買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜山東財經大學;山東省國土空間規劃院(山東省自然資源和不動產登記中心)申請的專利一種基于深度學習的城鎮開發邊界識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119360147B 。

龍圖騰網通過國家知識產權局官網在2025-05-09發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411957412.4，技術領域涉及：G06V10/764；該發明授權一種基于深度學習的城鎮開發邊界識別方法是由曲衍波;姜懷龍;商冉;張勇;姜廣輝;王立業;司紅運;汪芳甜;張絲雨;劉朝旭設計研發完成，并于2024-12-30向國家知識產權局提交的專利申請。

本一種基于深度學習的城鎮開發邊界識別方法在說明書摘要公布了：本發明公開了一種基于深度學習的城鎮開發邊界識別方法，涉及城鎮開發技術領域，本發明，采用卷積神經網絡CNN提取遙感影像中的地形特征和生態敏感區域信息，其次，采用地理探測器量化空間異質性和因子間的交互關系，篩選出關鍵驅動因子并賦予合理權重，此外，結合長短時記憶網絡LSTM通過時間序列建模動態預測生態敏感區域的擴展趨勢，與MCCA的鄰域規則和擴展概率函數相結合，對未來城鎮擴展的進行模擬，從而增強開發邊界識別方法的動態適應性，與此同時，采用生成對抗網絡GAN通過生成器和判別器的對抗訓練，在生態保護、經濟效益和用地效率之間實現了動態平衡優化，滿足了生態保護的剛性約束和經濟發展的彈性需求，解決了傳統方法中靜態分析的局限性。

本發明授權一種基于深度學習的城鎮開發邊界識別方法在權利要求書中公布了：1.一種基于深度學習的城鎮開發邊界識別方法，其特征在于：包括，步驟S1，收集山地城市的開發數據，包括遙感影像、數字高程模型DEM、土地利用現狀和社會經濟指標數據；步驟S2，將開發數據導入地理探測器，分析不同因子的空間異質性和交互關系，通過q值評估各因子的貢獻率，并篩選出關鍵驅動因子及其權重；步驟包括：設步驟S1輸出的開發數據為標準化后的柵格數據，包含個因子和一個目標變量，定義為柵格數據集，其中，為第個因子的空間分布矩陣，，表示空間柵格數據的數值范圍，為目標變量矩陣，為柵格的行數和列數，將目標變量的空間區域劃分為個子區域，根據其值的分布生成區域集合，劃分公式為： ，其中，為第個空間區域，為子區域的總數，地理探測器通過q值評估每個因子的空間異質性貢獻率，評估公式為： ，其中，為因子對目標變量的貢獻率，范圍為[0,1]，為子區域的像元數，為總像元數，為子區域內目標變量的方差，為目標變量的全局方差，如果，表示因子完全解釋了的空間分布，如果，表示因子對的分布無貢獻；所述分析不同因子的空間異質性和交互關系的步驟還包括：對于因子和的交互作用，定義交互q值為： ，其中，為因子和的交互貢獻率，為交互區域的像元數，為交互區域內目標變量的方差，交互結果的類型為：如果，表示交互增強，如果，表示獨立，如果，表示交互減弱，根據和交互結果，選擇貢獻率大于某閾值的因子，以及具有顯著增強交互作用的因子對，關鍵因子集合定義為： ，其中，為關鍵因子集合，為貢獻率和交互貢獻率的閾值，對篩選出的關鍵因子集合，根據其q值進行歸一化計算權重，計算公式為： ，其中，為因子的歸一化權重，為關鍵因子的總貢獻率；步驟S3，將驅動因子及其權重輸入混合元胞自動機模型MCCA；步驟S4，利用初步邊界結合深度學習的生成對抗網絡GAN，模擬生態保護、經濟效益和用地效率的動態平衡過程，GAN通過生成與判別機制優化剛性開發邊界和彈性開發邊界，輸出最終開發邊界；步驟S5，基于步驟S1的開發數據，對步驟S3的MCCA和步驟S4的GAN的進行校準，更新鄰域規則、驅動因子權重和擴展概率函數并重新模擬開發邊界，生成實時的剛性與彈性邊界。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人山東財經大學;山東省國土空間規劃院(山東省自然資源和不動產登記中心)，其通訊地址為：250014 山東省濟南市歷下區二環東路7366號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。