CN115712669A - 一种自然资源多目标协同优化配置方法 - Google Patents
一种自然资源多目标协同优化配置方法 Download PDFInfo
- Publication number
- CN115712669A CN115712669A CN202211462824.1A CN202211462824A CN115712669A CN 115712669 A CN115712669 A CN 115712669A CN 202211462824 A CN202211462824 A CN 202211462824A CN 115712669 A CN115712669 A CN 115712669A
- Authority
- CN
- China
- Prior art keywords
- data
- natural resource
- objective
- optimization
- configuration
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013468 resource allocation Methods 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims abstract description 11
- 238000013439 planning Methods 0.000 claims abstract description 10
- 238000011161 development Methods 0.000 claims abstract description 8
- 230000008878 coupling Effects 0.000 claims abstract description 6
- 238000010168 coupling process Methods 0.000 claims abstract description 6
- 238000005859 coupling reaction Methods 0.000 claims abstract description 6
- 238000005516 engineering process Methods 0.000 claims description 44
- 238000011156 evaluation Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 18
- 238000013500 data storage Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 16
- 241000254158 Lampyridae Species 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 230000001413 cellular effect Effects 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 7
- 238000005065 mining Methods 0.000 claims description 7
- 230000008901 benefit Effects 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013210 evaluation model Methods 0.000 claims description 5
- 230000008447 perception Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000009412 basement excavation Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000000746 purification Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 claims 1
- 238000011160 research Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012732 spatial analysis Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种自然资源多目标协同优化配置方法,涉及资源配置系统技术领域,包含以下阶段:1)构建自然资源优化配置的数据仓库系统;2)构建面向基于演化多目标算法的自然资源优化配置的指标体系;3)构建自然资源优化配置模型;4)耦合多目标混合智能算法与决策主体偏好的自然资源并行优化模型。本发明通过数据仓库理论和方法,解决了多源自然资源数据的共享共用和各类数据的互联互通问题,采用基于全要素的优化配置模型,协调统一空间资源整体结构与功能,建立系统规划和调配空间资源的方法,为自然资源战略布局、生态保护与修复、新型城镇化发展以及科学合理布局产业提供依据。
Description
技术领域
本发明涉及资源配置系统技术领域,尤其是一种自然资源多目标协同优化配置方法。
背景技术
大别山自然资源数据具有内容多样化、结构复杂和数据体量大等时空特点,自然资源配置优化包括了基础地理、遥感影像、国土调查、用地报批、耕地与基本农田保护以及国土自然资源配置优化社会经济等多种格式的立体数据。但是在数据的多维完整性、融合共享和关联密自然资源配置优化集访问等方面存在挑战。
地理空间要素是以独立图层的方式存储在GIS系统中,拟自然资源配置优化研究一种将地理空间数据和非空间数据批量抽取并以统一的数据格式存储的自然资源配置优化法;在进行诸如国土空间承载力和适宜性评价及多目标协同优化配置计算时,自然资源配置优化要综合利用存储在不同文件系统中的地理数据和属性数据,因此本发明旨在研究多文件数自然资源配置优化据的连接、融合和关联方法。
发明内容
基于背景技术及本发明目的,本申请提出了一种自然资源多目标协同优化配置方法,包含以下阶段:
(1)构建自然资源优化配置的数据仓库系统;
(2)构建面向基于演化多目标算法的自然资源优化配置的指标体系;
(3)构建自然资源优化配置模型;
(4)耦合多目标混合智能算法与决策主体偏好的自然资源并行优化模型;
且在,阶段(1)中是采用数据仓库技术,建立面向自然资源优化配置的多源信息集成的大数据支撑体系;
阶段(2)是以自然资源禀赋为基础,合理确定评价对象并选定自然资源优化配置目标,采用直觉模糊集方法,形成包含变量、目标函数、约束条件的多目标自然资源优化配置模型;
阶段(3)是采用多目标帕累托有效解,并利用基于元胞自动机的数据区间模型,改进一种基于切比雪夫映射的萤火虫优化算法,形成基于萤火虫多目标算法的自然资源优化配置模型;
阶段(4)是采用领域知识与数据驱动的智能群体决策方法,将群体智能优化算法引入自然资源优化配置规则挖掘领域,支持智能决策的自主评价与推演,为自然资源优化配置提供数据与任务并行的高性能计算方案。
进一步的,数据仓库系统的结构包含:
数据源层,其包含实体感知类数据源和抽象数据类数据源两类;
数据处理层,其中,实体感知类数据的处理是利用物联网技术体系中的感知获取层和网络传输层实现,最后将得到的所需数据装载到快变属性库中;所述抽象数据类数据的处理过程包含以下阶段:(1)根据数据信息的时间时间特征,将其分为两类,即快变属性抽象数据和稳定属性抽象数据;(2)稳定属性抽象数据采用传统的ETL数据处理工具将其加载到特定的业务主体库中;(3)针对快变属性抽象数据,由于其属性信息富时间特征,变化快,综合参考数据仓库相关文献的基础上,设计利用自定义的ETL工具模块对其相关属性进行数据结构重构,把用户所需关键属性从原关系表中分离提取出来,再重新单独组合成一个或多个新的关系子表,并在父表中增加新的外关键字来建立父表与子表的联接,最后将子表装载到快变属性库中;
数据存储层,其在自然资源数据仓库的数据存储层中增加一个所述快变属性库作为现势数据的宿主;所述数据存储层还包括空间数据仓库、数据集市、元数据库,其中,空间数据仓库是由n个业务主题库构成,空间数据仓库中数据一方面经融合集成进入到快变属性库、元数据库中,另一方面传输至数据集市中;
应用分析层,包括多源信息集成的自然资源数据仓库综合集成服务器端和移动终端,应用分析层通过分布式计算技术及泛地理信息的空间分析、挖掘、应用建模及可视化技术等紧密结合服务器与移动终端,并利用交互技术、地图发布技术、空间分析技术、建模技术等核心技术,实现项目选址、卫片执法、土地调查、地灾监测、耕地保护等操作及目的,在所述应用分析层中通过在服务器端部署基于xml的Webservice,实现移动GIS客户端与服务器端所在数据仓库的间接交互,达到分析应用。
进一步的,实体感知类数据源是通过智能手机、平板电脑及其相关传感器等获取的空间实物信息;所述空间实物信息包含有房屋、车辆、地物。
进一步的,抽象数据类数据源是指按各部门不同的数据生产标准、相关规范,经对建模等处理后生成的非结构化数据;所述非结构化数据包括有GIS数据、关系型数据库数据及不同类型的文本格式的数据;所述各部门不同的数据包括有土地利用数据、城市规划数据、地质环境数据、经济社会数据;所述非结构化数据包括有MDB文本格式、DBF/MDF文本格式、DEM/DOM文本格式、DAT/MYD文本格式、TXT文本格式。
进一步的,数据处理层中,是采用智能读写器对实体感知类数据进行获取,通过API接口实现ONS服务器、EPC服务器、智能读写器之间的相互通信。
进一步的,综合集成服务器端为泛在互联网络的融合,包括GSM、TD-SCDMA、Internet、Intranet、WLAN、WPAN等;移动终端为可以在移动中使用的计算机设备,包括手机、笔记本、平板电脑、POS机、车载电脑等。
进一步的,指标体系包含:
(ⅰ)功能上协同优化的生活目标、生态目标、生产目标;
(ⅱ)结构上资源配置的耕地、林地、草地、水域、建设;
(ⅲ)地理要素上包括土壤、气候、水文、植被、地形、地质;
即通过各种自然资源资产要素的合理组合,力争达到一种最优化的综合效益。
进一步的,生活目标包括的项目有物质生产、经济发展、就业支持、社会保障、交通发展、居住保障等;生态目标包括的项目有协调度、维持力、环境净化、资源供给等;生产目标包括的项目有适宜度、紧凑度、规划成本等。
进一步的,自然资源优化配置模型包括自然资源配置多目标协同体系、资源环境承载力、多目标协同优化评价指标、多目标协同优化评价模型与方法、自然资源多目标优化配置模型、元胞自动机、基于切比雪夫映射的萤火虫优化算法、自然资源优化配置方案集、优化配置结果对比分析与评价、自然资源配置决策支持。
进一步的,阶段(4)中,包括自然资源相关数据、知识规则挖掘算法、领域知识库、自然资源多目标协同智能优化配置模型、基于分解机制的多目标协同混合智能算法、基于MapReduce云计算平台的智能算法并优化。
本发明具有如下的有益效果:
(1)通过数据仓库理论和方法,解决了多源自然资源数据的共享共用和各类数据的互联互通问题,采用基于全要素的优化配置模型,协调统一空间资源整体结构与功能,建立系统规划和调配空间资源的方法,为自然资源战略布局、生态保护与修复、新型城镇化发展以及科学合理布局产业提供依据,也能够对其它专项规划研究提供一定的借鉴作用。
(2)本发明一定程度上解决自然资源配置过程中的矛盾与冲突,采用多目标协同优化和自然资源比较优势理论,提出自然资源优化与格局重构的路径,实现空间资源多目标的协同优化配置,为自然资源可持续利用提供支撑。
(3)本发明克服了传统上只能对数量结构进行优化的缺陷,实现了在空间上进行自然资源的配置优化,不仅仅从结构上对自然资源进行调整,同时在空间布局上对自然资源进行配置。使得配置结果更加科学合理,对自然资源利用规划提供了更加直观、明确的参考。
(4)本发明建立可扩展的多目标体系,突破了自然资源优化配置多目标体系的局限,同时,配置充分依托资源环境承载力,极大的充实自然资源优化配置的多样性,从而提高在现实情况下对复杂场景的适应能力。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明实施例2构建的一种多源信息集成的大别山自然资源数据仓库体系框架图;
图2是本发明实施例3构建的一种面向基于演化多目标算法的大别山自然资源优化配置的指标体系框架图;
图3是本发明实施例4中自然资源配置多目标协同体系、资源环境承载力、多目标协同优化评价指标、多目标协同优化评价模型与方法、自然资源多目标优化配置模型、元胞自动机、基于切比雪夫映射的萤火虫优化算法、自然资源优化配置方案集、优化配置结果对比分析与评价、自然资源配置决策支持之间的组织耦合关系图。
图4是本发明实施例5构建的一种耦合多目标混合智能算法与决策主体偏好的大别山自然资源并行优化模型的流程框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
实施例1
本实施例公开了一种多目标协同配置的自然资源优化配置方法(以中国大别山地区自然资源为研究对象),包含以下阶段:
(1)构建面向大别山自然资源优化配置的数据仓库系统;
(2)构建面向基于演化多目标算法的大别山自然资源优化配置的指标体系;
(3)构建大别山自然资源优化配置模型;
(4)耦合多目标混合智能算法与决策主体偏好的大别山自然资源并行优化模型。
在本实施例中,
(1)采用数据仓库技术,建立面向大别山自然资源优化配置的多源信息集成的大数据支撑体系。
(2)以自然资源禀赋为基础,合理确定评价对象并选定大别山自然资源优化配置目标,采用直觉模糊集方法,形成包含变量、目标函数、约束条件的多目标大别山自然资源优化配置模型。
(3)采用多目标帕累托有效解,并利用基于元胞自动机的数据区间模型,改进一种基于切比雪夫映射的萤火虫优化算法,形成基于萤火虫多目标算法的大别山自然资源优化配置模型求解方案。
(4)采用领域知识与数据驱动的智能群体决策方法,将群体智能优化算法引入自然资源优化配置规则挖掘领域,支持智能决策的自主评价与推演,为大别山自然资源优化配置提供数据与任务并行的高性能计算方案。
实施例2
基于实施例1,本实施例2公开了一种多源信息集成的大别山自然资源数据仓库系统,如图1所示,具体包含以下内容:
在面向大别山自然资源配置等实际业务的需要时,结合物联网技术、移动互联技术及它们与GIS、LBS、GNSS、RS的结合应用趋势,将大别山自然资源数据仓库体系结构共划分为四个层次,分别为:数据源层,数据处理层,数据存储层,应用分析层。
根据数据获取途径不同,将大别山自然资源数据仓库数据源分为两类:实体感知类数据源和抽象数据类数据源。
其中,实体感知类数据源是通过智能手机、平板电脑及其相关传感器等获取的空间实物信息,具体的,空间实物信息包括有房屋、车辆、地物等。
