一种融合属性与结构的山洪灾害区划方法

    公开(公告)号:CN114911888A

    公开(公告)日:2022-08-16

    申请号:CN202210437780.0

    申请日:2022-04-25

    摘要: 本发明提供了一种融合属性与结构的山洪灾害区划方法,涉及山洪灾害区划技术领域,包括步骤(1)预处理降雨和地形因子,并空间聚合到各小流域尺度,作为小流域的降雨和地形属性;(2)根据小流域边界数据,以小流域中心代表小流域并作为图的节点,相邻的小流域构建节点之间的边,以此构建图结构代表小流域的空间结构关系;(3)以小流域的属性和空间结构关系为输入,利用三个图卷积神经网络模块构建图自编码器以同时对小流域的属性和空间结构进行特征表达学习;(4)根据每个图卷积神经网络模块的输出建立图解码器同时实现小流域空间结构的重建和小流域聚类;(5)根据小流域最佳聚类结果合并同类别的小流域得到最终的山洪灾害区划方案。

    一种基于堆叠集成学习的人口网格化方法

    公开(公告)号:CN117763071A

    公开(公告)日:2024-03-26

    申请号:CN202311807039.X

    申请日:2023-12-26

    申请人: 河海大学

    IPC分类号: G06F16/29 G06F18/27 G06N20/00

    摘要: 本发明公开了一种基于堆叠集成学习的人口网格化方法,包括预处理人口普查数据和网格尺度的辅助变量;从网格尺度的辅助变量提取居民区网格;构建基于堆叠集成学习的人口空间网格化模型;计算并利用人口普查单元的人口密度和辅助变量训练基于堆叠集成学习的人口网格化模型;将网格尺度的辅助变量输入到训练好的基于堆叠集成学习的人口网格化模型,预测得到人口密度网格;根据人口普查数据将人口密度网格校正获得最终的人口网格结果。本发明根据网格尺度的辅助变量和人口普查数据,精确刻画了人口分布与多种辅助变量之间的复杂映射关系,保证了普查单元人口总量和其内部人口网格之和的一致性,实现了人口数据的网格化。

    一种基于机器学习的山洪灾害区划方法

    公开(公告)号:CN114186780B

    公开(公告)日:2022-07-22

    申请号:CN202111298410.5

    申请日:2021-11-04

    申请人: 河海大学

    IPC分类号: G06Q10/06 G06Q50/26 G06K9/62

    摘要: 本发明公开了一种基于机器学习的山洪灾害区划方法,包括如下步骤:(1)提取各项短时强降雨指标和下垫面数据指标;(2)从短时强降雨指标和下垫面数据指标中筛选山洪灾害的关键因子;(3)构建基于自组织映射神经网络模型SOM进行山洪灾害的一级空间聚类,然后进行二级聚类;(4)利用外部指标和内部指标对山洪灾害的二级聚类结果进行综合评价,确定山洪灾害最佳聚类方案;(5)计算分区图斑面积标准差率,对微小斑块进行合并后处理,获取最终山洪灾害区划结果。本发明通过随机森林模型对山洪灾害相关关键因子进行选择,然后利用SOM进行两级混合聚类,结合多种机器学习方法实现了山洪灾害空间区划。

    一种融合兴趣点大数据的城市不透水面信息提取方法

    公开(公告)号:CN107220615A

    公开(公告)日:2017-09-29

    申请号:CN201710376992.1

    申请日:2017-05-24

    IPC分类号: G06K9/00

    摘要: 本发明公开了一种融合兴趣点大数据的城市不透水面信息提取方法,首先,引入遥感超分辨率制图技术,依靠地理学第一定律,从各像元的不透水面比例值中获得其内部精细亚像元的不透水面空间相关性特征值;其次,从网络地图上爬取兴趣点大数据,获取各亚像元兴趣点个数占所在像元兴趣点总数的百分比;然后,将以上两个步骤各亚像元的信息进行融合;最后,构建利用遥感影像和兴趣点大数据的空间优化模型,获取像元内部不透水面信息在亚像元尺度下的精细准确结果,进而实现城市不透水面信息的精确提取。本发明具有实用性强、模拟精度高等优点,适用于城市扩张、城市热岛效应及城市水资源保护等地学研究工作。

    一种基于机器学习的山洪灾害区划方法

    公开(公告)号:CN114186780A

    公开(公告)日:2022-03-15

    申请号:CN202111298410.5

    申请日:2021-11-04

    申请人: 河海大学

    IPC分类号: G06Q10/06 G06Q50/26 G06K9/62

    摘要: 本发明公开了一种基于机器学习的山洪灾害区划方法,包括如下步骤:(1)提取各项短时强降雨指标和下垫面数据指标;(2)从短时强降雨指标和下垫面数据指标中筛选山洪灾害的关键因子;(3)构建基于自组织映射神经网络模型SOM进行山洪灾害的一级空间聚类,然后进行二级聚类;(4)利用外部指标和内部指标对山洪灾害的二级聚类结果进行综合评价,确定山洪灾害最佳聚类方案;(5)计算分区图斑面积标准差率,对微小斑块进行合并后处理,获取最终山洪灾害区划结果。本发明通过随机森林模型对山洪灾害相关关键因子进行选择,然后利用SOM进行两级混合聚类,结合多种机器学习方法实现了山洪灾害空间区划。

