一种乡镇时空发展特征的智能识别方法、装置及电子设备

本申请涉及机器学习，并且更具体地，涉及机器学习的一种乡镇时空发展特征的智能识别方法、装置及电子设备。

背景技术：

1、在相关研究与应用实践中，乡镇时空发展特征识别技术经历了一系列演进，大多依赖传统台账统计数据开展静态分析，这种识别方法难以精准捕捉乡镇差异化时空发展特征，识别精准度较低。

技术实现思路

1、本申请提供了一种乡镇时空发展特征的智能识别方法、装置及电子设备，能实现对乡镇多维时空发展特征的精准动态识别，确保识别结果的精准性和可靠性。

2、第一方面，本申请实施例提供了一种乡镇时空发展特征的智能识别方法，所述方法包括：

3、获取训练样本集合以及各训练样本的时空发展状态标签，所述训练样本集合是根据多个样本乡镇在历史年度期间内的第一多源时空感知观测数据构建得到，所述第一多源时空感知观测数据包括多个预设建模指标的第一指标观测值以及所述样本乡镇的空间地理位置；

4、利用所述训练样本集合和所述时空发展状态标签，对已构建的目标transformer模型进行训练，所述目标transformer模型至少包括时序映射模块和空间映射模块，其中，所述目标transformer模型的训练过程包括通过所述时序映射模块将各项预设建模指标对应的指标特征映射到目标维度空间而得到时序嵌入表示，并通过所述空间映射模块将所述空间地理位置对应的位置特征映射到所述目标维度空间而得到空间嵌入表示，且采用广播机制将所述空间嵌入表示沿时间轴复制后加载到所述时序嵌入表示的每一个时间步上，得到融合时空嵌入表示，之后根据所述融合时空嵌入表示确定相应训练样本对应的状态类别预测值，并基于所述状态类别预测值与所述时空发展状态标签之间的偏差，采用预设贝叶斯优化算法对所述目标transformer模型的网络参数进行迭代优化；

5、基于训练完成的目标transformer模型和待识别乡镇的第二多源时空感知观测数据，确定所述待识别乡镇的时空发展特征识别结果。

6、第二方面，本申请实施例提供了一种乡镇时空发展特征的智能识别装置，所述装置包括：

7、获取单元，用于获取训练样本集合以及各训练样本的时空发展状态标签，所述训练样本集合是根据多个样本乡镇在历史年度期间内的第一多源时空感知观测数据构建得到，所述第一多源时空感知观测数据包括多个预设建模指标的第一指标观测值以及所述样本乡镇的空间地理位置；

8、确定单元，用于利用所述训练样本集合和所述时空发展状态标签，对已构建的目标transformer模型进行训练，所述目标transformer模型至少包括时序映射模块和空间映射模块，其中，所述目标transformer模型的训练过程包括通过所述时序映射模块将各项预设建模指标对应的指标特征映射到目标维度空间而得到时序嵌入表示，并通过所述空间映射模块将所述空间地理位置对应的位置特征映射到所述目标维度空间而得到空间嵌入表示，且采用广播机制将所述空间嵌入表示沿时间轴复制后加载到所述时序嵌入表示的每一个时间步上，得到融合时空嵌入表示，之后根据所述融合时空嵌入表示确定相应训练样本对应的状态类别预测值，并基于所述状态类别预测值与所述时空发展状态标签之间的偏差，采用预设贝叶斯优化算法对所述目标transformer模型的网络参数进行迭代优化；

9、识别单元，用于基于训练完成的目标transformer模型和待识别乡镇的第二多源时空感知观测数据，确定所述待识别乡镇的时空发展特征识别结果。

10、第三方面，本申请实施例提供了一种电子设备，包括：处理器以及存储器；

11、上述处理器与上述存储器相连；

12、上述存储器，用于存储可执行程序代码；

13、上述处理器通过读取上述存储器中存储的可执行程序代码来运行与上述可执行程序代码对应的程序，以用于执行本申请实施例第一方面或第一方面的任意一种可能的实现方式提供的方法。

14、第四方面，本申请实施例提供了一种计算机存储介质，上述计算机存储介质存储有多条指令，上述指令适于由处理器加载并执行本申请实施例第一方面或第一方面的任意一种可能的实现方式提供的方法步骤。

15、第五方面，本说明书实施例提供了一种包含指令的计算机程序产品，当上述计算机程序产品在计算机上运行时，使得上述计算机执行本申请实施例第一方面或第一方面的任意一种可能的实现方式提供的方法步骤。

16、本申请一些实施例提供的技术方案带来的有益效果至少包括：

17、在本申请一个或多个实施例中，通过构建至少包括时序映射模块和空间映射模块的目标transformer模型，并采用第一多源时空感知观测数据构建训练样本进行模型训练，从而使得目标transformer模型在捕捉乡镇长时序时空演化规律的同时，能够内在地感知并处理不同地理位置带来的空间隐性约束特征；之后基于训练完成的目标transformer模型和待识别乡镇的第二多源时空感知观测数据，确定待识别乡镇的时空发展特征识别结果，从而在对乡镇识别过程中既依托了模型挖掘的深层时空关联特征，又贴合乡镇的真实时空发展数据，可精准、稳定地完成乡镇时空发展特征的智能辨识，有效保障辨识结果的精准性与可靠性。

1.一种乡镇时空发展特征的智能识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述训练样本集合的构建步骤包括：

3.根据权利要求2所述的方法，其特征在于，所述基于混合重采样策略对所述基础样本集合进行处理，包括：

4.根据权利要求1所述的方法，其特征在于，所述第二多源时空感知观测数据包括各预设建模指标的第二指标观测值，所述基于训练完成的目标transformer模型和待识别乡镇的第二多源时空感知观测数据，确定所述待识别乡镇的时空发展特征识别结果，包括：

5.根据权利要求4所述的方法，其特征在于，所述根据所述训练样本集合、已训练的所述目标transformer模型和预设归因算法，确定各预设建模指标的模型驱动权重，包括：

6.根据权利要求4所述的方法，其特征在于，所述根据待识别乡镇在目标年度期间内的所述第二指标观测值，确定各预设建模指标的数据驱动权重、以及所有所述第二指标观测值对应的极值矩阵，包括：

7.根据权利要求4所述的方法，其特征在于，所述根据所述模型驱动权重、所述数据驱动权重和所述极值矩阵，确定所述待识别乡镇的时空发展特征识别结果，包括：

8.根据权利要求7所述的方法，其特征在于，所述根据所述融合权重和所述极值矩阵，确定所述待识别乡镇随时间变化的时空发展特征时序序列，包括：

9.根据权利要求7所述的方法，其特征在于，所述基于所述时空发展特征时序序列和预设的贝叶斯分段回归模型，确定所述待识别乡镇在所述目标年度期间的时空发展特征演变轨迹，包括：

10.一种乡镇时空发展特征的智能识别装置，其特征在于，所述装置包括：

11.一种电子设备，其特征在于，包括：