CN117973641A - 数据驱动的城市可持续发展规划决策优化方法及系统 - Google Patents
数据驱动的城市可持续发展规划决策优化方法及系统 Download PDFInfo
- Publication number
- CN117973641A CN117973641A CN202410381218.XA CN202410381218A CN117973641A CN 117973641 A CN117973641 A CN 117973641A CN 202410381218 A CN202410381218 A CN 202410381218A CN 117973641 A CN117973641 A CN 117973641A
- Authority
- CN
- China
- Prior art keywords
- development
- data
- city
- factors
- planning
- 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
- 238000011161 development Methods 0.000 title claims abstract description 214
- 238000005457 optimization Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000007621 cluster analysis Methods 0.000 claims abstract description 23
- 238000010606 normalization Methods 0.000 claims abstract description 17
- 238000012795 verification Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 19
- 230000007613 environmental effect Effects 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 17
- 230000035945 sensitivity Effects 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 6
- 238000010206 sensitivity analysis Methods 0.000 claims description 5
- 230000000452 restraining effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000035899 viability Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000009897 systematic effect Effects 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及数据科学技术领域，提供数据驱动的城市可持续发展规划决策优化方法及系统。所述方法包括：收集第一城市发展的多维度数据；进行归一化处理；并进行跨维度校验，获得归一化数据集；利用该数据集获取影响城市发展的因素；并通过聚类分析获得发展因素之间的相互关系；构建多目标优化决策模型；将因素及关系输入其中，生成城市规划方案集合；利用优化算法对方案集合进行评估，得出第一城市的目标发展规划方案。本申请通过对发展因素及其相互关系的识别，构建多目标优化决策模型，解决因复杂多变的发展环境导致的制定的决策缺乏针对性和精准性的技术问题，确保决策的科学性和可持续性。
Description
技术领域
本申请涉及数据科学技术领域，具体涉及大数据分析技术领域，尤其涉及数据驱动的城市可持续发展规划决策优化方法及系统。
背景技术
随着城市化进程的加速，城市规划面临着越来越多的挑战。传统的城市规划方法往往依赖于经验和定性分析，但因其市规划涉及经济、社会、环境等多个方面，需要综合考虑多个目标和约束条件，因此往往需要一个评估团队对其进行整体评估，并作出一个合理的城市可持续发展规划决策，但是在实现本申请实施例的过程中发现传统的规划决策方法，因其涉及经济、社会、环境等多个方面，需要综合考虑多个目标和约束条件，因此也需要不同方面的人才经过磨合后，花费大量时间才可完成；因此如何利用如何利用大数据和优化算法来辅助工作人员提升城市规划决策的效率、科学性和可持续性，成为当前亟待解决的问题。
在此背景下，数据驱动的城市可持续发展规划决策优化方法及系统应运而生，旨在通过对发展因素及其相互关系的识别，构建多目标优化决策模型，解决因复杂多变的发展环境导致的制定的决策效率低下、缺乏针对性和精准性，引起的决策的科学性和可持续性不足的技术问题。
发明内容
本申请通过提供了数据驱动的城市可持续发展规划决策优化方法及系统，旨在通过对发展因素及其相互关系的识别，构建多目标优化决策模型，生成发展规划方案以供工作人员参考，以大幅提高工作人员的工作效率，但是在系统使用时所生成的发展规划方案，往往并不能使工作人员完全满意，因此往往还需要工作人员对其系统生成的发展规划方案进行进一步的修改，为此系统终端建立了动态的反馈数据信息库，用来收集第一用户也就是工作人员的反馈数据。并根据对目标发展规划方案的评估和用户反馈数据的收集，能够不断完善和优化方案，为第一城市的可持续发展提供有力支持，以解决因复杂多变的发展环境导致的制定的决策缺乏针对性和精准性，引起的决策的科学性和可持续性不足的技术问题。
鉴于上述问题，本申请提供了数据驱动的城市可持续发展规划决策优化方法及系统。
本申请公开的第一个方面，提供了数据驱动的城市可持续发展规划决策优化方法，所述方法包括：收集第一城市发展的多维度数据；对所述多维度数据进行归一化处理；对归一化处理后的所述多维度数据进行跨维度校验，获得归一化数据集；根据所述归一化数据集，获取影响所述第一城市的发展因素；通过聚类分析获得所述发展因素之间的第一相互关系；根据所述发展因素和所述相互关系构建多目标优化决策模型；将所述发展因素及所述第一相互关系输入到所述多目标优化决策模型中，生成城市规划方案集合；根据优化算法对所述城市规划方案集合进行评估，获得所述第一城市的目标发展规划方案。
本申请公开的另一个方面，提供了数据驱动的城市可持续发展规划决策优化系统，所述系统包括：数据收集模块，所述数据收集模块用于收集第一城市发展的多维度数据；归一化处理模块，所述归一化处理模块用于对所述多维度数据进行归一化处理；跨维度校验模块，所述跨维度校验模块用于对归一化处理后的所述多维度数据进行跨维度校验，获得归一化数据集；发展因素获取模块，所述发展因素获取模块用于根据所述归一化数据集，获取影响所述第一城市的发展因素；聚类分析模块，所述聚类分析模块用于通过聚类分析获得所述发展因素之间的第一相互关系；模型构建模块，所述模型构建模块用于根据所述发展因素和所述相互关系构建多目标优化决策模型；方案集合生成模块，所述方案集合生成模块用于将所述发展因素及所述第一相互关系输入到所述多目标优化决策模型中，生成城市规划方案集合；评估模块，所述评估模块用于根据优化算法对所述城市规划方案集合进行评估，获得所述第一城市的目标发展规划方案。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
上述数据驱动的城市可持续发展规划决策优化方法，该方法广泛收集涵盖城市经济、环境等多维度的数据。之后通过归一化处理，使不同来源、不同量纲的数据得以统一比较和分析。然后，对归一化后的数据进行跨维度校验，以确保数据质量，并生成可靠的归一化数据集。基于这一数据集，进一步挖掘影响城市发展的关键因素，并通过聚类分析揭示这些因素之间的内在联系和相互作用。这些深入的分析为构建多目标优化决策模型提供了坚实的基础，该模型能够综合考虑多个发展目标，并在不同目标间寻求最佳平衡。最终，将发展因素及其相互关系输入到优化模型中，生成一系列城市规划方案。这些方案经过优化算法的严格评估，最终确定出符合城市可持续发展目标的最优规划方案。整个流程体现了科学决策和精准规划的理念，有效提升了城市规划的科学性和有效性，为城市的可持续发展提供了有力支持。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中数据驱动的城市可持续发展规划决策优化方法的流程示意图；
图2为一个实施例中数据驱动的城市可持续发展规划决策优化系统架构图。
附图标记说明：数据收集模块1，归一化处理模块2，跨维度校验模块3，发展因素获取模块4，聚类分析模块5，模型构建模块6，方案集合生成模块7，评估模块8。
具体实施方式
本申请实施例通过提供数据驱动的城市可持续发展规划决策优化方法及系统，解决因复杂多变的发展环境导致的制定的决策缺乏针对性和精准性，引起的决策的科学性和可持续性不足的技术问题。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一：如图1所示，本申请提供了数据驱动的城市可持续发展规划决策优化方法，所述方法包括：
收集第一城市发展的多维度数据；
可持续发展理念在全球范围内得到广泛认同和推广，成为城市发展的重要指导原则。数据驱动的城市可持续发展规划决策优化方法及系统，正是基于这一理念，旨在通过数据的深度挖掘和分析，为城市的可持续发展提供科学依据和决策支持。
在本申请实施例中，在收集第一城市发展的数据时，系统终端致力于获取关于该城市发展的全面而深入的信息。这涵盖了从经济、环境、交通等多个方面的数据，以形成该城市的多维度数据集。通过收集这些多维度数据，系统终端能够更全面地了解城市的发展状况，识别出潜在的问题和机遇，为后续的规划决策提供科学依据。同时，这些数据也为后续的数据处理和分析工作奠定了坚实的基础。
进一步，本申请提供了多维度数据，方法还包括：
所述多维度数据包括社会经济数据、环境数据、交通数据、能源数据、人口数据。
优选的，多维度数据涵盖了城市发展的各个方面，包括社会经济数据、环境数据、交通数据、能源数据以及人口数据。社会经济数据揭示了城市的经济运行状况和社会结构特征，如GDP、人均收入、就业情况、产业结构等，这些数据为系统终端提供了城市发展的经济基础和动力源泉。环境数据则反映了城市的自然环境和生态保护状况，如空气质量、水质状况、绿化覆盖率等，这些数据关乎居民的生活质量和城市的可持续发展能力。交通数据描述了城市的交通运行状况和交通设施状况，如道路拥堵情况、公共交通使用率等，这些数据对于优化城市交通网络、提升交通效率具有重要意义。能源数据关乎城市的能源供应和消费情况，如能源结构、能源消耗量等，这些数据有助于系统终端了解城市的能源利用效率和可持续发展潜力。人口数据则反映了城市的人口规模和结构特征，如人口数量、年龄分布、教育水平等，这些数据对于理解城市的社会发展态势和规划公共服务设施至关重要。通过收集和分析这些多维度数据，能够更全面地把握城市的发展脉搏，为制定科学合理的城市规划决策提供有力支持。
对所述多维度数据进行归一化处理；
在一个实施例中，对多维度数据进行归一化处理是一个重要的数据预处理步骤。这个过程主要是将不同维度、不同量纲的数据转换到一个统一的范围内，例如，0到1之间。这样做的目的是消除不同数据之间的量纲差异，使得它们在后续的分析和比较中能够具有相同的权重和可比性。具体来说，系统终端对收集到的多维度数据进行预处理，确保数据的完整性和准确性。之后，对处理后的数据按照类别组成归一化数据列。系统终端为每一列数据设置该列的最小值和最大值。然后，将原始值和最小值的差值与最大值和最小值的差值进行比值运算，最终将多维度数据中的每类数据映射到[0,1]的范围内。归一化后的数据不仅方便进行跨维度的比较和综合分析，还能提高后续数据挖掘和模型构建的准确性和效率。因此，对多维度数据进行归一化处理是数据驱动的城市可持续发展规划决策优化方法及系统中不可或缺的一步，它为后续的数据分析和决策提供了基础和保障。
对归一化处理后的所述多维度数据进行跨维度校验，获得归一化数据集；
在一个实施例中，系统终端对归一化处理后的多维度数据进行跨维度校验，是一个关键的步骤，用于确保归一化后的多维度数据在结构上保持一致，并且没有遗漏任何重要信息。具体来说，系统终端首先确认归一化后的数据集中是否包含所有预期的维度和变量。这涉及检查数据集中是否每个预期的列都存在，并且没有遗漏任何重要的数据。此外，还要检查每一行数据是否完整，没有缺失值或空值。之后，检查每个数值是否满足归一化后的数值范围要求，即验证归一化后的数据是否落在[0,1]的范围内。然后，校验归一化后的数据是否在所有维度上保持了一致性。这包括检查不同维度之间的数据是否逻辑上相互匹配，以及它们之间的关系是否仍然有效，以确保它们维度的一致性。例如，检查人口数据与社会经济数据之间的关联性是否仍然合理。通过上述校验，系统终端可以确认每个维度的数据都已经成功归一化，并且处于相同的数值范围上，同时获得归一化数据集。这样，就可以确保在进行后续的数据分析和建模时，各个维度的数据都是可比的，不会因为量纲或尺度的不同而引入误差或偏差。因此，跨维度校验是归一化后数据处理中不可或缺的一环，它有助于保证归一化数据集的质量和可靠性，为后续的数据分析和决策支持提供坚实的基础。
根据所述归一化数据集，获取影响所述第一城市的发展因素；
在一个实施例中，系统终端从历史发展数据库中提取出能够反映城市整体发展水平和特点的关键指标，并根据这些指标从归一化数据集中提取出能够精准反映城市发展的特征。之后对这些特征进行深入挖掘，识别出对城市发展具有显著影响的因素。这些因素包括经济层面的指标，如GDP增长率、产业结构优化等，它们反映了城市的经济实力和活力。同时，环境方面的因素，如空气质量、水质状况等，也是影响城市可持续发展的重要因素。此外，交通状况、能源利用效率以及人口结构等也是影响城市发展的重要方面。因此，通过对归一化数据集的分析，系统终端能够更全面地了解影响第一城市发展的各种因素，并为制定科学合理的发展策略提供有力支持。这些发展因素不仅揭示了城市发展的现状和问题，也为城市的可持续发展提供了改进和优化的方向。
进一步，本申请提供了所述根据所述归一化数据集，获取影响所述第一城市的发展因素，方法还包括：
获取所述第一城市的发展特征；
根据所述发展特征对所述归一化数据集进行相关性分析，获得所述发展因素。
可选的，系统终端将前述获得的反映城市整体发展水平和特点的关键指标整理为第一城市的发展特征。这些发展特征涵盖了城市的经济指标、环境质量指标、交通状况指标、能源利用指标、人口结构指标等多个方面。通过对这些指标的综合分析，系统终端可以初步了解第一城市的发展状况、优势和劣势，为后续的相关性分析提供基础。之后，根据这些发展特征对归一化数据集进行相关性分析。通过计算归一化数据集中各个指标之间的相关系数，定量地评估不同发展因素之间的关联程度。例如，分析经济增长与环境质量之间的关系，或者人口结构与科技创新之间的关联。通过相关性分析，系统终端能够获得一系列的发展因素，这些因素与第一城市的发展特征密切相关，不仅反映了城市发展的现状和特点，也为后续制定科学合理的发展策略提供了重要的参考依据。
通过聚类分析获得所述发展因素之间的第一相互关系；
在一个实施例中，通过聚类分析，系统终端可以进一步探索发展因素之间的第一相互关系。聚类分析是一种无监督学习方法，旨在将相似的数据点归为一类，使得同一类内的对象尽可能相似，而不同类之间的对象则尽可能不同。系统终端在针对第一城市的发展因素进行聚类分析时，首先会归一化数据集中与发展相关的各个指标作为特征，并对获得的发展因素进行随机划分，选择出聚类中心，聚类算法基于这些特征的距离来将发展因素划分进最近的集群中。这些集群代表了发展因素之间的潜在相互关系。通过聚类分析，系统终端可以发现哪些发展因素在数值上或趋势上表现出较强的相似性，从而推断它们之间可能存在某种关联或相互影响。例如，某些经济指标聚为一类，表明它们共同反映了城市的经济实力；而另一些环境指标聚为另一类，反映了城市的环境状况。同时，聚类分析还可以揭示出它们之间的关系。例如，经济增长可能对环境产生压力，而环境质量的改善又可能吸引更多人才和投资，促进经济发展。聚类分析的结果不仅有助于系统终端理解发展因素之间的相互作用，还可以为决策的制定提供有针对性的建议。总结来说，通过聚类分析，能够获得发展因素之间的第一相互关系，即它们是如何在数据层面上相互关联和影响的。这种分析有助于更深入地理解城市发展的复杂性和多元性，为未来的决策制定提供科学依据。
