CN117273813B - 一种考虑环境管控的项目智能选址方法 - Google Patents

一种考虑环境管控的项目智能选址方法 Download PDF

Info

Publication number
CN117273813B
CN117273813B CN202311562039.8A CN202311562039A CN117273813B CN 117273813 B CN117273813 B CN 117273813B CN 202311562039 A CN202311562039 A CN 202311562039A CN 117273813 B CN117273813 B CN 117273813B
Authority
CN
China
Prior art keywords
layer
item
influence factor
project
addressing
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.)
Active
Application number
CN202311562039.8A
Other languages
English (en)
Other versions
CN117273813A (zh
Inventor
牟华侨
张堃
罗俊海
林小深
钱伟中
张宜峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Guolan Zhongtian Environmental Technology Group Co ltd
Original Assignee
Sichuan Guolan Zhongtian Environmental Technology Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Guolan Zhongtian Environmental Technology Group Co ltd filed Critical Sichuan Guolan Zhongtian Environmental Technology Group Co ltd
Priority to CN202311562039.8A priority Critical patent/CN117273813B/zh
Publication of CN117273813A publication Critical patent/CN117273813A/zh
Application granted granted Critical
Publication of CN117273813B publication Critical patent/CN117273813B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Resources & Organizations (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种考虑环境管控的项目智能选址方法，涉及项目选址领域。该方法包括：获取环境管控单元数据，并根据环境管控单元数据确定环境管控独立子单元集合和独立子单元管控要求集合；根据环境管控独立子单元集合获取环境管控图片数据集，并对环境管控图片数据集进行标准化处理以获取项目选址初选集合；获取项目选址任务，并根据项目选址任务、独立子单元管控要求集合和项目选址初选集合，确定项目选址候选集合；确定项目选址影响因子，根据项目选址影响因子和项目选址候选集合，利用层次分析法构建项目选址层级结构；根据项目选址层级结构，确定项目选址推荐名单。本发明能够更加高效、智能地确定项目选址推荐名单。