抽象数据类数据源是指按各部门不同的数据生产标准、相关规范,经对建模等处理后生成的非结构化数据,如GIS数据、关系型数据库数据及不同类型的文本格式的数据等。其中,各部门不同的数据包括有土地利用数据、城市规划数据、地质环境数据、经济社会数据等,非结构化数据包括有MDB文本格式、DBF/MDF文本格式、DEM/DOM文本格式、DAT/MYD文本格式、TXT文本格式等。
在本实施例的数据处理层当中,实体感知类数据的处理,主要是利用物联网技术体系中的感知获取层和网络传输层实现,最后将得到的所需数据装载到快变属性库中。如采用智能读写器对实体感知类数据进行获取,通过API接口(即应用程序接口)实现ONS服务器、EPC服务器、智能读写器之间的相互通信。
抽象数据类数据的处理过程主要可分为以下三步:
(1)首先,根据数据信息的时间时间特征,将其分为两类,即快变属性抽象数据和稳定属性抽象数据;
(2)其次,稳定属性抽象数据采用传统的ETL数据处理工具将其加载到特定的业务主体库中;
(3)最后,针对快变属性抽象数据,由于其属性信息富时间特征,变化快,综合参考数据仓库相关文献的基础上,设计利用自定义的ETL工具模块对其相关属性进行数据结构重构,把用户所需关键属性从原关系表(父表)中分离提取出来,再重新单独组合成一个或多个新的关系子表(子表),并在父表中增加新的外关键字来建立父表与子表的联接,最后将子表装载到快变属性库中。
在本实施例的数据存储层当中,为适应大别山自然资源数据的特点,参考传统数据仓库理论及其技术方法相关文献,总结相对于传统数据仓库存储层,集物联网技术、移动GIS技术的数据仓库的数据存储层主要是要解决快变数据(即现势数据)的实时的数据获取、装载、存储和更新问题,解决方案是在自然资源数据仓库的数据存储层中增加一个快变属性库作为现势数据的宿主。另外,数据存储层还包括空间数据仓库、数据集市、元数据库,其中,空间数据仓库是由n个业务主题库构成,空间数据仓库中数据一方面经融合集成进入到快变属性库、元数据库中,另一方面传输至数据集市中。
在本实施例中,应用分析层包括多源信息集成的大别山自然资源数据仓库综合集成服务器端和移动GIS客户端(移动终端),其中,综合集成服务器端为泛在互联网络的融合,包括GSM、TD-SCDMA、Internet、Intranet、WLAN、WPAN等;移动GIS客户端为可以在移动中使用的计算机设备,具体包括手机、笔记本、平板电脑、POS机、车载电脑等。
应用分析层通过分布式计算技术及泛地理信息的空间分析、挖掘、应用建模及可视化技术等紧密结合服务器与移动终端,并具体利用交互技术、地图发布技术、空间分析技术、建模技术等核心技术,实现项目选址、卫片执法、土地调查、地灾监测、耕地保护等操作及目的。
在应用分析层中通过在服务器端部署基于xml的Webservice,实现移动GIS客户端与服务器端所在数据仓库的间接交互,达到分析应用的效果。
实施例3
如图2所示,本实施例构建了一种面向基于演化多目标算法的大别山自然资源优化配置的指标体系。
本实施例的指标体系致力于为大别山自然资源的生活、生态、生产三大大目标的协同,即通过各种自然资源资产要素的合理组合,力争达到一种最优化的综合效益。
基于系统论中要素-结构-功能原理,尝试建立各项功能与国土空间结构之间的有机联系,对不同层级尺度的国土空间功能进行系统识别和分类;在功能识别和分类的基础上,以权衡生产、生活、生态的优化目标,以资源环境承载力作为大别山自然资源配置的约束条件,依据社会经济统计数据、遥感数据和土地利用现状等多源数据,选取与大别山自然资源、部门、产业等紧密相关的一系列指标,采用直觉模糊集方法,分别构建基于偏好信息的各子区、各自然资源使用优先级决策模型,并以生态保护红线,基本农田保护边界等指标作为补充约束,形成包含变量、目标函数、约束条件的多目标大别山自然资源优化配置模型。
其中,生活目标包括的项目有物质生产、经济发展、就业支持、社会保障、交通发展、居住保障等;生态目标包括的项目有协调度、维持力、环境净化、资源供给等;生产目标包括的项目有适宜度、紧凑度、规划成本等。结构的资源配置中包括耕地、林地、草地、水域、建设等。地理要素包括土壤、气候、水文、植被、地形、地质等。
实施例4
如图3所示,本实施例构建了一种大别山自然资源优化配置模型,具体是涉及一种基于萤火虫多目标算法的大别山自然资源优化配置模型,包括自然资源配置多目标协同体系、资源环境承载力、多目标协同优化评价指标、多目标协同优化评价模型与方法、自然资源多目标优化配置模型、元胞自动机、基于切比雪夫映射的萤火虫优化算法、自然资源优化配置方案集、优化配置结果对比分析与评价、自然资源配置决策支持。
本实施例中,资源环境承载力是体现和反映环境系统(结构和功能是其承载力的根源)的社会属性,其是自然资源配置多目标协同体系与多目标协同优化评价指标的首要考虑的属性,并配置充分依托。大别山自然资源配置多目标协同体系的确立是建立自然资源多目标优化配置模型的基础,多目标协同优化评价指标的选择则是自然资源配置多目标协同体系的因子,同时决定着优化配置的合理性和科学性;自然资源多目标优化配置模型则是整个研究的骨架,而智能优化算法是本模型的核心,决定着自然资源优化配置方案(集)的产生;自然资源优化配置方案(集)是研究的最终目标和结果,而优化结果的评价模型则是评估自然资源配置多目标协同体系、多目标协同优化评价指标、优化模型与智能算法优化效果的评判方法,对决策主体的决策选择产生直接的影响。