进一步，本申请提供了所述通过聚类分析获得所述发展因素之间的第一相互关系，方法还包括：
A：将所述发展因素划分为K个集群；
B：随机选择K个数据点作为初始质心，计算每个数据点到每个质心的距离，并将每个数据点分配给距离最近的质心所代表的集群；
C：重新计算每个集群的质心；
重复步骤B和C，直至达到预定的迭代次数，生成聚类结果；
根据所述聚类结果，获取所述发展因素的相互关系。
优选的，系统终端通过将发展因素划分为K个集群后，随机选择K个数据点作为初始的质心。这些质心作为集群的代表，决定了初始的集群划分。之后，通过欧氏距离计算每个数据点到每个质心的距离，并将每个数据点分配给距离最近的质心所代表的集群。这样，就得到了基于初始质心的初步集群划分。完成初步划分后，进入迭代优化阶段。在每次迭代中，系统终端重新计算每个集群的质心。新的质心是集群内所有数据点的平均值，它更准确地反映了集群的中心位置。然后，再次计算每个数据点到新质心的距离，并根据最小距离原则重新分配数据点到不同的集群。这个过程会不断重复，直到达到预设的最大迭代次数。并生成最终的聚类结果。这些结果展示了发展因素如何被划分为K个集群，每个集群内部的发展因素在数据层面上表现出较强的相似性。最后，根据聚类结果，系统终端进一步分析不同集群之间的关系，从而获取发展因素之间的相互关系。这些相互关系可以帮助系统终端更好地理解城市发展的内在机制和规律，为决策的制定提供科学依据。
根据所述发展因素和所述相互关系构建多目标优化决策模型；
在一个实施例中，系统终端根据已经识别出的发展因素和它们之间的相互关系，以及历史数据库中的发展因素和它们之间的相互关系构建多目标优化决策模型，旨在综合考虑多个相互冲突或相互依赖的目标，以找到最优的决策方案。首先，系统终端根据每个用户的偏好明确模型的目标。这些目标包括经济的增长、环境质量的提升等。每个目标都对应一个或多个发展因素。之后，系统终端根据发展因素之间的相互关系，建立数学模型来描述这些目标之间的权衡关系。这涉及设置权重、约束条件和决策变量。其中，权重是指每个因素以及它们之间的关系在模型构建过程的重要程度，约束条件则是对决策变量的限制，确保制定的决策方案在实际操作中可行。总结来说，构建多目标优化决策模型是一个复杂而系统的过程，需要综合考虑多个发展因素及其相互关系。通过合理地构建模型，可以为城市发展的决策制定提供科学依据，实现多个目标之间的平衡和优化。
进一步，本申请提供了所述根据所述发展因素和所述第一相互关系构建多目标优化决策模型，方法还包括：
根据发展因素和所述发展因素之间的相互关系构建初始模型；
收集第一用户的偏好数据；
优选的，根据所述发展因素和所述第一相互关系构建多目标优化决策模型。所述偏好数据是指第一用户对于城市发展因素、发展目标或发展策略的个人倾向和喜好信息，包括发展目标的重视程度、发展因素的看法、风险承受能力等。系统终端根据已知的发展因素和它们之间的相互关系，确定决策变量和目标函数。再将发展因素、相互关系、决策变量和目标函数整合到一个模型中。这个模型能够描述城市发展的动态过程，以及不同决策变量对目标函数的影响，为后续的策略制定和决策提供坚实的基础。之后，为了更好地满足特定用户的需求和偏好，系统终端收集了第一用户的偏好数据。通过收集和分析这些数据，可以更准确地把握用户的实际需求，从而调整和优化模型，使之更符合用户的期望。总结来说，根据发展因素和它们之间的相互关系构建了初始模型，并通过收集第一用户的偏好数据，将用户的个性化需求融入模型中，有助于更全面地理解城市发展，提供更为精准的决策支持。
建立动态的约束条件数据库，获取城市规划约束条件；
根据偏好数据对所述初始模型进行权重分配，通过所述城市规划约束条件对所述初始模型进行约束，获得所述多目标优化决策模型。
优选的，系统终端根据法律法规、研究报告等渠道建立动态的约束条件数据库。该数据库会不断收集、更新城市规划中的各类约束条件，这些约束条件包括土地使用限制、环境保护要求、基础设施建设标准、法律条令等。这些约束条件在城市发展过程中是不断变化的，因此需要一个动态的数据库来实时反映这些变化。之后，根据收集到的第一用户的偏好数据对初始模型进行权重分配。这代表系统终端根据用户对不同发展目标的重视程度，给初始模型中的各个目标函数赋予不同的权重。这样，模型在优化时会更加侧重于用户关心的目标，从而满足用户的个性化需求。然后，使用动态约束条件数据库中的城市规划约束条件对初始模型进行约束。这些约束条件限制了决策变量的取值范围或优化过程中的一些行为，确保模型在求解时符合实际的政策环境和规划要求。通过这一系列的步骤，系统终端最终获得了多目标优化决策模型。这个模型不仅考虑了发展因素和它们之间的相互关系，还融入了用户的偏好和实际的规划约束，使得模型更加符合实际情况和政策需求。
将所述发展因素及所述第一相互关系输入到所述多目标优化决策模型中，生成城市规划方案集合；
