申请/专利权人：武汉大学

申请日：2023-12-15

公开（公告）日：2024-04-05

公开（公告）号：CN117830381A

主分类号：G06T7/62

分类号：G06T7/62;G06V20/13;G06F18/213;G06F18/214;G06F18/21

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明属于湖泊面积变化分析预测技术领域，具体涉及湖泊面积变化空间分析模型、构建与面积变化预测方法及装置，模型构建方法包括：步骤1，数据获取和预处理；步骤2，逐月合成最优影像；步骤3，提取湖泊范围并计算面积变化；步骤4，构建湖泊流域空间权重矩阵并中心化；步骤5，对中心化的矩阵进行特征分解，计算特征值和向量；步骤6，筛选特征向量；步骤7，确定影响因子；步骤8，构建湖泊面积变化空间分析模型ESF‑FNN；将步骤4数据作为标签，模型的输入层中，输入步骤6数据作为空间特征，步骤7数据作为非空间特征；使输入层的神经元个数与特征个数相同，输出层输出湖泊面积变化预测值；基于模型评价指标确定ESF‑FNN。

主权项：1.湖泊面积变化空间分析模型的构建方法，其特征在于，包括：步骤1，湖泊流域数据获取和预处理；获取湖泊流域矢量数据、遥感影像数据、环境因素数据、地形因素数据，并进行预处理；步骤2，采用预处理后的遥感影像数据逐月合成最优影像；步骤3，根据最优影像，提取湖泊范围并计算面积变化；步骤4，基于预处理后的湖泊流域数据，根据各湖泊流域的邻接关系或距离关系构建湖泊流域空间权重矩阵并对其中心化；步骤5，对中心化后的湖泊流域空间权重矩阵进行特征分解，计算特征值和特征向量；步骤6，基于阈值A对特征向量进行筛选；步骤7，确定影响因子；基于预处理后的湖泊流域数据，将环境因素变量、地形因素变量和步骤6筛选得到的特征向量一起作为候选变量集，并通过相关性分析计算相关系数，选取通过显著性检验的变量，作为加入模型的影响因子；步骤8，构建湖泊面积变化空间分析模型ESF-FNN；将步骤4得到的湖泊面积变化数据作为标签，模型的输入层划分为空间影响部分和非空间影响部分，输入步骤6筛选出的空间特征向量作为空间特征，步骤7中通过显著性检验的影响因子作为非空间特征；使模型中输入层的神经元个数与特征个数相同，包括空间特征和非空间特征部分，输出层的释放神经元个数与标签个数相同，模型的输出层用于输出湖泊面积变化预测值；对模型进行训练，并基于模型评价指标，将通过验证集的最佳指标对应的模型作为湖泊面积变化空间分析模型。

全文数据：

权利要求：

百度查询： 武汉大学 湖泊面积变化空间分析模型、构建与面积变化预测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD