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！

申请/专利权人：北京师范大学

摘要：本发明提供一种耦合ViViT和ANN的土地利用变化预测方法，涉及计算机技术领域，方法包括：获取目标区域在至少两个年份的时序土地利用分类图和驱动因子图；将时序土地利用分类图和驱动因子图处理为栅格行列数完全对应相同的栅格数据，得到目标区域的多个子区域对应的时序土地利用数据和驱动因子数据；将各时序土地利用数据和驱动因子数据输入土地利用变化预测模型，得到土地利用变化预测模型输出的目标区域在预测年份对应的土地利用变化预测结果；预测年份与至少两个年份的最后一个年份之间存在预设时间间隔。通过土地利用变化预测模型，提升目标区域在预测年份对应的土地利用变化预测结果的准确性。

主权项：1.一种耦合ViViT和ANN的土地利用变化预测方法，其特征在于，包括：获取目标区域在至少两个年份的时序土地利用分类图和驱动因子图；所述至少两个年份之间存在预设时间间隔；将所述时序土地利用分类图和所述驱动因子图处理为栅格行列数完全对应相同的栅格数据，得到所述目标区域的多个子区域对应的时序土地利用数据和驱动因子数据；所述子区域与所述栅格一一对应；所述驱动因子数据包括以下至少一项：交通驱动因子数据、区位驱动因子数据、地形驱动因子数据；子区域表示对目标区域划分的栅格，栅格数据为标签图像文件格式的数据；子区域对应的时序土地利用数据表示子区域对应的所述时序土地利用分类图所表示的数据；将各所述时序土地利用数据和所述驱动因子数据输入土地利用变化预测模型，得到所述土地利用变化预测模型输出的所述目标区域在预测年份对应的土地利用变化预测结果；所述土地利用变化预测模型是基于样本时序土地利用数据、样本驱动因子数据和土地利用类型标签数据训练得到的；所述土地利用变化预测模型用于对所述目标区域在所述预测年份对应的土地利用变化预测结果进行预测；所述预测年份与所述至少两个年份的最后一个年份之间存在所述预设时间间隔；所述土地利用变化预测模型包括时空特征提取模块、人工神经网络模块和元胞自动机；所述时空特征提取模块为视频视觉转换器ViViT，所述人工神经网络模块为人工神经网络ANN；所述将各所述时序土地利用数据和所述驱动因子数据输入土地利用变化预测模型，得到所述土地利用变化预测模型输出的所述目标区域在所述预测年份对应的土地利用变化预测结果，包括：将各所述时序土地利用数据输入至所述时空特征提取模块，得到所述时空特征提取模块输出的各所述子区域对应的时空特征向量；将所述时空特征向量、所述驱动因子数据和所述元胞自动机的每个元胞的初始状态输入至所述人工神经网络模块，得到所述人工神经网络模块输出的各所述子区域的每个元胞分别在预测年份对应每种土地利用类型的初始转换概率；基于各所述初始转换概率，确定所述目标区域在所述预测年份对应的所述土地利用变化预测结果；所述时空特征提取模块包括至少一个转换编码器、第一层归一化、全局平均池化层和全连接层；所述将各所述时序土地利用数据输入至所述时空特征提取模块，得到所述时空特征提取模块输出的各所述子区域对应的时空特征向量，包括：对各所述时序土地利用数据进行词嵌入表示并接入位置信息，得到包括位置信息的编码序列；将所述包括位置信息的编码序列输入至第一转换编码器，得到所述第一转换编码器输出的第一特征向量；将所述第一特征向量输入至第二转换编码器，得到所述第二转换编码器输出的第二特征向量，并重复执行将特征向量输入转换编码器的步骤；将最后一个转换编码器输出的第三特征向量输入至所述第一层归一化，得到所述第一层归一化输出的第四特征向量；将所述第四特征向量输入至所述全局平均池化层，得到所述全局平均池化层输出的第五特征向量；将所述第五特征向量输入至所述全连接层，得到所述全连接层输出的各所述子区域对应的所述时空特征向量。

全文数据：

权利要求：

百度查询： 北京师范大学 耦合ViViT和ANN的土地利用变化预测方法