在一个实施例中，系统终端将发展因素及它们之间的第一相互关系输入到多目标优化决策模型中，模型会进行复杂的数学运算和优化分析。在这个过程中，模型会综合考虑多个发展目标，如经济增长、环境保护等，并寻求这些目标之间的最佳平衡。同时，模型还会考虑到发展因素之间的相互关系，比如经济增长与环境保护之间的权衡，或是人口流动与城市规划之间的相互影响。通过模型的运算，系统终端得到一系列符合约束条件的城市规划方案。这些方案不仅考虑了各种发展目标和因素，还反映了用户的偏好和政策需求。因此，可以作为制定城市规划政策的重要依据。总结来说，将发展因素和它们之间的相互关系输入到多目标优化决策模型中，可以生成一系列符合实际情况和政策需求的城市规划方案集合，为决策者提供了有力的支持和参考。
进一步，本申请提供了将所述发展因素及所述第一相互关系输入到所述多目标优化决策模型中，生成城市规划方案集合之前，方法还包括：
根据历史数据获得所述多目标优化决策模型参数的变化范围；
在所述变化范围内根据预设步长多次运行所述多目标优化决策模型，记录每次模型的输入值和输出值，生成敏感因素识别数据集；
优选的，系统终端通过分析历史数据库中的历史数据获得多目标优化决策模型参数的变化范围。这样做有助于了解模型在不同参数组合下的表现，进而找出影响模型输出最为敏感的因素。在确定了参数的变化范围后，系统终端按照预设的步长多次运行多目标优化决策模型。这代表系统终端在该范围内，以一定的间隔不断调整参数值，并观察模型在这些不同参数组合下的输出结果。每次运行时，都会记录模型的输入参数值和对应的输出值，从而积累大量的数据点。通过这个过程，系统终端生成了一个敏感因素识别数据集。这个数据集包含了不同参数组合下模型的输入和输出信息，它能够帮助系统终端识别出哪些参数对模型输出的影响最为显著，即敏感因素。这些敏感因素对于系统终端具有重要的参考价值，因为它们指示了哪些因素的变化最有可能导致城市规划方案发生显著变化，从而需要更加关注和精细调控。总结来说，通过分析历史数据确定了模型参数的变化范围，并通过多次运行模型记录了不同参数组合下的输入输出值，从而生成了敏感因素识别数据集。这个过程有助于深入理解模型的行为，并找出影响模型输出的关键参数。
通过敏感性分析，计算得到所述敏感因素识别数据集中的敏感性指标；
根据所述敏感性指标对模型进行优化。
优选的，系统终端整理敏感因素识别数据集，确保数据完整、准确。并对数据进行预处理，去除异常值等，以便进行后续的敏感性分析。之后，计算每个参数变化时模型输出的变化量，得到每个参数的敏感性指标。敏感性指标可以帮助系统终端量化地了解不同参数对模型输出的影响程度，从而确定哪些参数对模型的稳定性和准确性至关重要。一旦获得了敏感性指标，系统终端根据这些指标对模型进行优化。优化过程主要包括调整那些敏感性较高的参数，以使模型更加精确地反映实际情况和政策需求。通过优化模型，可以提高模型的预测能力和决策支持效果，为城市规划提供更为可靠和有效的依据。
根据优化算法对所述城市规划方案集合进行评估，获得所述第一城市的目标发展规划方案。
在一个实施例中，系统终端利用优化算法对城市规划方案集合进行评估，是为了从众多可能的方案中挑选出最适合第一城市发展的规划方案。优化算法能够基于设定的目标和约束条件，对方案集合中的每一个方案进行量化评估，从而找出最优解。在这个过程中，优化算法会考虑多种因素，如经济效益、环境可持续性等，并将这些因素转化为可计算的指标。同时，还根据城市的历史数据等对方案进行进一步的调整和优化。通过优化算法的评估，系统终端可以得到一个或多个满足所有设定条件和目标的城市规划方案。这些方案不仅在理论上具有可行性，而且在实践中也具有较高的可操作性。最终，决策者可以根据城市的实际情况和发展需求，从中选择最适合的第一城市目标发展规划方案。总结来说，利用优化算法对城市规划方案集合进行评估，是一种科学、高效的方法，能够帮助系统终端找到最符合城市发展需求的规划方案，为城市的可持续发展提供有力支持。
进一步，本申请提供了对所述第一城市的目标发展规划方案进行调整，方法还包括：
在预设时间内对所述第一城市的目标发展规划方案进行评估；
建立动态的反馈数据信息库，收集第一用户的反馈数据；
通过评估结果和所述反馈数据对所述第一城市的目标发展规划方案进行调整。
优选的，系统终端预先设置一个评估时间间隔，在预设的时间内，会对第一城市的目标发展规划方案进行了全面评估。评估过程中，综合考虑方案的可行性、经济效益、社会效益以及环境影响等多个方面，确保方案能够符合城市的发展需求和长远规划。同时，为了更好地了解方案的实际效果和用户反馈，系统终端建立了动态的反馈数据信息库，积极收集第一用户的反馈数据。这些反馈数据可以帮助系统终端了解用户对规划方案的接受程度、满意度以及可能存在的问题，为方案的调整提供重要依据。在获得评估结果和反馈数据后，系统终端对第一城市的目标发展规划方案进行了针对性的调整。根据评估结果对方案中的不足之处进行了改进，同时结合用户的反馈数据对方案进行了进一步优化，确保方案能够更好地满足用户的期望和需求。总结来说，通过对目标发展规划方案的评估和用户反馈数据的收集，能够不断完善和优化方案，为第一城市的可持续发展提供有力支持。
综上所述，本申请实施例至少具有如下技术效果：