Description

一种考虑环境管控的项目智能选址方法
技术领域
本发明涉及项目选址领域，具体涉及一种考虑环境管控的项目智能选址方法。
背景技术
环境管控具体包括生态保护红线、环境质量底线、资源利用上线和生态环境准入清单，即“三线一单”。生态保护红线指在生态空间范围内具有特殊重要生态功能、必须强制性严格保护的区域；环境质量底线是指按照水、大气、土壤环境质量持续改善的原则，结合环境质量现状和相关规划、功能区划要求，考虑环境质量改善潜力，确定的分区域、分阶段环境质量目标及相应的环境管控、污染物排放控制等要求；资源利用上线以保障生态安全和改善环境质量为目的，结合自然资源开发管控，提出的分区域分阶段的资源开发利用总量、强度、效率等上线管控要求；生态环境准入清单则是指基于环境管控单元，统筹考虑"三线"的管控要求，提出的空间布局、污染物排放、环境风险、资源开发利用等方面禁止和限制的环境准入要求。项目选址作为其中关键的功能点，衔接环境管控与国土空间规划。
现目前，考虑环境管控的项目选址方法为被动式匹配验证法。被动式匹配验证法具体为：在一定行政地区内部，通过经验人工选择项目地址的点位和范围，并将选择的点位和范围录入到系统中；系统将录入的点位和范围与已知数据进行规则匹配以得到该点是否满足“三线一单”要求的结论，进而确定项目选址。现有方法只是针对人工选择的地址和范围进行匹配，不能够提供高效、智能的项目选址决策支持。
发明内容
针对现有技术中的上述不足，本发明提供了一种考虑环境管控的项目智能选址方法，能够更加高效、智能地确定项目选址推荐名单。
为了达到上述发明目的，本发明采用的技术方案为：
一种考虑环境管控的项目智能选址方法，包括以下步骤：
S1、获取环境管控单元数据，并根据环境管控单元数据确定环境管控独立子单元集合和独立子单元管控要求集合；
S2、根据步骤S1中的环境管控独立子单元集合获取环境管控图片数据集，并对环境管控图片数据集进行标准化处理以获取项目选址初选集合；
S3、获取项目选址任务，并根据项目选址任务、步骤S1中的独立子单元管控要求集合和步骤S2中的项目选址初选集合，确定项目选址候选集合；
S4、确定项目选址影响因子，根据项目选址影响因子和步骤S3中的项目选址候选集合，利用层次分析法构建项目选址层级结构；
S5、根据步骤S4中的项目选址层级结构，确定项目选址推荐名单。
进一步地，在步骤S1中，环境管控单元数据包括水环境管控单元集合、大气环境管控单元集合、土壤环境管控单元集合、水环境管控要求集合、大气环境管控要求集合和土壤环境管控要求集合。
进一步地，在步骤S1中，根据环境管控单元数据确定环境管控独立子单元集合和独立子单元管控要求集合，包括以下步骤：
A1、根据水环境管控单元集合、大气环境管控单元集合和土壤环境管控单元集合，利用叠加分析法取交集以确定环境管控独立子单元集合；
A2、根据水环境管控要求集合、大气环境管控要求集合和土壤环境管控要求集合，利用叠加分析法取交集以确定独立子单元管控要求集合。
进一步地，在步骤S2中，对环境管控图片数据集进行标准化处理以获取项目选址初选集合，包括以下步骤：
B1、对环境管控图片数据集中的图像进行二值化处理，获取二值化处理后的图像；
B2、提取B1中二值化处理后的图像的轮廓线，并填充轮廓线内部区域，获取不规则项目选址图像；
B3、根据B2中不规则项目选址图像，确定选址初选中心点，并以选址初选中心点为圆心作内切圆，以将内切圆部分作为项目选址初选位置；
B4、将B3中所有项目选址初选位置组成集合，以获取项目选址初选集合。
进一步地，步骤S4包括以下分步骤：
S41、确定项目选址因子，并根据项目选址因子构建影响因素层；
S42、根据步骤S3中的项目选址候选集合构建候选方案层；
S43、构建目标决策层，并根据目标决策层、分步骤S41中的影响因素层和分步骤S42中的候选方案层，利用层次分析法构建项目选址层级结构。
进一步地，步骤S5包括以下分步骤：
S51、根据步骤S4中的项目选址层级结构，确定影响因素层中项目选址因子对目标决策层的重要性排序；
S52、根据步骤S4中的项目选址层级结构和分步骤S51中影响因素层中项目选址因子对目标决策层的重要性排序，确定候选方案层对影响因素层中项目选址因子的层次单排序；
S53、根据分步骤S51中影响因素层中项目选址因子对目标决策层的重要性排序和分步骤S52中候选方案层对影响因素层中项目选址因子的层次单排序，计算候选方案层对于目标决策层的层次总排序，以确定项目选址推荐名单。
进一步地，步骤S51包括以下分步骤：
S511、根据步骤S4中的项目选址层级结构，利用标度法构造目标决策层与影响因素层的判断矩阵；
S512、计算分步骤S511中目标决策层与影响因素层的判断矩阵的最大特征根；
S513、根据分步骤S512中目标决策层与影响因素层的判断矩阵的最大特征根，计算目标决策层与影响因素层的一致性指标，表示为：