结合自然资源多目标优化配置模型多变量、非线性、强冲突的特点,采用多目标帕累托有效解,并利用基于元胞自动机的数据区间模型,改进一种基于切比雪夫映射的萤火虫优化算法,形成基于萤火虫多目标算法的大别山自然资源优化配置模型求解方案。
实施例5
如图4所示,本实施例公开了一种智能群体决策方法与大别山自然资源优化配置模型,包括大别山自然资源相关数据、知识规则挖掘算法、领域知识库、自然资源多目标协同智能优化配置模型、基于分解机制的多目标协同混合智能算法、基于MapReduce云计算平台的智能算法并优化。
其中,领域知识库配置依托专家指导和政策法规;自然资源多目标协同智能优化配置模型依据自然资源多目标协同优化问题和优化结果评论解决方案选择决策支持建议;基于分解机制的多目标协同混合智能算法配置依托目标分解与协同和混合智能算法;进一步的,目标分解与协同依赖多目标协同体系和决策主体偏好,混合智能算法综合依据MOEA/D、蚁群智能以及偏好算法。
基于上述,综合目前国土空间优化配置的研究现状、研究思路和方法潜力分析,采用领域知识与数据驱动的智能群体决策方法,将群体智能优化算法引入自然资源优化配置规则挖掘领域,支持智能决策的自主评价与推演,为大别山自然资源优化配置提供数据与任务并行的高性能计算方案;最后,归纳分析形成指导大别山自然资源优化配置的理论与技术方法体系。同时,国土空间优化配置是一种数据密集和计算密集的多目标优化问题,由于云计算在大数据处理方面的优势,基于云计算的空间异构数据管理和多目标智能优化算法的并行化策略也将作为本实施例研究的重点。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种自然资源多目标协同优化配置方法,其特征在于,包含以下阶段:
(1)构建自然资源优化配置的数据仓库系统;
(2)构建面向基于演化多目标算法的自然资源优化配置的指标体系;
(3)构建自然资源优化配置模型;
(4)耦合多目标混合智能算法与决策主体偏好的自然资源并行优化模型;
其中,阶段(1)中是采用数据仓库技术,建立面向自然资源优化配置的多源信息集成的大数据支撑体系;
阶段(2)是以自然资源禀赋为基础,合理确定评价对象并选定自然资源优化配置目标,采用直觉模糊集方法,形成包含变量、目标函数、约束条件的多目标自然资源优化配置模型;
阶段(3)是采用多目标帕累托有效解,并利用基于元胞自动机的数据区间模型,改进一种基于切比雪夫映射的萤火虫优化算法,形成基于萤火虫多目标算法的自然资源优化配置模型;
阶段(4)是采用领域知识与数据驱动的智能群体决策方法,将群体智能优化算法引入自然资源优化配置规则挖掘领域,支持智能决策的自主评价与推演,为自然资源优化配置提供数据与任务并行的高性能计算方案。
2.根据权利要求1所述的自然资源多目标协同优化配置方法,其特征在于,所述数据仓库系统的结构包含:
数据源层,其包含实体感知类数据源和抽象数据类数据源两类;
数据处理层,其中,实体感知类数据的处理是利用物联网技术体系中的感知获取层和网络传输层实现,最后将得到的所需数据装载到快变属性库中;所述抽象数据类数据的处理过程包含以下阶段:(1)根据数据信息的时间时间特征,将其分为两类,即快变属性抽象数据和稳定属性抽象数据;(2)稳定属性抽象数据采用传统的ETL数据处理工具将其加载到特定的业务主体库中;(3)针对快变属性抽象数据,由于其属性信息富时间特征,变化快,综合参考数据仓库相关文献的基础上,设计利用自定义的ETL工具模块对其相关属性进行数据结构重构,把用户所需关键属性从原关系表中分离提取出来,再重新单独组合成一个或多个新的关系子表,并在父表中增加新的外关键字来建立父表与子表的联接,最后将子表装载到快变属性库中;
数据存储层,其在自然资源数据仓库的数据存储层中增加一个所述快变属性库作为现势数据的宿主;所述数据存储层还包括空间数据仓库、数据集市、元数据库,其中,空间数据仓库是由n个业务主题库构成,空间数据仓库中数据一方面经融合集成进入到快变属性库、元数据库中,另一方面传输至数据集市中;
应用分析层,包括多源信息集成的自然资源数据仓库综合集成服务器端和移动终端,应用分析层通过分布式计算技术及泛地理信息的空间分析、挖掘、应用建模及可视化技术等紧密结合服务器与移动终端,并利用交互技术、地图发布技术、空间分析技术、建模技术等核心技术,实现项目选址、卫片执法、土地调查、地灾监测、耕地保护等操作及目的,在所述应用分析层中通过在服务器端部署基于xml的Webservice,实现移动GIS客户端与服务器端所在数据仓库的间接交互,达到分析应用。
3.根据权利要求2所述的自然资源多目标协同优化配置方法,其特征在于,所述实体感知类数据源是通过智能手机、平板电脑及其相关传感器等获取的空间实物信息;所述空间实物信息包含有房屋、车辆、地物。