本申请实施例全面收集关于第一城市发展的多维度数据。通过对这些数据进行归一化处理和跨维度校验，确保数据的准确性和一致性，进而形成归一化数据集。之后，从归一化数据集中识别出影响城市发展的关键发展因素，并通过聚类分析揭示这些因素之间的复杂相互关系。这些发展因素和相互关系为构建多目标优化决策模型提供了重要依据。在构建模型的过程中，充分考虑第一用户的偏好数据，并结合城市规划的约束条件对模型进行约束和优化。这确保了模型既符合城市的实际需求，又能够反映出用户的期望和偏好。然后，将发展因素和相互关系输入到多目标优化决策模型中，生成多个城市规划方案。为了确保模型的准确性和有效性，进行敏感性分析，识别影响模型输出的关键敏感因素，并据此对模型进行了优化。最后，在预设时间内对目标发展规划方案进行全面评估，并建立动态反馈数据库，收集用户的反馈数据。基于评估结果和用户反馈，对规划方案进行必要的调整，以确保其更加符合城市的实际需求和长远发展目标。这些技术效果共同解决了因复杂多变的发展环境导致的制定的决策缺乏针对性和精准性的技术问题，确保决策的科学性和可持续性。
实施例二：基于与前述实施例中数据驱动的城市可持续发展规划决策优化方法相同的发明构思，如图2所示，本申请提供了数据驱动的城市可持续发展规划决策优化系统，所述系统包括：
数据收集模块1：所述数据收集模块1用于收集第一城市发展的多维度数据；
归一化处理模块2：所述归一化处理模块2用于对所述多维度数据进行归一化处理；
跨维度校验模块3：所述跨维度校验模块3用于对归一化处理后的所述多维度数据进行跨维度校验，获得归一化数据集；
发展因素获取模块4：所述发展因素获取模块4用于根据所述归一化数据集，获取影响所述第一城市的发展因素；
聚类分析模块5：所述聚类分析模块5用于通过聚类分析获得所述发展因素之间的第一相互关系；
模型构建模块6：所述模型构建模块6用于根据所述发展因素和所述相互关系构建多目标优化决策模型；
方案集合生成模块7：所述方案集合生成模块7用于将所述发展因素及所述第一相互关系输入到所述多目标优化决策模型中，生成城市规划方案集合；
评估模块8：所述评估模块8用于根据优化算法对所述城市规划方案集合进行评估，获得所述第一城市的目标发展规划方案。
进一步地，所述数据收集模块1用于执行如下方法：
所述多维度数据包括社会经济数据、环境数据、交通数据、能源数据、人口数据。
进一步地，所述发展因素获取模块4用于执行如下方法：
获取所述第一城市的发展特征；
根据所述发展特征对所述归一化数据集进行相关性分析，获得所述发展因素。
进一步地，所述聚类分析模块5用于执行如下方法：
A：将所述发展因素划分为K个集群；
B：随机选择K个数据点作为初始质心，计算每个数据点到每个质心的距离，并将每个数据点分配给距离最近的质心所代表的集群；
C：重新计算每个集群的质心；
重复步骤B和C，直至达到预定的迭代次数，生成聚类结果；
根据所述聚类结果，获取所述发展因素的相互关系。
进一步地，所述模型构建模块6用于执行如下方法：
根据发展因素和所述发展因素之间的相互关系构建初始模型；
收集第一用户的偏好数据；
建立动态的约束条件数据库，获取城市规划约束条件；
根据偏好数据对所述初始模型进行权重分配，通过所述城市规划约束条件对所述初始模型进行约束，获得所述多目标优化决策模型。
进一步地，所述方案集合生成模块7用于执行如下方法：
根据历史数据获得所述多目标优化决策模型参数的变化范围；
在所述变化范围内根据预设步长多次运行所述多目标优化决策模型，记录每次模型的输入值和输出值，生成敏感因素识别数据集；
通过敏感性分析，计算得到所述敏感因素识别数据集中的敏感性指标；
根据所述敏感性指标对模型进行优化。
进一步地，所述评估模块8用于执行如下方法：
在预设时间内对所述第一城市的目标发展规划方案进行评估；
建立动态的反馈数据信息库，收集第一用户的反馈数据；
通过评估结果和所述反馈数据对所述第一城市的目标发展规划方案进行调整。
需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附本申请的范围内。在一些情况下，在本申请中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序和连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (8)
1.数据驱动的城市可持续发展规划决策优化方法，其特征在于，所述方法包括：
收集第一城市发展的多维度数据；
对所述多维度数据进行归一化处理；
对归一化处理后的所述多维度数据进行跨维度校验，获得归一化数据集；
根据所述归一化数据集，获取影响所述第一城市的发展因素；
通过聚类分析获得所述发展因素之间的第一相互关系；
根据所述发展因素和所述相互关系构建多目标优化决策模型；
将所述发展因素及所述第一相互关系输入到所述多目标优化决策模型中，生成城市规划方案集合；
根据优化算法对所述城市规划方案集合进行评估，获得所述第一城市的目标发展规划方案。
2.如权利要求1所述的方法，其特征在于，所述收集第一城市发展的多维度数据，所述多维度数据包括社会经济数据、环境数据、交通数据、能源数据、人口数据。
3.如权利要求1所述的方法，其特征在于，所述根据所述归一化数据集，获取影响所述第一城市的发展因素，包括：
获取所述第一城市的发展特征；
根据所述发展特征对所述归一化数据集进行相关性分析，获得所述发展因素。
4.如权利要求1所述的方法，其特征在于，所述通过聚类分析获得所述发展因素之间的第一相互关系，包括：