    一种城市消防救援空间可达性评估方法

    公开(公告)号:CN111680825A

    公开(公告)日:2020-09-18

    申请号:CN202010406194.0

    申请日:2020-05-14

    申请人: 河海大学

    IPC分类号: G06Q10/04 G06Q10/06

    摘要: 本发明公开了一种城市消防救援空间可达性评估方法,步骤:根据消防站的消防人员数和消防车辆数计算消防站的供应服务能力;根据历史消防事件出动的消防车辆数量与负责救援的消防站的供应服务能力计算每个历史消防事件的供给需求比;根据消防救援服务标准,构建消防站与消防事件之间路网时间的空间分段阻抗模型;利用供给需求比与空间分段阻抗模型计算各历史消防事件的空间可达性;根据各历史消防事件的空间可达性,利用消防站辖区边界综合计算得到各消防站辖区的空间可达性。本发明具有实用性强、评估精度高等优点,适用于城市消防救援的资源优化配置。

    一种融合兴趣点大数据的城市不透水面信息提取方法

    公开(公告)号:CN107220615B

    公开(公告)日:2020-08-14

    申请号:CN201710376992.1

    申请日:2017-05-24

    IPC分类号: G06K9/00

    摘要: 本发明公开了一种融合兴趣点大数据的城市不透水面信息提取方法,首先,引入遥感超分辨率制图技术,依靠地理学第一定律,从各像元的不透水面比例值中获得其内部精细亚像元的不透水面空间相关性特征值;其次,从网络地图上爬取兴趣点大数据,获取各亚像元兴趣点个数占所在像元兴趣点总数的百分比;然后,将以上两个步骤各亚像元的信息进行融合;最后,构建利用遥感影像和兴趣点大数据的空间优化模型,获取像元内部不透水面信息在亚像元尺度下的精细准确结果,进而实现城市不透水面信息的精确提取。本发明具有实用性强、模拟精度高等优点,适用于城市扩张、城市热岛效应及城市水资源保护等地学研究工作。

    一种基于对象的遥感影像超分辨率制图方法

    公开(公告)号:CN106846246B

    公开(公告)日:2019-07-05

    申请号:CN201611164569.7

    申请日:2016-12-16

    IPC分类号: G06T3/40

    摘要: 本发明公开了一种基于对象的遥感影像超分辨率制图方法,针对基于对象遥感分类过程面临的混合对象问题,开展基于对象软分类获取各对象的类别比例,利用混合对象及其邻域对象之间的空间关系,依靠地理学第一定律——空间相关性原理,借助地统计学中的去卷积和面到点克里金插值技术,估计混合对象内各亚像元的空间相关性特征,在混合对象各类别比例约束下构建一个基于对象的线性优化模型确定亚像元的最优类别属性,进而完成遥感影像的超分辨率制图。本发明具有实用性强、模拟精度高等优点,适用于遥感数据分类、土地覆被/利用、变化检测等地表信息提取和地学数据挖掘工作。

    一种基于对象的遥感影像超分辨率制图方法

    公开(公告)号:CN106846246A

    公开(公告)日:2017-06-13

    申请号:CN201611164569.7

    申请日:2016-12-16

    IPC分类号: G06T3/40

    CPC分类号: G06T3/4053

    摘要: 本发明公开了一种基于对象的遥感影像超分辨率制图方法,针对基于对象遥感分类过程面临的混合对象问题,开展基于对象软分类获取各对象的类别比例,利用混合对象及其邻域对象之间的空间关系,依靠地理学第一定律——空间相关性原理,借助地统计学中的去卷积和面到点克里金插值技术,估计混合对象内各亚像元的空间相关性特征,在混合对象各类别比例约束下构建一个基于对象的线性优化模型确定亚像元的最优类别属性,进而完成遥感影像的超分辨率制图。本发明具有实用性强、模拟精度高等优点,适用于遥感数据分类、土地覆被/利用、变化检测等地表信息提取和地学数据挖掘工作。

    一种基于GIS与集成学习的山洪灾害易发性评价方法

    公开(公告)号:CN114493245B

    公开(公告)日:2024-08-09

    申请号:CN202210078561.8

    申请日:2022-01-21

    申请人: 河海大学

    摘要: 本发明公开了一种基于GIS与集成学习的山洪灾害易发性评价方法,应用多元自适应回归样条(MARS)和随机森林(RF)算法作为集成学习基础模型,采用人工神经网络(ANN)算法集成,以多个小流域矢量单元为研究对象,选用多个山洪特征因子为回归自变量。本发明以矢量小流域作为基本研究单元,可以更加精确的分析小流域区域易发程度,从而精准定位山洪易发的小流域。同时将山洪灾害调查评价成果与机器学习、智能算法相结合,从而进行山洪灾害易发性评估与制图,提供的评价方法计算精确,原理可靠,操作过程易学简便,能够普遍适用于省级尺度山洪灾害易发性评价的需要,为山洪灾害防治提供辅助决策。