其中：为目标决策层与影响因素层的一致性指标，/>为目标决策层与影响因素层的判断矩阵的最大特征根，/>为项目选址因子总数；
S514、根据分步骤S513中目标决策层与影响因素层的一致性指标，计算目标决策层与影响因素层的一致性比率，表示为：
其中：为目标决策层与影响因素层的一致性比率，/>为目标决策层与影响因素层的随机一致性指标；
S515、根据分步骤S514中目标决策层与影响因素层的一致性比率，确定影响因素层中项目选址因子对目标决策层的重要性排序。
进一步地，步骤S52包括以下分步骤：
S521、根据步骤S4中的项目选址层级结构，利用标度法构造候选方案层与影响因素层的判断矩阵；
S522、计算分步骤S521中候选方案层与影响因素层的判断矩阵的最大特征根；
S523、根据分步骤S522中候选方案层与影响因素层的判断矩阵的最大特征根，计算候选方案层与影响因素层的层次单排序一致性指标；
S524、根据分步骤S523中候选方案层与影响因素层的层次单排序一致性指标和分步骤S51中影响因素层中项目选址因子对目标决策层的重要性排序，计算候选方案层与影响因素层的层次总排序一致性比率；
S525、根据分步骤S524中候选方案层与影响因素层的层次总排序一致性比率，确定候选方案层对影响因素层中项目选址因子的层次单排序。
进一步地，在分步骤S524中，计算候选方案层与影响因素层的层次总排序一致性比率，表示为：
其中：为候选方案层与影响因素层的层次总排序一致性比率，/>为影响因素层中项目选址因子对目标决策层的重要性排序的第一个重要性元素，/>为候选方案层与影响因素层的层次单排序第一个一致性指标，/>为影响因素层中项目选址因子对目标决策层的重要性排序的第二个重要性元素，/>为候选方案层与影响因素层的层次单排序第二个一致性指标，/>为影响因素层中项目选址因子对目标决策层的重要性排序的第/>个重要性元素，/>为项目选址因子总数，/>为候选方案层与影响因素层的层次单排序第/>个一致性指标，/>为候选方案层与影响因素层的层次单排序第一个随机一致性指标，/>为候选方案层与影响因素层的层次单排序第二个一致性指标，/>为候选方案层与影响因素层的层次单排序第/>个随机一致性指标。
进一步地，在步骤S53中，计算候选方案层对于目标决策层的层次总排序，表示为：
其中：为候选方案层对于目标决策层的层次总排序的第/>个元素，/>为项目选址因子的序号，/>为项目选址因子总数，/>为影响因素层中项目选址因子对目标决策层的重要性排序的第/>个重要性元素，/>为候选方案层中的第/>个元素对影响因素层中项目选址因子的层次单排序的第/>个元素。
本发明具有以下有益效果：
（1）本发明利用叠加分析法取交集以确定独立子单元管控要求集合和独立子单元管控要求集合，能深度融合环境管控单元数据，并简化数据融合的步骤；
（2）本发明通过将环境管控独立子单元集合转化为环境管控图片数据集，即将圆心区域的问题简化为二维图像的问题，能够更加高效地获取项目选址初选集合；
（3）本发明利用层次分析法，并结合项目选址影响因子，能计算出候选方案层对于目标决策层的层次总排序，进而确定项目选址推荐名单，从而提供可量化的决策支持功能。
附图说明
图1为一种考虑环境管控的项目智能选址方法流程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，一种考虑环境管控的项目智能选址方法，包括步骤S1-S5，具体如下：
S1、获取环境管控单元数据，并根据环境管控单元数据确定环境管控独立子单元集合和独立子单元管控要求集合。
在本发明的一个可选实施例中，本发明获取环境管控单元数据，并根据环境管控单元数据确定环境管控独立子单元集合和独立子单元管控要求集合。
环境管控单元数据包括水环境管控单元集合、大气环境管控单元集合、土壤环境管控单元集合、水环境管控要求集合、大气环境管控要求集合和土壤环境管控要求集合。
水环境管控单元集合表示为：
其中：为水环境管控单元集合，/>为第一个水环境管控单元，/>为第二个水环境管控单元，/>为第三个水环境管控单元，/>为第/>个水环境管控单元。
水环境管控要求集合表示为：
其中：为水环境管控要求集合，/>为第一个水环境管控要求，/>为第二个水环境管控要求，/>为第三个水环境管控要求，/>为第/>个水环境管控要求。
大气环境管控单元集合表示为：
其中：为大气环境管控单元集合，/>为第一个大气环境管控单元，/>为，/>为第二个大气环境管控单元，/>为第/>个大气环境管控单元。
大气环境管控要求集合表示为：
其中：为大气环境管控要求集合，/>为第一个大气环境管控要求，/>为第二个大气环境管控要求，/>为第三个大气环境管控要求，/>为第/>个大气环境管控要求。
土壤环境管控单元集合表示为：
其中：为土壤环境管控单元集合，/>为第一个土壤环境管控单元，/>为第二个土壤环境管控单元，/>为第三个土壤环境管控单元，/>为第/>个土壤环境管控单元。
土壤环境管控要求集合表示为：