A：将所述发展因素划分为K个集群；
B：随机选择K个数据点作为初始质心，计算每个数据点到每个质心的距离，并将每个数据点分配给距离最近的质心所代表的集群；
C：重新计算每个集群的质心；
重复步骤B和C，直至达到预定的迭代次数，生成聚类结果；
根据所述聚类结果，获取所述发展因素的相互关系。
5.如权利要求1所述的方法，其特征在于，所述根据所述发展因素和所述第一相互关系构建多目标优化决策模型，包括：
根据发展因素和所述发展因素之间的相互关系构建初始模型；
收集第一用户的偏好数据；
建立动态的约束条件数据库，获取城市规划约束条件；
根据偏好数据对所述初始模型进行权重分配，通过所述城市规划约束条件对所述初始模型进行约束，获得所述多目标优化决策模型。
6.如权利要求1所述的方法，其特征在于，将所述发展因素及所述第一相互关系输入到所述多目标优化决策模型中，生成城市规划方案集合之前，包括：
根据历史数据获得所述多目标优化决策模型参数的变化范围；
在所述变化范围内根据预设步长多次运行所述多目标优化决策模型，记录每次模型的输入值和输出值，生成敏感因素识别数据集；
通过敏感性分析，计算得到所述敏感因素识别数据集中的敏感性指标；
根据所述敏感性指标对模型进行优化。
7.如权利要求1所述的方法，其特征在于，还包括：
在预设时间内对所述第一城市的目标发展规划方案进行评估；
建立动态的反馈数据信息库，收集第一用户的反馈数据；
通过评估结果和所述反馈数据对所述第一城市的目标发展规划方案进行调整。
8.数据驱动的城市可持续发展规划决策优化系统，其特征在于，所述系统包括：
数据收集模块：收集第一城市发展的多维度数据；
归一化处理模块：对所述多维度数据进行归一化处理；
跨维度校验模块：对归一化处理后的所述多维度数据进行跨维度校验，获得归一化数据集；
发展因素获取模块：根据所述归一化数据集，获取影响所述第一城市的发展因素；
聚类分析模块：通过聚类分析获得所述发展因素之间的第一相互关系；
模型构建模块：根据所述发展因素和所述相互关系构建多目标优化决策模型；
方案集合生成模块：将所述发展因素及所述第一相互关系输入到所述多目标优化决策模型中，生成城市规划方案集合；
评估模块：根据优化算法对所述城市规划方案集合进行评估，获得所述第一城市的目标发展规划方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410381218.XA CN117973641A (zh) | 2024-04-01 | 2024-04-01 | 数据驱动的城市可持续发展规划决策优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410381218.XA CN117973641A (zh) | 2024-04-01 | 2024-04-01 | 数据驱动的城市可持续发展规划决策优化方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117973641A true CN117973641A (zh) | 2024-05-03 |
Family
ID=90858141
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410381218.XA Pending CN117973641A (zh) | 2024-04-01 | 2024-04-01 | 数据驱动的城市可持续发展规划决策优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117973641A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118607953A (zh) * | 2024-06-11 | 2024-09-06 | 中国标准化研究院 | 一种城市可持续发展指数模型构建方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108335007A (zh) * | 2017-10-31 | 2018-07-27 | 上海市政工程设计研究总院（集团）有限公司 | 一种城市用地再开发强度的计算模型及其计算方法 |
| CN116823578A (zh) * | 2023-07-17 | 2023-09-29 | 鲁友燕 | 基于大数据分析的智能城市规划系统和方法 |
| CN117113471A (zh) * | 2023-05-23 | 2023-11-24 | 北京慧制科技有限公司 | 一种基于cim技术的城市仿真模型算法 |
| CN117332971A (zh) * | 2023-10-11 | 2024-01-02 | 国网江苏省电力有限公司无锡供电分公司 | 一种计及城市形态的区域综合能源规划方法及系统 |
-
2024
- 2024-04-01 CN CN202410381218.XA patent/CN117973641A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108335007A (zh) * | 2017-10-31 | 2018-07-27 | 上海市政工程设计研究总院（集团）有限公司 | 一种城市用地再开发强度的计算模型及其计算方法 |
