度优化方法,其特征在于,基于所述国土空间资源知识树,响应所述第二地形类型、所述第二功能类型以及所述第二视频特征向量类型决策所述第二文本特征向量、所述第二图片特征向量以及所述第二视频特征向量之间的重要性关系的操作,包括:
6.如权利要求5所述的一种基于监督学习的国土空间规划数据调度优化方法,其
7.如权利要求1所述的一种基于监督学习的国土空间规划数据调度优化方法,其特征在于,响应国土空间规划端提出的规划标准生成规划推理表达树的操作,包括:
8.如权利要求1所述的一种基于监督学习的国土空间规划数据调度优化方法,其特征在于,包括:
9.一种基于监督学习的国土空间规划数据调度优化系统,其特征在于,包括:
...【技术特征摘要】
1.一种基于监督学习的国土空间规划数据调度优化方法,其特征在于,包括:
2.如权利要求1所述的一种基于监督学习的国土空间规划数据调度优化方法,其特征在于,响应国土空间资源的国土空间资源数据生成国土空间资源推理表达树的操作,包括:
3.如权利要求2所述的一种基于监督学习的国土空间规划数据调度优化方法,其特征在于,响应所述国土空间资源知识树生成所述国土空间资源推理表达树的操作,包括:
4.如权利要求3所述的一种基于监督学习的国土空间规划数据调度优化方法,其特征在于,基于国土空间资源知识树响应第二文本特征向量、所述第二图片特征向量以及所述第二视频特征向量生成第二知识树的操作,包括:
5.如权利要求4所述的一种基于监督学习的国土空间...
【专利技术属性】
技术研发人员:高大山,袁勇,郭毅轩,赵明考,刘占恒,马超,武霄娟,王晓宇,陈畅,张子丰,徐兆祥,呼丽丽,刘松楠,王欢,
申请(专利权)人:北京新兴科遥信息技术有限公司,
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。