CN115374709B 一种基于深度森林模型和flus模型的土地分析方法及系统 （中山大学）

一种基于深度森林模型和FLUS模型的土地本发明公开一种基于深度森林模型和FLUS应、转换成本和惯性系数输入FLUS模型进行模2获取驱动土地利用变化的驱动因子数据和多期土地根据土地扩张分析策略，对所述多期土地利用分布数据进行采样，将所述土地变化发展适宜性数据、邻域效应、转换成本和惯性系数输通过所述深度森林模型对驱动因子数据集进行计算，得到各驱动所述将所述训练样本集输入深度森林模型进行训练，得到各土地变化发展适宜性数通过深度森林模型建模驱动因子和土地变化之间的非线性映射关系林模型最后一层中基础森林输出的分类概率向量的平均值作为土地利用变化发展适宜性r-业2.如权利要求1所述的一种基于深度森林模型和FLUS模型的土地分析方法，其特征在3.如权利要求1所述的一种基于深度森林模型和FLUS模型的土地分析方法，其特征在所述深度森林模型包括多层级联结构且每层具有数个普通森林3将所述驱动因子数据集按照如下划分规则划分采用如下公式计算划分规则θ的不纯度降低值：D(Node|θ)＝G(Node)_G(Node|θ)4.如权利要求3所述的一种基于深度森林模型和FLUS模型的土地分析方法，其特征在5.如权利要求4所述的一种基于深度森林模型和FLUS模型的土地分析方法，其特征在对所述深度森林模型中每一层森林模型的每个基础森林模型进行训计算每个基础森林中各驱动因子的贡献权重的平均值以及每层森林模型中各驱动因将各层森林模型中各驱动因子的贡献权重的平均值取平均，得集成贡献度构成各驱动因子对各土地变化的6.如权利要求1所述的一种基于深度森林模型和FLUS模型的土地分析方法，其特征在于，将真实的土地利用分布数据与DF_FLUS模型模拟的模拟土地利用分布数据进行比对评数据收集模块，用于获取驱动土地利用变化的驱动因子数据和多期土地利用分布数模型训练模块，用于将所述训练样本集输入深度森林模型进行训练4数据评估模块，用于通过所述深度森林模型对驱动因子数据集进所述将所述训练样本集输入深度森林模型进行训练，得到各土地变化发展适宜性数通过深度森林模型建模驱动因子和土地变化之间的非线性映射关系林模型最后一层中基础森林输出的分类概率向量的平均值作为土地利用变化发展适宜性r-业8.一种计算机设备，其特征在于：包括处理器和存储器9.一种计算机可读存储介质，其特征在于：所述5[0006]本发明的目的：提供一种基于深度森林模型和FLUS模型[0010]将所述训练样本集输入深度森林模型进行训练，得到各土地变化发展适宜性数6度森林模型最后一层中基础森林输出的分类概率向量的平均值作为土地利用变化发展适[0026]在进一步的实施方案中，所述通过所述深度森林模型对驱动因子数据集进行计7[0040]在进一步的实施方案中，将所述最大化不纯度减少值作[0043]计算每个基础森林中各驱动因子的贡献权重的平均值以及每层森林模型中各驱所述集成贡献度构成各驱动因子对各土地变化的贡献度8[0056]图1是本发明实施例提供的一种基于深度森林模型和FLUS模型的土地分析方法流[0057]图2是本发明实施例基于深度森林模型和FLUS模型的土地利用变化模拟和驱动机[0059]图4是本发明实施例提供本发明的DF_FLUS模拟精度与普通方法模拟精度的对比[0060]图5是本发明实施例提供的研究区2010年实际土地利用模式和本发明以及普通方[0063]图8本发明实施例提供的一种基于深度森林模型和FLUS模型的土地分析系统框[0065]下面结合附图具体阐明本发明的实施方式，实施例的给9度森林模型最后一层中基础森林输出的分类概率向量的平均值作为土地利用变化发展适够确定和问题规模适配的模型大小，避免了CNN模型中过大或者过小的网络导致拟合精度显了DF_FLUS模型的高精确度特点，即采用深度深林模型可以有效的改进FLUS的土地利用[0111]计算每个基础森林中各驱动因子的贡献权重的平均值以及每层森林模型中各驱所述集成贡献度构成各驱动因子对各土地变化的贡献度每一个模型在训练时会计算出一个相应的贡献度，最终共获得k个变量贡献度{Cn.1,该方法充分利用了深度森林模型构建过程中计算的所有MDI信息，有效降低了随机性对于[0116]充分利用了深度森林模型构建过程中计算的所有MDI信息，能有效降低随机性对充分利用了深度森林模型构建过程中计算的所有MDI信息，能有效降低随机性对重要性评[0130]数据收集模块101，用于获取驱动土地利用分布的驱动因子数据和多期土地利用习方法更精确的土地利用变化规则(发展适宜性)，同时模型较已有的深度神经网络更易赋予了FLUS模型精确分析土地利用驱动机制