CN107944710A - 一种基于支持向量机的村庄用地复垦规划方法 - Google Patents
一种基于支持向量机的村庄用地复垦规划方法 Download PDFInfo
- Publication number
- CN107944710A CN107944710A CN201711211766.4A CN201711211766A CN107944710A CN 107944710 A CN107944710 A CN 107944710A CN 201711211766 A CN201711211766 A CN 201711211766A CN 107944710 A CN107944710 A CN 107944710A
- Authority
- CN
- China
- Prior art keywords
- village
- land used
- reclamation
- reclamation planning
- support vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012706 support-vector machine Methods 0.000 title claims abstract description 32
- 238000011002 quantification Methods 0.000 claims abstract description 9
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000001556 precipitation Methods 0.000 claims description 12
- 230000003139 buffering effect Effects 0.000 claims description 11
- 239000002689 soil Substances 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012876 topography Methods 0.000 claims description 6
- 230000001932 seasonal effect Effects 0.000 claims description 5
- 238000013467 fragmentation Methods 0.000 claims description 3
- 238000006062 fragmentation reaction Methods 0.000 claims description 3
- 238000012732 spatial analysis Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000011160 research Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010068052 Mosaicism Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 210000003765 sex chromosome Anatomy 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于支持向量机的村庄用地复垦规划方法，步骤包括：获取待复垦规划研究区的村庄用地信息；建立研究区村庄用地的空间和属性数据库；对复垦规划相关环境变量进行量化并存储；对村庄用地的属性数据进行量化处理；将复垦规划结果用数值代替并添入数据库；通过支持向量机方法进行数值分析并获得分类依据；使用分类依据分类研究区获得规划结果。本发明对多元的复垦规划影响因子能够科学理性的做出合理分类，折衷各个影响因子之间不显著的交互作用以及尽可能减少主观因素的影响，能够给予大范围村庄用地的复垦规划方案，指导土地复垦过程中的合理定夺，使复垦效益和效率提高显著。
Description
技术领域
本发明涉及一种基于支持向量机(Support Vector Machine, SVM)的村庄用地复垦规划方法，属于土地利用规划领域。
背景技术
随着工业化和城市化进程的加快，城市国有土地已经无法满足城市建设扩张对土地的需求。与此同时，国家为有效控制新增建设用地占用耕地的数量，大量城市周边的农村集体土地被地方政府通过征收转为国有土地。经济发展所需的用地资源十分有限，以城镇建设用地短缺为特征的土地供需矛盾越来越成为城市化和工业化的瓶颈。通过实地调查发现，农村地区的空心村现象普遍存在，导致大量的土地资源严重浪费，土地节约集约利用潜力巨大。村庄用地的科学复垦能够解决城乡土地需求和资源约束间矛盾，是为城市提供发展空间的有效途径。
一直以来,土地适宜性复垦规划方法是土地资源利用规划与调整的重要内容。它不仅是生态重建土地利用结构优化的有效技术向导,也是土地资源空间规划合理布局的理论支撑。目前的土地复垦规划方法主要可概括为基于决策者和基于计算机辅助两类。一方面基于决策者决策的方法具有一定的主观性,另一方面基于计算机辅助的评价方法对土壤类型等数据要求严格。因此针对土壤缺乏详细信息的情况,适宜性评价方法中过多的主观性因素的影响一直成为困扰决策者的难题。考虑到村庄生态重建的土地适宜性复垦规划是一个多层次、多目标的系统性问题,而且每个系统与因素之间的界限存在着不确定性和模糊性。
为达到充分协同各目标与各层次之间的联系,优化模型计算过程及降低决策者决策难度的目的,本发明旨在提供一种基于支持向量机(SVM, Support Vector Machine)方法、以实测数据为分析依据的土地复垦适宜性规划方法。
发明内容
本发明要解决的技术问题是：克服现有技术的上述不足，提供一种基于支持向量机的村庄用地复垦规划方法。
为了解决以上技术问题，本发明提供的一种基于支持向量机的村庄用地复垦规划方法，包括以下步骤：
步骤1.获取研究区域最近时段村庄用地的复垦规划案例与现阶段待规划村庄用地信息；所述复垦规划案例中村庄用地的复垦规划结果为用地拆迁和用地保留；
步骤2.获取村庄用地的分布数据，记录并存储村庄用地的空间数据和属性数据，并建立数据库；空间数据是指村庄空地的地理位置数据；属性数据包括村庄的面积；
步骤3. 依据对村庄用地的影响程度选定数个环境变量，并对环境变量进行量化处理，并以栅格图层形式存储入所述数据库中；所述环境变量包括自然因子和人为因子，自然因子包括：地形地貌变量、地表类型变量、气候变量；人为因子包括人文指标和生态指标；
步骤4. 对村庄用地进行空间邻域计算，获得村庄至主要公路的距离、村庄至主要河流的距离、村庄至城镇距离、村庄至其他村庄距离，对本步骤获取的数据加入村庄的属性数据中，并对村庄的属性数据进行量化处理后以栅格图层形式存储入所述数据库中；
步骤5.用数值表示规划案例中拆迁和保留的结果，作为复垦规划案例的村庄的类标号，添加进所述数据库中；
步骤6.以复垦规划案例村庄量化后的属性数据和选定的环境变量为样本，使用支持向量机方法对复垦规划案例村庄的数据进行分析，获得分类依据；
步骤7.通过分类依据对待规划村庄进行分类并获得最终复垦规划结果。
本发明还具有以下进一步的特征：
1、步骤5中，使用-1和1分别表示保留和拆迁两种规划结果。
2、对复垦规划案例中村庄相关数据进行量化处理后，每一处村庄的各项指标数据与复垦规划结果组成了一个数集，作为特征向量，被应用于支持向量机方法。
3、所述地形地貌变量包括：海拔、坡度、坡向、破碎度；所述地表类型变量包括：土地利用类型、植被、生态区类型、土壤类型；所述气候变量包括：年均温、年总降水、温度的季节变化、降水的季节变化、最低温、最高温、1月的最低温、1月的均温、1月的总降水、7月的最高温、7月的均温、7月的总降水。
4、所述人文指标包括：所在区域初级生产力、地区生产总值(GDP)、人口密度、道路密度、乡镇密度；所述生态指标：植被覆盖指数、河流密度。
5、步骤3中对村庄用地影响程度比较可观的因素选入为环境变量
6、步骤6的具体执行步骤如下：
T1、遵循随机取样的原则，在复垦规划案例中选取数目相同的复垦规划结果为保留的村庄和拆迁的村庄，然后采用支持向量机方法获得分类依据；
T2、将复垦规划案例中剩下的保留村庄或拆迁村庄作为测试数据，使用所述分类依据对测试数据进行分类，并计算分类结果中出现的保留村庄分类数目占总数的百分比；
T3、重复上述两个步骤，并统计各分类依据与对应的准确性百分比，分类结果准确性百分比最高的分类依据为最优分类依据；
步骤7中，使用步骤T3中的最优分类依据，对待规划村庄进行分类，获得分类结果。
7、步骤4中，通过空间分析还获取村庄50米缓冲区内的耕地面积、村庄200米缓冲区内的耕地面积、村庄50米缓冲区内的建设用地面积和村庄200米缓冲区内的建设用地面积，一同加入村庄的属性数据中。
本发明通过采用支持向量机(SVM)方法分析具有保留村庄或拆迁村庄特征的向量，确定一个最优的保留村庄与拆迁村庄分类标准，进而对待规划用地提供基于数据分析的更具有说服力的规划结果参考。
支持向量机(SVM)是建立在统计学理论基础上的一种小样本机器学习方法，广泛应用于分类和回归问题。基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。SVM 的最终决策函数只由少数的支持向量所确定，可以抓住关键样本、剔除大量冗余样本，该方法不仅算法简单，而且具有较好的推广和泛化能力，能以较小的样本预测较大的范围，同时，能保证较高的准确率。
本发明的有益效果如下：对多元的复垦规划影响因子能够科学理性的做出合理分类，折衷各个影响因子之间不显著的交互作用以及尽可能减少主观因素的影响，能够给予大范围村庄用地的复垦规划方案，指导土地复垦过程中的合理定夺，使复垦效益和效率提高显著。
本发明的其他特征和优点将在随后的说明书中阐述，部分内容会从阅读说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书，以及附图中所特别指出的结构来实现和获得。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明方法流程图。
具体实施方式
下面根据附图详细说明本发明，本发明的目的和效果将变得更加明显。
如图1所示，为本发明基于支持向量机的村庄用地复垦规划方法的流程图。具体包括以下步骤：
步骤1.获取研究区域村庄用地最近一段时间的村庄用地的复垦规划案例与现阶段待规划村庄用地信息。首先应确立研究区域，研究区应包括已做出复垦规划和待复垦规划的两类村庄用地。其中具体的复垦规划即为用地拆迁或用地保留，已做出复垦规划的村庄是指用地拆迁与用地保留这两种村庄。本步骤中调研并搜集整理研究区内不同种类村庄用地信息，按需求目的确定最近时段的时间尺度（一般5年内或10年内）。
步骤2.获取村庄用地的分布数据，建立相应数据库，记录并存储村庄用地的空间和属性数据。前期获取数据的方式涉及实地调研与遥感监测方法，建立数据库的主要步骤在ArcGIS软件中完成，具体为对村庄用地各项指标数据进行数字化，并建立数据库将空间和属性等数据存储完善，方便后续步骤的操作处理。
步骤3. 确定并获取相关环境变量，对环境变量进行量化处理，在数据库中以栅格图层形式存储。原则是对村庄用地影响程度比较可观的因素选入为环境变量。所述环境变量中自然因子进一步包括地形地貌变量、土地类型变量、气候变量等，具体说明如下：
地形地貌变量：海拔、坡度、坡向、破碎度；
地表类型变量：土地利用类型、植被、生态区类型、土壤类型；
气候变量：年均温、年总降水、温度的季节变化、降水的季节变化、最低温、最高温、1月的最低温、1月的均温、1月的总降水、7月的最高温、7月的均温、7月的总降水。
所述人为因子包括人文指标、生态指标等，具体说明如下：
人文指标：所在区域初级生产力、地区生产总值(GDP)、人口密度、道路密度、乡镇密度；
生态指标：植被覆盖指数、河流密度。
此步骤主要操作部分同步骤2类似，在ArcGIS软件中完成，将关系复垦规划的环境变量量化后，以栅格图层形式与步骤2中的村庄用地空间和属性数据一并存储在村庄数据库中。
步骤4.基于村庄用地的空间与属性数据以及环境变量，计算并获得复垦规划需考虑的因素对应指标的数值。主要涉及在ArcGIS软件中对各项数据进行空间分析和运算。利用软件进行空间运算，对村庄用地进行空间邻域计算，获得村庄至主要公路的距离、村庄至主要河流的距离、村庄至城镇距离、村庄至其他村庄距离、村庄50米缓冲区内的耕地面积、村庄200米缓冲区内的耕地面积、村庄50米缓冲区内的建设用地面积和村庄200米缓冲区内的建设用地面积，作为复垦规划的依据。对本步骤获取的数据加入村庄的属性数据中，并对村庄的属性数据进行量化处理后以栅格图层形式存储入所述数据库中。
步骤5.用数值表示规划案例中拆除和保留的结果，作为一项指标添加进案例村庄的数据库中。复垦规划结果中，保留与拆迁是对立的，本实施例中，采用-1和1分别表示这两种规划结果（-1表示保留，1表示拆迁）。从而可用每一处研究区域由其各项指标构成的数集代表此处研究区，进而为模式识别数据分类做好了数据准备工作。
步骤6.通过支持向量机方法对案例村庄各因素指标的数值进行分析，获得优化的分类依据（分类器）。对于已做出复垦规划的村庄用地，每一处用地的各项指标数据以及复垦规划结果即组成了一个数集，这个数集可视作多维空间里的一处向量。保留与拆迁是两种不同的规划结果，在此数学模型中是两个不同的类别，这些向量最终会按照规划结果分成两个独立向量集。本发明通过采用SVM方法分析具有保留村庄或拆迁村庄特征的向量，确定一个最优的保留村庄与拆迁村庄分类标准。
步骤7.通过案例村庄分析出的分类依据对待规划村庄进行分类并获得最终复垦规划结果。
步骤6与步骤7的具体步骤如下：
1.---分类时应遵循保留与拆迁的两类村庄数目一致的原则。调研中若发现两类数目存在明显的数目差异，这里假设保留村庄数目多于拆迁村庄数目。遵循随机取样的原则，取与拆迁村庄同等数目的保留村庄，一并采用SVM分类方法获得最优分类标准。
2.---将剩下未进行分类操作的保留村庄作为测试数据，依照上一步骤获得的最优分类标准，对测试数据进行分类，并计算分类结果中出现的保留村庄分类数目占总数的百分比，目的是检测分类标准的准确性与置信度。
3.---重复上述两个步骤，并统计前两个步骤中的分类标准结果与对应的准确性百分比。
4.---使用步骤3中的最优分类标准，对待定村庄进行保留与拆迁的分类，获得分类结果即为通过SVM方法对待定村庄的土地用地复垦规划方案。
除上述实施例外，本发明还可以有其他实施方式。凡采用分割对象中心点聚类等形式的耕地信息提取技术方案，均落在本发明要求的保护范围。
Claims (8)
1.一种基于支持向量机的村庄用地复垦规划方法，包括以下步骤：
步骤1.获取研究区域最近时段村庄用地的复垦规划案例与现阶段待规划村庄用地信息；所述复垦规划案例中村庄用地的复垦规划结果为用地拆迁和用地保留；
步骤2.获取村庄用地的分布数据，记录并存储村庄用地的空间数据和属性数据，并建立数据库；空间数据是指村庄空地的地理位置数据；属性数据包括村庄的面积；
步骤3.依据对村庄用地的影响程度选定数个环境变量，并对环境变量进行量化处理，并以栅格图层形式存储入所述数据库中；所述环境变量包括自然因子和人为因子，自然因子包括：地形地貌变量、地表类型变量、气候变量；人为因子包括人文指标和生态指标；
步骤4. 对村庄用地进行空间邻域计算，获得村庄至主要公路的距离、村庄至主要河流的距离、村庄至城镇距离、
村庄至其他村庄距离，对本步骤获取的数据加入村庄的属性数据中，并对村庄的属性数据进行量化处理后以栅格图层形式存储入所述数据库中；
步骤5.用数值表示规划案例中拆迁和保留的结果，作为复垦规划案例的村庄的类标号，添加进所述数据库中；
步骤6.以复垦规划案例村庄量化后的属性数据和选定的环境变量为样本，使用支持向量机方法对复垦规划案例村庄的数据进行分析，获得分类依据；
步骤7.通过分类依据对待规划村庄进行分类并获得最终复垦规划结果。
2.根据权利要求1所述的基于支持向量机的村庄用地复垦规划方法，其特征在于：步骤5中，使用-1和1分别表示保留和拆迁两种规划结果。
3.根据权利要求1所述的基于支持向量机的村庄用地复垦规划方法，其特征在于：对复垦规划案例中村庄相关数据进行量化处理后，每一处村庄的各项指标数据与复垦规划结果组成了一个数集，作为特征向量，被应用于支持向量机方法。
4.根据权利要求1所述的基于支持向量机的村庄用地复垦规划方法，其特征在于：所述地形地貌变量包括：海拔、坡度、坡向、破碎度；土地利用类型、植被、生态区类型、土壤类型；所述气候变量包括：年均温、年总降水、温度的季节变化、降水的季节变化、最低温、最高温、1月的最低温、1月的均温、1月的总降水、7月的最高温、7月的均温、7月的总降水。
5.根据权利要求1所述的基于支持向量机的村庄用地复垦规划方法，其特征在于：所述人文指标包括：所在区域初级生产力、地区生产总值、人口密度、道路密度、乡镇密度；所述生态指标：植被覆盖指数、河流密度。
6.根据权利要求1所述的基于支持向量机的村庄用地复垦规划方法，其特征在于：步骤3中对村庄用地影响程度比较可观的因素选入为环境变量。
7.根据权利要求1所述的基于支持向量机的村庄用地复垦规划方法，其特征在于：步骤6的具体执行步骤如下：
T1、遵循随机取样的原则，在复垦规划案例中选取数目相同的复垦规划结果为保留的村庄和拆迁的村庄，然后采用支持向量机方法获得分类依据；
T2、将复垦规划案例中剩下的保留村庄或拆迁村庄作为测试数据，使用所述分类依据对测试数据进行分类，并计算分类结果中出现的保留村庄分类数目占总数的百分比；
T3、重复上述两个步骤，并统计各分类依据与对应的准确性百分比，分类结果准确性百分比最高的分类依据为最优分类依据；
步骤7中，使用步骤T3中的最优分类依据，对待规划村庄进行分类，获得分类结果。
8.根据权利要求1所述的基于支持向量机的村庄用地复垦规划方法，其特征在于：步骤4中，通过空间分析还获取村庄50米缓冲区内的耕地面积、村庄200米缓冲区内的耕地面积、村庄50米缓冲区内的建设用地面积和村庄200米缓冲区内的建设用地面积，一同加入村庄的属性数据中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711211766.4A CN107944710A (zh) | 2017-11-28 | 2017-11-28 | 一种基于支持向量机的村庄用地复垦规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711211766.4A CN107944710A (zh) | 2017-11-28 | 2017-11-28 | 一种基于支持向量机的村庄用地复垦规划方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107944710A true CN107944710A (zh) | 2018-04-20 |
Family
ID=61950149
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711211766.4A Pending CN107944710A (zh) | 2017-11-28 | 2017-11-28 | 一种基于支持向量机的村庄用地复垦规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107944710A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110688687A (zh) * | 2019-09-28 | 2020-01-14 | 滁州学院 | 一种城乡建设用地可复垦资源调查图批量生成方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103995952A (zh) * | 2014-03-19 | 2014-08-20 | 中国矿业大学(北京) | 一种改进的矿业废弃地复垦适宜性模糊综合评价方法 |