其中：为土壤环境管控要求集合，/>为第一个土壤环境管控要求，/>为第二个土壤环境管控要求，/>为第三个土壤环境管控要求，/>为第/>个土壤环境管控要求。
本发明根据环境管控单元数据确定环境管控独立子单元集合和独立子单元管控要求集合，包括以下步骤：
A1、根据水环境管控单元集合、大气环境管控单元集合和土壤环境管控单元集合，利用叠加分析法取交集以确定环境管控独立子单元集合。
本发明利用叠加分析法，即通过ArcGIS软件arctoolbox工具库中分析工具，叠加分析里的相交功能将水环境管控单元集合、大气环境管控单元集合和土壤环境管控单元集合取交集以确定环境管控独立子单元集合，即对集合、集合/>、集合/>取交集，得到环境管控独立子单元集合/>。
环境管控独立子单元集合表示为：
其中：为环境管控独立子单元集合，/>为第一个环境管控独立子单元，/>为第二个环境管控独立子单元，/>为第三环境管控独立子单元，/>为第/>个环境管控独立子单元。
A2、根据水环境管控要求集合、大气环境管控要求集合和土壤环境管控要求集合，利用叠加分析法取交集以确定独立子单元管控要求集合。
本发明通过ArcGIS软件arctoolbox工具库中分析工具，叠加分析里的相交功能将水环境管控要求集合、大气环境管控要求集合和土壤环境管控要求集合取交集以确定独立子单元管控要求集合，即对集合、集合/>和集合/>取交集，得到独立子单元管控要求集合/>。
独立子单元管控要求集合表示为：
其中：为独立子单元管控要求集合，/>为第一个独立子单元管控要求，/>为第二个独立子单元管控要求，/>为第三个独立子单元管控要求，/>为第/>个独立子单元管控要求。
S2、根据步骤S1中的环境管控独立子单元集合获取环境管控图片数据集，并对环境管控图片数据集进行标准化处理以获取项目选址初选集合。
在本发明的一个可选实施例中，本发明根据环境管控独立子单元集合获取环境管控图片数据集，并对环境管控图片数据集进行标准化处理以获取项目选址初选集合。
具体地，本发明通过ArcGIS软件载入环境管控独立子单元集合，环境管控独立子单元集合/>为矢量化图层，单独选择一个元素/>，通过文件中的导出地图功能，生成环境管控图片数据/>，按照相同的方法处理集合/>其余的元素，可以得到环境管控图片数据集。
环境管控图片数据集表示为：
其中：为环境管控图片数据集，/>为第一个环境管控图片数据，/>为第二个环境管控图片数据集环境管控图片数据，/>为第三个环境管控图片数据，/>为第/>个环境管控图片数据。
本发明对环境管控图片数据集进行标准化处理以获取项目选址初选集合，包括以下步骤：
B1、对环境管控图片数据集中的图像进行二值化处理，获取二值化处理后的图像。
B2、提取B1中二值化处理后的图像的轮廓线，并填充轮廓线内部区域，获取不规则项目选址图像。
B3、根据B2中不规则项目选址图像，确定选址初选中心点，并以选址初选中心点为圆心作内切圆，以将内切圆部分作为项目选址初选位置。
具体地，本发明将不规则项目选址图像进行距离变换，获取轮廓内部每个像素点到外部像素点的最短距离，结果最大值的像素点确定为选址初选中心点。
B4、将B3中所有项目选址初选位置组成集合，以获取项目选址初选集合。
S3、获取项目选址任务，并根据项目选址任务、步骤S1中的独立子单元管控要求集合和步骤S2中的项目选址初选集合，确定项目选址候选集合。
在本发明的一个可选实施例中，本发明获取项目选址任务。项目选址任务包括项目选址任务范围和基本管控要求。本发明先根据独立子单元管控要求集合，确定项目选址初选集合中所有项目选址初选位置对应的初选位置管控要求，然后将项目选址任务中的基本管控要求与初选位置管控要求进行匹配以初步筛选项目选址初选位置，最后将项目选址任务中的项目选址任务范围与项目选址初选集合中初步筛选得到的项目选址初选位置进行枚举匹配，以确定项目选址候选集合。
项目选址候选集合表示为：
其中：为项目选址候选集合，/>为第一个项目候选选址，/>为第二个项目候选选址，/>为第三个项目候选选址，/>为第/>个项目候选选址。
S4、确定项目选址影响因子，根据项目选址影响因子和步骤S3中的项目选址候选集合，利用层次分析法构建项目选址层级结构。
在本发明的一个可选实施例中，本发明确定项目选址影响因子，根据项目选址影响因子和项目选址候选集合，利用层次分析法构建项目选址层级结构。项目选址层级结构为三层层级结构，分别为目标决策层、影响因素层和候选方案层。
步骤S4包括以下分步骤：
S41、确定项目选址因子，并根据项目选址因子构建影响因素层。
具体地，项目选址因子包括土地、规划、产业、交通、医疗、社会、经济等多种因素。
影响因素层表示为：
其中：为影响因素层，/>为影响因素层中第一个元素，/>为影响因素层中第二个元素，/>为影响因素层中第三个元素，/>为影响因素层中第/>个元素。
S42、根据步骤S3中的项目选址候选集合构建候选方案层。
S43、构建目标决策层，并根据目标决策层、分步骤S41中的影响因素层和分步骤S42中的候选方案层，利用层次分析法构建项目选址层级结构。