| CN117113471A (zh) * | 2023-05-23 | 2023-11-24 | 北京慧制科技有限公司 | 一种基于cim技术的城市仿真模型算法 |
| CN116823578A (zh) * | 2023-07-17 | 2023-09-29 | 鲁友燕 | 基于大数据分析的智能城市规划系统和方法 |
| CN117332971A (zh) * | 2023-10-11 | 2024-01-02 | 国网江苏省电力有限公司无锡供电分公司 | 一种计及城市形态的区域综合能源规划方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 朱广堂;曹伟明;王乘;: "佛山市城市规划决策支持系统研究", 华中科技大学学报(城市科学版), no. 03, 30 September 2006 (2006-09-30) * |
| 蓝运超: "城市规划信息系统", 测绘信息与工程, no. 01, 30 March 1995 (1995-03-30) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118607953A (zh) * | 2024-06-11 | 2024-09-06 | 中国标准化研究院 | 一种城市可持续发展指数模型构建方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Straka et al. | Predicting popularity of electric vehicle charging infrastructure in urban context | |
| Li et al. | A study of project selection and feature weighting for analogy based software cost estimation | |
| CN110070145B (zh) | 基于增量聚类的lstm轮毂单品能耗预测 | |
| CN111324642A (zh) | 一种面向电网大数据分析的模型算法选型与评价方法 | |
| Anwar et al. | Integrating Artificial Intelligence and Environmental Science for Sustainable Urban Planning | |
| CN112987666B (zh) | 电厂机组运行优化调控方法及系统 | |
| CN109214449A (zh) | 一种电网投资需求预测方法 | |
| CN117725537A (zh) | 实时计量数据处理平台 | |
| Ghodousi et al. | Analyzing public participant data to evaluate citizen satisfaction and to prioritize their needs via K-means, FCM and ICA | |
| CN117787569B (zh) | 一种智能辅助评标方法及系统 | |
| CN117669895A (zh) | 公路工程环境影响评估系统 | |
| CN111815054A (zh) | 基于大数据的工业蒸汽热网短期负荷预测方法 | |
| CN117787508B (zh) | 基于模型预测的建筑施工过程碳排放处理方法及系统 | |
| CN118037000A (zh) | 基于数字经济的城市资源动态调度方法及系统 | |
| CN117973641A (zh) | 数据驱动的城市可持续发展规划决策优化方法及系统 | |
| CN116485020B (zh) | 一种基于大数据的供应链风险识别预警方法、系统及介质 | |
| CN111476274B (zh) | 一种大数据预测分析的方法、系统、装置及存储介质 | |
| CN117993572A (zh) | 一种应用于土地利用规划编制的土地资源空间优化配置方法 | |
| CN116883065A (zh) | 商户风险预测方法及装置 | |
| Jodpimai et al. | Estimating software effort with minimum features using neural functional approximation | |
| CN117473300B (zh) | 一种基于大数据的城市建设规划方法 | |
| CN112669073A (zh) | 一种用户留存预测方法、装置、电子设备及存储介质 | |
| Безкоровайний et al. | Mathematical models of a multi-criteria problem of reengineering topological structures of ecological monitoring networks | |
| CN118069959A (zh) | 基于动力学与结构方程耦合的区域碳排放预测方法及系统 | |
| CN117539520B (zh) | 固件自适应升级方法、系统以及设备 |
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 |