4.根据权利要求2所述的自然资源多目标协同优化配置方法,其特征在于,所述抽象数据类数据源是指按各部门不同的数据生产标准、相关规范,经对建模等处理后生成的非结构化数据;所述非结构化数据包括有GIS数据、关系型数据库数据及不同类型的文本格式的数据;所述各部门不同的数据包括有土地利用数据、城市规划数据、地质环境数据、经济社会数据;所述非结构化数据包括有MDB文本格式、DBF/MDF文本格式、DEM/DOM文本格式、DAT/MYD文本格式、TXT文本格式。
5.根据权利要求2所述的自然资源多目标协同优化配置方法,其特征在于,所述数据处理层中,是采用智能读写器对实体感知类数据进行获取,通过API接口实现ONS服务器、EPC服务器、智能读写器之间的相互通信。
6.根据权利要求2所述的自然资源多目标协同优化配置方法,其特征在于,所述综合集成服务器端为泛在互联网络的融合,包括GSM、TD-SCDMA、Internet、Intranet、WLAN、WPAN等;移动终端为可以在移动中使用的计算机设备,包括手机、笔记本、平板电脑、POS机、车载电脑等。
7.根据权利要求1所述的自然资源多目标协同优化配置方法,其特征在于,所述指标体系包含:
(ⅰ)功能上协同优化的生活目标、生态目标、生产目标;
(ⅱ)结构上资源配置的耕地、林地、草地、水域、建设;
(ⅲ)地理要素上包括土壤、气候、水文、植被、地形、地质;
即通过各种自然资源资产要素的合理组合,力争达到一种最优化的综合效益。
8.根据权利要求7所述的自然资源多目标协同优化配置方法,其特征在于,所述生活目标包括的项目有物质生产、经济发展、就业支持、社会保障、交通发展、居住保障等;生态目标包括的项目有协调度、维持力、环境净化、资源供给等;生产目标包括的项目有适宜度、紧凑度、规划成本等。
9.根据权利要求1所述的自然资源多目标协同优化配置方法,其特征在于,所述自然资源优化配置模型包括自然资源配置多目标协同体系、资源环境承载力、多目标协同优化评价指标、多目标协同优化评价模型与方法、自然资源多目标优化配置模型、元胞自动机、基于切比雪夫映射的萤火虫优化算法、自然资源优化配置方案集、优化配置结果对比分析与评价、自然资源配置决策支持。
10.根据权利要求1所述的自然资源多目标协同优化配置方法,其特征在于,所述阶段(4)中,包括自然资源相关数据、知识规则挖掘算法、领域知识库、自然资源多目标协同智能优化配置模型、基于分解机制的多目标协同混合智能算法、基于MapReduce云计算平台的智能算法并优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211462824.1A CN115712669A (zh) | 2022-11-22 | 2022-11-22 | 一种自然资源多目标协同优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211462824.1A CN115712669A (zh) | 2022-11-22 | 2022-11-22 | 一种自然资源多目标协同优化配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115712669A true CN115712669A (zh) | 2023-02-24 |
Family
ID=85234003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211462824.1A Pending CN115712669A (zh) | 2022-11-22 | 2022-11-22 | 一种自然资源多目标协同优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115712669A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116206215A (zh) * | 2023-03-17 | 2023-06-02 | 银河航天(北京)网络技术有限公司 | 一种森林土地状态的监测方法、装置及存储介质 |
-
2022
- 2022-11-22 CN CN202211462824.1A patent/CN115712669A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116206215A (zh) * | 2023-03-17 | 2023-06-02 | 银河航天(北京)网络技术有限公司 | 一种森林土地状态的监测方法、装置及存储介质 |
CN116206215B (zh) * | 2023-03-17 | 2023-09-29 | 银河航天(北京)网络技术有限公司 | 一种森林土地状态的监测方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108710625B (zh) | 一种专题知识自动挖掘系统及方法 | |
CN113778967B (zh) | 长江流域数据采集处理与资源共享系统 | |