S5、根据步骤S4中的项目选址层级结构，确定项目选址推荐名单。
在本发明的一个可选实施例中，本发明根据项目选址层级结构，确定影响因素层中项目选址因子对目标决策层的重要性排序，进而确定候选方案层对影响因素层中项目选址因子的层次单排序，并根据影响因素层中项目选址因子对目标决策层的重要性排序和候选方案层对影响因素层中项目选址因子的层次单排序，计算候选方案层对于目标决策层的层次总排序，以确定项目选址推荐名单。
步骤S5包括以下分步骤：
S51、根据步骤S4中的项目选址层级结构，确定影响因素层中项目选址因子对目标决策层的重要性排序。
步骤S51包括以下分步骤：
S511、根据步骤S4中的项目选址层级结构，利用标度法构造目标决策层与影响因素层的判断矩阵。
S512、计算分步骤S511中目标决策层与影响因素层的判断矩阵的最大特征根。
S513、根据分步骤S512中目标决策层与影响因素层的判断矩阵的最大特征根，计算目标决策层与影响因素层的一致性指标，表示为：
其中：为目标决策层与影响因素层的一致性指标，/>为目标决策层与影响因素层的判断矩阵的最大特征根，/>为项目选址因子总数。
S514、根据分步骤S513中目标决策层与影响因素层的一致性指标，计算目标决策层与影响因素层的一致性比率，表示为：
其中：为目标决策层与影响因素层的一致性比率，/>为目标决策层与影响因素层的随机一致性指标。
S515、根据分步骤S514中目标决策层与影响因素层的一致性比率，确定影响因素层中项目选址因子对目标决策层的重要性排序。
具体地，当一致性比率，满足一致性，用目标决策层与影响因素层的判断矩阵的归一化特征向量作为第一权向量，否则调整目标决策层与影响因素层的判断矩阵中的元素，直至一致性比率/>满足一致性检验。第一权向量的大小代表对应影响因子对目标决策层的权重，本发明根据第一权向量的大小得以确定影响因素层中/>个影响因子对目标决策层的重要性排序。
S52、根据步骤S4中的项目选址层级结构和分步骤S51中影响因素层中项目选址因子对目标决策层的重要性排序，确定候选方案层对影响因素层中项目选址因子的层次单排序。
步骤S52包括以下分步骤：
S521、根据步骤S4中的项目选址层级结构，利用标度法构造候选方案层与影响因素层的判断矩阵。
S522、计算分步骤S521中候选方案层与影响因素层的判断矩阵的最大特征根。
S523、根据分步骤S522中候选方案层与影响因素层的判断矩阵的最大特征根，计算候选方案层与影响因素层的层次单排序一致性指标。
S524、根据分步骤S523中候选方案层与影响因素层的层次单排序一致性指标和分步骤S51中影响因素层中项目选址因子对目标决策层的重要性排序，计算候选方案层与影响因素层的层次总排序一致性比率。
本发明计算候选方案层与影响因素层的层次总排序一致性比率，表示为：
其中：为候选方案层与影响因素层的层次总排序一致性比率，/>为影响因素层中项目选址因子对目标决策层的重要性排序的第一个重要性元素，/>为候选方案层与影响因素层的层次单排序第一个一致性指标，/>为影响因素层中项目选址因子对目标决策层的重要性排序的第二个重要性元素，/>为候选方案层与影响因素层的层次单排序第二个一致性指标，/>为影响因素层中项目选址因子对目标决策层的重要性排序的第/>个重要性元素，/>为项目选址因子总数，/>为候选方案层与影响因素层的层次单排序第/>个一致性指标，/>为候选方案层与影响因素层的层次单排序第一个随机一致性指标，/>为候选方案层与影响因素层的层次单排序第二个一致性指标，/>为候选方案层与影响因素层的层次单排序第/>个随机一致性指标。
S525、根据分步骤S524中候选方案层与影响因素层的层次总排序一致性比率，确定候选方案层对影响因素层中项目选址因子的层次单排序。
具体地，当一致性比率，满足一致性，用候选方案层与影响因素层的归一化特征向量作为第二权向量，否则调整候选方案层与影响因素层的判断矩阵中的元素，直至一致性比率/>满足一致性检验。第二权向量的大小代表对应候选方案对影响因素层中项目选址因子的权重，本发明根据第二权向量的大小得以确定候选方案层对影响因素层中项目选址因子的层次单排序。
S53、根据分步骤S51中影响因素层中项目选址因子对目标决策层的重要性排序和分步骤S52中候选方案层对影响因素层中项目选址因子的层次单排序，计算候选方案层对于目标决策层的层次总排序，以确定项目选址推荐名单。
本发明计算候选方案层对于目标决策层的层次总排序，表示为：
其中：为候选方案层对于目标决策层的层次总排序的第/>个元素，/>为项目选址因子的序号，/>为项目选址因子总数，/>为影响因素层中项目选址因子对目标决策层的重要性排序的第/>个重要性元素，/>为候选方案层中的第/>个元素对影响因素层中项目选址因子的层次单排序的第/>个元素。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (8)

