买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜山东财经大学;山东省国土空间规划院(山东省自然资源和不动产登记中心)申请的专利一种基于深度学习的城镇开发边界识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119360147B 。

龙图腾网通过国家知识产权局官网在2025-05-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411957412.4，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的城镇开发边界识别方法是由曲衍波;姜怀龙;商冉;张勇;姜广辉;王立业;司红运;汪芳甜;张丝雨;刘朝旭设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种基于深度学习的城镇开发边界识别方法在说明书摘要公布了：本发明公开了一种基于深度学习的城镇开发边界识别方法，涉及城镇开发技术领域，本发明，采用卷积神经网络CNN提取遥感影像中的地形特征和生态敏感区域信息，其次，采用地理探测器量化空间异质性和因子间的交互关系，筛选出关键驱动因子并赋予合理权重，此外，结合长短时记忆网络LSTM通过时间序列建模动态预测生态敏感区域的扩展趋势，与MCCA的邻域规则和扩展概率函数相结合，对未来城镇扩展的进行模拟，从而增强开发边界识别方法的动态适应性，与此同时，采用生成对抗网络GAN通过生成器和判别器的对抗训练，在生态保护、经济效益和用地效率之间实现了动态平衡优化，满足了生态保护的刚性约束和经济发展的弹性需求，解决了传统方法中静态分析的局限性。

本发明授权一种基于深度学习的城镇开发边界识别方法在权利要求书中公布了：1.一种基于深度学习的城镇开发边界识别方法，其特征在于：包括，步骤S1，收集山地城市的开发数据，包括遥感影像、数字高程模型DEM、土地利用现状和社会经济指标数据；步骤S2，将开发数据导入地理探测器，分析不同因子的空间异质性和交互关系，通过q值评估各因子的贡献率，并筛选出关键驱动因子及其权重；步骤包括：设步骤S1输出的开发数据为标准化后的栅格数据，包含个因子和一个目标变量，定义为栅格数据集，其中，为第个因子的空间分布矩阵，，表示空间栅格数据的数值范围，为目标变量矩阵，为栅格的行数和列数，将目标变量的空间区域划分为个子区域，根据其值的分布生成区域集合，划分公式为： ，其中，为第个空间区域，为子区域的总数，地理探测器通过q值评估每个因子的空间异质性贡献率，评估公式为： ，其中，为因子对目标变量的贡献率，范围为[0,1]，为子区域的像元数，为总像元数，为子区域内目标变量的方差，为目标变量的全局方差，如果，表示因子完全解释了的空间分布，如果，表示因子对的分布无贡献；所述分析不同因子的空间异质性和交互关系的步骤还包括：对于因子和的交互作用，定义交互q值为： ，其中，为因子和的交互贡献率，为交互区域的像元数，为交互区域内目标变量的方差，交互结果的类型为：如果，表示交互增强，如果，表示独立，如果，表示交互减弱，根据和交互结果，选择贡献率大于某阈值的因子，以及具有显著增强交互作用的因子对，关键因子集合定义为： ，其中，为关键因子集合，为贡献率和交互贡献率的阈值，对筛选出的关键因子集合，根据其q值进行归一化计算权重，计算公式为： ，其中，为因子的归一化权重，为关键因子的总贡献率；步骤S3，将驱动因子及其权重输入混合元胞自动机模型MCCA；步骤S4，利用初步边界结合深度学习的生成对抗网络GAN，模拟生态保护、经济效益和用地效率的动态平衡过程，GAN通过生成与判别机制优化刚性开发边界和弹性开发边界，输出最终开发边界；步骤S5，基于步骤S1的开发数据，对步骤S3的MCCA和步骤S4的GAN的进行校准，更新邻域规则、驱动因子权重和扩展概率函数并重新模拟开发边界，生成实时的刚性与弹性边界。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东财经大学;山东省国土空间规划院(山东省自然资源和不动产登记中心)，其通讯地址为：250014 山东省济南市历下区二环东路7366号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。