-
2017
- 2017-11-28 CN CN201711211766.4A patent/CN107944710A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103995952A (zh) * | 2014-03-19 | 2014-08-20 | 中国矿业大学(北京) | 一种改进的矿业废弃地复垦适宜性模糊综合评价方法 |
Non-Patent Citations (2)
| Title |
|---|
| 乔亮: "重庆市农村宅基地复垦耕地地力评价方法比较研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
| 吴静: "基于判别系统的矿区废弃地复垦为农用地潜力评价研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110688687A (zh) * | 2019-09-28 | 2020-01-14 | 滁州学院 | 一种城乡建设用地可复垦资源调查图批量生成方法 |
| CN110688687B (zh) * | 2019-09-28 | 2022-10-04 | 滁州学院 | 一种城乡建设用地可复垦资源调查图批量生成方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ye et al. | A data-driven bottom-up approach for spatial and temporal electric load forecasting | |
| Aliani et al. | Land evaluation for ecotourism development—an integrated approach based on FUZZY, WLC, and ANP methods | |
| CN109272170B (zh) | 一种基于Louvain算法的交通小区划分系统 | |
| CN110443314A (zh) | 基于机器学习的景区客流量预测方法及装置 | |
| CN103150609B (zh) | 一种短时交通流量预测模型的建模方法 | |
| CN106780089B (zh) | 基于神经网络元胞自动机模型的永久性基本农田划定方法 | |
| CN106355334A (zh) | 农田建设区域判定方法 | |
| CN102819677B (zh) | 基于单场降雨类型的降雨站点相似性评价方法 | |
| CN102520464B (zh) | 区域积涝预报系统及其预报方法 | |
| CN108304978A (zh) | 一种基于数据聚类理论的中期地区电力负荷预测方法 | |
| CN110288202A (zh) | 一种城市公园绿地设施状态评估优化方法 | |
| CN110046213B (zh) | 一种顾及路径失真纠正与交叉跨越纠正的电力选线方法 | |
| CN109214449A (zh) | 一种电网投资需求预测方法 | |
| CN108875242A (zh) | 一种城市元胞自动机情景模拟方法、终端设备及存储介质 | |
| CN104200387B (zh) | 一种顾及地理实体语义相似度的土地用途分区方法 | |
| CN106228808A (zh) | 基于浮动车时空网格数据的城市快速路旅行时间预测方法 | |
| CN111445116A (zh) | 国土空间规划辅助编制系统 | |
| CN107798357A (zh) | 一种基于knn的村庄用地复垦规划模拟方法 | |
| CN108596512A (zh) | 服务于主体功能区的城镇发展水平综合评估方法 | |
| CN107506433A (zh) | 城市发展空间格局情景模拟系统 | |
| CN102184328A (zh) | 一种土地利用演化ca模型转换规则优化方法 | |
| KR100920529B1 (ko) | 염해 오손 예측 방법 | |
| CN110378510A (zh) | 一种基于时间序列和层次聚合的配网物资需求预测方法 | |
| CN116129262A (zh) | 一种面向宜机化改造的耕地适宜性评价方法及系统 | |
| CN107608938A (zh) | 基于增强回归树算法的面向二值分类的因子筛选方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180420 |