1.一种考虑环境管控的项目智能选址方法，其特征在于，包括以下步骤：
S1、获取环境管控单元数据，并根据环境管控单元数据确定环境管控独立子单元集合和独立子单元管控要求集合；
环境管控单元数据包括水环境管控单元集合、大气环境管控单元集合、土壤环境管控单元集合、水环境管控要求集合、大气环境管控要求集合和土壤环境管控要求集合；
根据环境管控单元数据确定环境管控独立子单元集合和独立子单元管控要求集合，包括以下步骤：
A1、根据水环境管控单元集合、大气环境管控单元集合和土壤环境管控单元集合，利用叠加分析法取交集以确定环境管控独立子单元集合；
A2、根据水环境管控要求集合、大气环境管控要求集合和土壤环境管控要求集合，利用叠加分析法取交集以确定独立子单元管控要求集合；
S2、根据步骤S1中的环境管控独立子单元集合获取环境管控图片数据集，并对环境管控图片数据集进行标准化处理以获取项目选址初选集合；
S3、获取项目选址任务，并根据项目选址任务、步骤S1中的独立子单元管控要求集合和步骤S2中的项目选址初选集合，确定项目选址候选集合；
项目选址任务包括项目选址任务范围和基本管控要求；
根据项目选址任务、步骤S1中的独立子单元管控要求集合和步骤S2中的项目选址初选集合，确定项目选址候选集合，具体过程为：先根据独立子单元管控要求集合，确定项目选址初选集合中所有项目选址初选位置对应的初选位置管控要求，然后将项目选址任务中的基本管控要求与初选位置管控要求进行匹配以初步筛选项目选址初选位置，最后将项目选址任务中的项目选址任务范围与项目选址初选集合中初步筛选得到的项目选址初选位置进行枚举匹配，以确定项目选址候选集合；
S4、确定项目选址影响因子，根据项目选址影响因子和步骤S3中的项目选址候选集合，利用层次分析法构建项目选址层级结构；
S5、根据步骤S4中的项目选址层级结构，确定项目选址推荐名单。
2.根据权利要求1所述的一种考虑环境管控的项目智能选址方法，其特征在于，在步骤S2中，对环境管控图片数据集进行标准化处理以获取项目选址初选集合，包括以下步骤：
B1、对环境管控图片数据集中的图像进行二值化处理，获取二值化处理后的图像；
B2、提取B1中二值化处理后的图像的轮廓线，并填充轮廓线内部区域，获取不规则项目选址图像；
B3、根据B2中不规则项目选址图像，确定选址初选中心点，并以选址初选中心点为圆心作内切圆，以将内切圆部分作为项目选址初选位置；
B4、将B3中所有项目选址初选位置组成集合，以获取项目选址初选集合。
3.根据权利要求1所述的一种考虑环境管控的项目智能选址方法，其特征在于，步骤S4包括以下分步骤：
S41、确定项目选址因子，并根据项目选址因子构建影响因素层；
S42、根据步骤S3中的项目选址候选集合构建候选方案层；
S43、构建目标决策层，并根据目标决策层、分步骤S41中的影响因素层和分步骤S42中的候选方案层，利用层次分析法构建项目选址层级结构。
4.根据权利要求3所述的一种考虑环境管控的项目智能选址方法，其特征在于，步骤S5包括以下分步骤：
S51、根据步骤S4中的项目选址层级结构，确定影响因素层中项目选址因子对目标决策层的重要性排序；
S52、根据步骤S4中的项目选址层级结构和分步骤S51中影响因素层中项目选址因子对目标决策层的重要性排序，确定候选方案层对影响因素层中项目选址因子的层次单排序；
S53、根据分步骤S51中影响因素层中项目选址因子对目标决策层的重要性排序和分步骤S52中候选方案层对影响因素层中项目选址因子的层次单排序，计算候选方案层对于目标决策层的层次总排序，以确定项目选址推荐名单。
5.根据权利要求4所述的一种考虑环境管控的项目智能选址方法，其特征在于，步骤S51包括以下分步骤：
S511、根据步骤S4中的项目选址层级结构，利用标度法构造目标决策层与影响因素层的判断矩阵；
