一种基于贝叶斯网络的城镇建设适宜性评价方法和设备

技术特征：
1.一种基于贝叶斯网络的城镇建设适宜性评价方法，其特征在于，包括：获取城镇空间演变数据和城镇建设适宜性的影响因素数据，并对所述城镇空间演变数据和所述影响因素数据处理后生成模型样本数据，其中，所述城镇空间演变数据包括前后两个年份的城镇建设用地数据；将所述模型样本数据输入到非线性贝叶斯网络模型进行结构学习和参数学习，得到城镇建设适宜性影响因素的贝叶斯网络结构以及每项影响因素的影响权重；根据所述贝叶斯网络结构和每项影响因素的影响权重，确定城镇建设适宜性的主导因素，并根据所述主导因素及其影响权重构建城镇建设适宜性的线性评价体系。2.根据权利要求1所述的基于贝叶斯网络的城镇建设适宜性评价方法，其特征在于，所述影响因素数据包括以下一种数据或多种数据的组合：地形数据、水源数据、微气候数据、土壤数据、植被数据、生物多样性数据、地貌数据、灾害数据、城镇聚集条件数据以及交通数据。3.根据权利要求1所述的基于贝叶斯网络的城镇建设适宜性评价方法，其特征在于，对所述城镇空间演变数据和所述影响因素数据处理后生成模型样本数据，包括：根据前后两个年份的城镇建设用地数据，得到在此期间由非城镇建设转化为城镇化建设的土地空间样本，并对所述土地空间样本进行标签赋值；分析所述土地空间样本的各项影响因素数据的数据分布状态，并基于所述土地空间样本落入不同数据区间的概率，对每项影响因素数据进行离散化分区赋值；将离散化的各项影响因素数据与标签化的土地空间样本进行融合，生成模型学习样本，并基于后一年份的城镇建设用地数据生成模型预测样本。4.根据权利要求3所述的基于贝叶斯网络的城镇建设适宜性评价方法，其特征在于，将所述模型样本数据输入到非线性贝叶斯网络模型进行结构学习和参数学习，得到城镇建设适宜性影响因素的贝叶斯网络结构以及每项影响因素的影响权重，包括：将所述模型学习样本输入到非线性贝叶斯网络模型中；基于结构学习算法，得到城镇建设适宜性影响因素的有向无圈贝叶斯网络结构，其中，所述有向无圈贝叶斯网络结构包括城镇建设适宜性目标节点和若干个影响因素节点；基于参数学习算法，计算两两影响因素节点在不同参数状态下相互依赖的条件概率，得到两两影响因素节点之间的依赖关系；根据两两影响因素节点之间的依赖关系，计算每一影响因素节点在不同参数状态下与所述城镇建设适宜性目标节点之间的敏感性，得到每一影响因素节点对城镇建设适宜性目标节点的影响权重。5.根据权利要求4所述的基于贝叶斯网络的城镇建设适宜性评价方法，其特征在于，在得到两两影响因素节点之间的依赖关系之后，所述方法还包括：利用genie软件的内嵌算法对两两影响因素节点之间的依赖关系强度进行量化。6.根据权利要求4所述的基于贝叶斯网络的城镇建设适宜性评价方法，其特征在于，计算每一影响因素节点在不同参数状态下与所述城镇建设适宜性目标节点之间的敏感性，包括：利用熵减算法计算每一影响因素节点在不同参数状态下与城镇建设适宜性目标节点之间的敏感性，计算公式如下：
i＝h(q)-h(q|n)；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)h(q)＝-∑p(q
i
)log2p(q
i
)；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)h(q|n)＝-∑
i，j
p(q
i
，n
j
)log p(q
i
，n
j
)p(n
j
)；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，q表示城镇建设适宜性目标节点，h(q)表示城镇建设适宜性目标节点的熵值，n表示各影响因素节点，h(q|n)表示城镇建设适宜性目标节点q与影响因素节点n的条件熵，i表示由于影响因素节点n的影响使得目标节点q熵值减少的量，即敏感性，q
i
表示城镇建设适宜性目标节点的第i种参数状态，p(q
i
)表示q
i
的概率质量函数，n
j
表示每一影响因素节点的第j种参数状态，p(n
j
)表示n
j
的概率质量函数，p(q
i
，n
j
)表示q
i
和n
j
的概率质量函数。7.根据权利要求4所述的基于贝叶斯网络的城镇建设适宜性评价方法，其特征在于，根据所述贝叶斯网络结构和每项影响因素的影响权重，确定城镇建设适宜性的主导因素，并根据所述主导因素及其影响权重构建城镇建设适宜性的线性评价体系，包括：获取所述有向无圈贝叶斯网络结构中没有边指向的独立影响因素节点，将所有独立影响因素节点作为城镇建设适宜性的第一主导因素；从所有影响因素节点中提取大于权重阈值的高权重因素节点，将所述高权重因素节点作为城镇建设适宜性的第二主导因素；结合所述第一主导因素和所述第二主导因素生成第三主导因素，根据所述第三主导因素及其影响权重构建城镇建设适宜性的线性评价体系。8.一种计算机设备，其特征在于，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如权利要求1-7任意一项所述的基于贝叶斯网络的城镇建设适宜性评价方法。

技术总结
本发明公开了一种基于贝叶斯网络的城镇建设适宜性评价方法和设备，包括：获取城镇空间演变数据和城镇建设适宜性的影响因素数据，并对城镇空间演变数据和影响因素数据处理后生成模型样本数据；将模型样本数据输入到非线性贝叶斯网络模型进行结构学习和参数学习，得到城镇建设适宜性影响因素的贝叶斯网络结构以及每项影响因素的影响权重；根据贝叶斯网络结构和每项影响因素的影响权重，确定城镇建设适宜性的主导因素，并根据主导因素及其影响权重构建城镇建设适宜性的线性评价体系。本发明将非线性的城镇建设适宜性评价过程转化为能理解、易感知、便于操作、准确、可行和透明化的城镇建设适宜性线性评价。城镇建设适宜性线性评价。城镇建设适宜性线性评价。


技术研发人员：赵珂 林逸凡 胡晓艳
受保护的技术使用者：重庆大学
技术研发日：2022.02.19
技术公布日：2022/5/31