CN107506393B (zh) | 一种农业大数据模型及其在农业上的应用 | |
Zhao et al. | Digital twin-enabled dynamic spatial-temporal knowledge graph for production logistics resource allocation | |
CN108964996B (zh) | 城乡一体化信息栅格系统及基于其的信息共享方法 | |
Miller et al. | Geographic information systems for transportation in the 21st century | |
Jitkajornwanich et al. | A survey on spatial, temporal, and spatio-temporal database research and an original example of relevant applications using SQL ecosystem and deep learning | |
Lu et al. | A survey of semantic construction and application of satellite remote sensing images and data | |
US20230281544A1 (en) | Oil and gas production-oriented intelligent decision-making system and method | |
Lourens et al. | Database management difficulties in the internet of things | |
Bruno et al. | Location and GIS | |
Zeng et al. | A deep neural network-based decision support system for intelligent geospatial data analysis in intelligent agriculture system | |
CN115712669A (zh) | 一种自然资源多目标协同优化配置方法 | |
Chen et al. | Intelligent management information system of urban planning based on GIS | |
Lai et al. | Visual supervision of large‐scope heat source factories based on knowledge graph | |
Yamashkin et al. | Project-oriented spatial data infrastructures | |
CN113254517A (zh) | 一种基于互联网大数据的服务提供方法 | |
Hu et al. | 5G‐Oriented IoT Big Data Analysis Method System | |
Liu et al. | Development and application of big data platform for “Bohai granary” | |
CN109543087A (zh) | 一种国际三极数据互操作引擎系统的构建方法及使用方法 | |
Wang et al. | Integrated platform for smart traffic big data | |
Mahmoudian et al. | An Overview of Big Data Concepts, Methods, and Analytics: Challenges, Issues, and Opportunities | |
Liu et al. | [Retracted] Collaboration and Management of Heterogeneous Robotic Systems for Road Network Construction, Management, and Maintenance under the Vision of “BIM+ GIS” Technology | |
Wang et al. | Construction of a multi-source heterogeneous hybrid platform for big data | |
Wang et al. | [Retracted] Attribute Reduction Algorithm on Concept Lattice and Application in Smart City Energy Consumption Analysis |
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 |