S512、计算分步骤S511中目标决策层与影响因素层的判断矩阵的最大特征根；
S513、根据分步骤S512中目标决策层与影响因素层的判断矩阵的最大特征根，计算目标决策层与影响因素层的一致性指标，表示为：
其中：为目标决策层与影响因素层的一致性指标，/>为目标决策层与影响因素层的判断矩阵的最大特征根，/>为项目选址因子总数；
S514、根据分步骤S513中目标决策层与影响因素层的一致性指标，计算目标决策层与影响因素层的一致性比率，表示为：
其中：为目标决策层与影响因素层的一致性比率，/>为目标决策层与影响因素层的随机一致性指标；
S515、根据分步骤S514中目标决策层与影响因素层的一致性比率，确定影响因素层中项目选址因子对目标决策层的重要性排序。
6.根据权利要求4所述的一种考虑环境管控的项目智能选址方法，其特征在于，步骤S52包括以下分步骤：
S521、根据步骤S4中的项目选址层级结构，利用标度法构造候选方案层与影响因素层的判断矩阵；
S522、计算分步骤S521中候选方案层与影响因素层的判断矩阵的最大特征根；
S523、根据分步骤S522中候选方案层与影响因素层的判断矩阵的最大特征根，计算候选方案层与影响因素层的层次单排序一致性指标；
S524、根据分步骤S523中候选方案层与影响因素层的层次单排序一致性指标和分步骤S51中影响因素层中项目选址因子对目标决策层的重要性排序，计算候选方案层与影响因素层的层次总排序一致性比率；
S525、根据分步骤S524中候选方案层与影响因素层的层次总排序一致性比率，确定候选方案层对影响因素层中项目选址因子的层次单排序。
7.根据权利要求6所述的一种考虑环境管控的项目智能选址方法，其特征在于，在分步骤S524中，计算候选方案层与影响因素层的层次总排序一致性比率，表示为：
其中：为候选方案层与影响因素层的层次总排序一致性比率，/>为影响因素层中项目选址因子对目标决策层的重要性排序的第一个重要性元素，/>为候选方案层与影响因素层的层次单排序第一个一致性指标，/>为影响因素层中项目选址因子对目标决策层的重要性排序的第二个重要性元素，/>为候选方案层与影响因素层的层次单排序第二个一致性指标，/>为影响因素层中项目选址因子对目标决策层的重要性排序的第/>个重要性元素，/>为项目选址因子总数，/>为候选方案层与影响因素层的层次单排序第/>个一致性指标，/>为候选方案层与影响因素层的层次单排序第一个随机一致性指标，/>为候选方案层与影响因素层的层次单排序第二个一致性指标，/>为候选方案层与影响因素层的层次单排序第/>个随机一致性指标。
8.根据权利要求4所述的一种考虑环境管控的项目智能选址方法，其特征在于，在步骤S53中，计算候选方案层对于目标决策层的层次总排序，表示为：
其中：为候选方案层对于目标决策层的层次总排序的第/>个元素，/>为项目选址因子的序号，/>为项目选址因子总数，/>为影响因素层中项目选址因子对目标决策层的重要性排序的第/>个重要性元素，/>为候选方案层中的第/>个元素对影响因素层中项目选址因子的层次单排序的第/>个元素。
CN202311562039.8A 2023-11-22 2023-11-22 一种考虑环境管控的项目智能选址方法 Active CN117273813B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311562039.8A CN117273813B (zh) 2023-11-22 2023-11-22 一种考虑环境管控的项目智能选址方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311562039.8A CN117273813B (zh) 2023-11-22 2023-11-22 一种考虑环境管控的项目智能选址方法

Publications (2)

Publication Number Publication Date
CN117273813A CN117273813A (zh) 2023-12-22
CN117273813B true CN117273813B (zh) 2024-01-30

Family

ID=89208460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311562039.8A Active CN117273813B (zh) 2023-11-22 2023-11-22 一种考虑环境管控的项目智能选址方法

Country Status (1)

Country Link
CN (1) CN117273813B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117709208B (zh) * 2024-02-05 2024-04-16 四川国蓝中天环境科技集团有限公司 一种人为排放污染物的大气环境容量计算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112241833A (zh) * 2020-09-29 2021-01-19 华能大理风力发电有限公司 一种光伏发电站前期精细化选址方法
CN112465332A (zh) * 2020-11-24 2021-03-09 山东大学 一种城市人工湿地公园生态地质环境稳定性的评价方法
KR102461861B1 (ko) * 2021-11-22 2022-11-03 한국건설기술연구원 북극권 자원 개발을 위한 최적 위치 선정 시스템 및 방법
CN115358904A (zh) * 2022-10-20 2022-11-18 四川国蓝中天环境科技集团有限公司 一种动静结合的城市区域空气质量监测站选址方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180314975A1 (en) * 2017-04-27 2018-11-01 Futurewei Technologies, Inc. Ensemble transfer learning

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112241833A (zh) * 2020-09-29 2021-01-19 华能大理风力发电有限公司 一种光伏发电站前期精细化选址方法
CN112465332A (zh) * 2020-11-24 2021-03-09 山东大学 一种城市人工湿地公园生态地质环境稳定性的评价方法
KR102461861B1 (ko) * 2021-11-22 2022-11-03 한국건설기술연구원 북극권 자원 개발을 위한 최적 위치 선정 시스템 및 방법
CN115358904A (zh) * 2022-10-20 2022-11-18 四川国蓝中天环境科技集团有限公司 一种动静结合的城市区域空气质量监测站选址方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于GIS的合肥市科研创新基地选址适宜性研究;杨茜茜;《中国优秀硕士学位论文全文数据库 基础科学辑》(第05期);A008-43 *
基于GIS的建筑垃圾填埋场选址优化研究;王君燕;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》(第01期);B027-2785 *

Also Published As

Publication number Publication date
CN117273813A (zh) 2023-12-22

Similar Documents

Publication Publication Date Title
CN117273813B (zh) 一种考虑环境管控的项目智能选址方法
CN110689535B (zh) 一种工件识别方法、装置及电子设备和存储介质
CN110443239A (zh) 文字图像的识别方法及其装置
US20210166058A1 (en) Image generation method and computing device
CN110147833A (zh) 人像处理方法、装置、系统和可读存储介质
CN112132812B (zh) 证件校验方法、装置、电子设备及介质
CN111367575A (zh) 一种用户行为预测方法、装置、电子设备及存储介质
CN117114514B (zh) 一种基于大数据的人才信息分析管理方法、系统及装置
CN114743062A (zh) 一种建筑特征的识别方法及装置
CN112749723A (zh) 样本标注方法、装置、计算机设备和存储介质
Rane et al. Leading-edge technologies for architectural design: a comprehensive review
CN112016617B (zh) 细粒度分类方法、装置及计算机可读存储介质
CN111709069B (zh) 装修方案生成方法、装置、计算机设备和存储介质
CN106326876A (zh) 一种训练模型生成方法、人脸对齐处理方法及装置
JP7053195B2 (ja) 家屋異動推定装置、家屋異動学習装置、家屋異動推定方法、識別器のパラメータ生成方法及びプログラム
CN113674142B (zh) 图像中目标物的消融方法、装置、计算机设备及介质
Roy et al. Classification of Defective Intensity Levels of Paint in Heritage Buildings using the CNN-SVM Technique
CN115311396A (zh) 一种超高建筑物屋顶轮廓线的自动提取方法及系统
CN114510682A (zh) 能耗计算方法、装置、计算机设备和存储介质
CN113963311A (zh) 一种安全生产风险视频监控方法及系统
CN113538661A (zh) 基于建筑模型的信息展示方法及相关装置
JP7039351B2 (ja) 家屋異動判読支援システム、家屋異動判読支援方法および家屋異動判読支援プログラム
Chiang et al. Road Damage Detection Using Deep Learning and Cloud Platforms
CN107239463A (zh) 一种景区地图生成方法及装置
Rane et al. International Journal of Architecture and Planning

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
GR01 Patent grant
GR01 Patent grant