基于RBF神经网络的经济用水数据空间离散化方法
专利汇可以提供基于RBF神经网络的经济用水数据空间离散化方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于RBF神经网络的经济用 水 数据空间离散化方法，包括：获得基本计算单元；获得基本计算单元和行政单元空间要素数据集；对生活用水、工业用水和农业用水采用定额法补充，对生态环境用水量采用相关因子分摊法进行补充；对生态环境用水量计算公式中的权重系数采用组合赋权法确定；经过模拟计算得到基本计算单元上离散预测结果；进行结果修正；按基本计算单元的水资源分区属性逐级汇总得到相应的用水数据。本发明提出的基于RBF神经网络的经济用水数据空间离散化方法，可获得全国各级水资源分区经济社会及用水数据，有助于水资源综合管理。，下面是基于RBF神经网络的经济用水数据空间离散化方法专利的具体信息内容。
1.一种基于RBF神经网络的经济用水数据空间离散化方法，其特征在于，包括：
将县级行政区与水资源三级区矢量图进行叠加嵌套，获得每个县级行政单元所属不同水资源三级区部分的基本空间单元，作为基本计算单元；
将各类土地利用数据和DEM数据统计到各基本计算单元和行政单元空间上，获得基本计算单元和行政单元空间要素数据集；
根据各级行政单元经济社会用水数据，对县级行政单元生活用水、工业用水和农业用水采用定额法补充，对生态环境用水量采用相关因子分摊法进行补充；
对生态环境用水量采用相关因子分摊法进行补充得到的计算公式中的权重系数采用组合赋权法确定；
基于RBF神经网络模型，利用数据指标间相关关系，经过模拟计算得到基本计算单元上离散预测值，从而将县级行政单元经济社会用水数据展布到基本计算单元上；
以各基本计算单元预测值作为权重由所属县级行政单元总值向下分摊进行结果修正；
将修正后的经济社会用水数据值，按基本计算单元的水资源分区属性逐级汇总得到相应的用水数据。
2.根据权利要求1所述的方法，其特征在于，所述将县级行政区与水资源三级区矢量图进行叠加嵌套，获得每个县级行政单元所属不同水资源三级区部分的基本空间单元，作为基本计算单元的步骤包括：
采用地理信息系统软件Arc GIS，对县级行政区与水资源三级区矢量图进行叠加嵌套，获得每个县级行政单元所属不同水资源三级区部分的基本空间单元，作为基本计算单元；
将小于所在县级行政区面积10％的基本计算单元向邻近面积最大的基本计算单元合并。
3.根据权利要求1所述的方法，其特征在于，所述将各类土地利用数据和DEM数据统计到各基本计算单元和行政单元空间上，获得基本计算单元和行政单元空间要素数据集的步骤包括：
利用获得基本计算单元矢量图和包括各类土地利用数据和DEM数据的空间数据，基于Arc GIS区域统计(Zonal Statistics)模块，将各类土地利用数据和DEM数据统计到各基本计算单元上；
利用行政区单元矢量图统计获得各级行政单元各类土地利用数据和DEM数据；
获得基本计算单元和行政单元空间要素数据集，用于空间离散化分析。
4.根据权利要求1所述的方法，其特征在于，所述基于RBF神经网络模型，利用数据指标间相关关系，经过模拟计算得到基本计算单元上离散预测值，从而将县级行政单元经济社会用水数据展布到基本计算单元上的步骤包括：
用径向基函数作为隐含层神经元的基，构成隐含层空间，隐含层对输入矢量进行变换，将低维的模式输入数据变换到高维空间内，使得在低维空间内的线性不可分问题在高维空间内线性可分；所述径向基函数采用高斯函数，计算公式为：
其中：x为是n维输入向量；ci为第i个径向基函数的中心，是与x具有相同维数的向量；σi是第i个基函数的宽度；m是隐含层神经元的个数；||x-ci||为矢量x与ci之间的欧式范数；
模拟过程中，将任意2/3的数据样本进行训练学习，模拟因变量与其相关的自变量间复杂的非线性关系；同时，将另外1/3的样本作为验证数据，以验证训练学习效果；
分别计算训练学习阶段和验证阶段模拟结果与实测样本间的相关系数R12和R22，当两者均大于常数α(0<α<1)时认为训练效果合格，取α＝0.7～0.8；
以验证合格的神经网络预测模型，输入基本计算单元上与因变量相关的自变量指标数据，经过模拟计算得到基本计算单元上离散预测结果。
5.根据权利要求1所述的方法，其特征在于，所述以各基本计算单元预测值作为权重由所属县级行政单元总值向下分摊进行结果修正的步骤包括：
采用计算公式 进行修正；
其中： 为神经网络模型预测得到经济社会以及用水指标在基本计算单元i上的值； 为基本计算单元i所属县级行政单元上经修正后的数据值； 为修正后的基本计算单元i的数据值。
6.根据权利要求1所述的方法，其特征在于，所述将修正后的经济社会和用水数据值，按基本计算单元的水资源分区属性逐级汇总得到相应的用水数据的步骤包括：
采用计算公式 进行汇总；
其中： 为修正后的基本计算单元i的数据值； 为基本计算单元i所属水资源三级区j对应指标数据值； 为水资源三级区j所属水资源二级区k对应指标数据值；
为水资源二级区k所属水资源一级区l对应指标数据值。
7.根据权利要求1至6任意一项所述的方法，其特征在于，所述对生态环境用水量采用相关因子分摊法进行补充的步骤包括：
生态环境用水需求的影响因素包括林地、草地、水域、城镇用地、GDP和非农业人口，各级行政单元生态环境用水量计算公式为
其中：ki(i＝1,2,3,4,5,6)为权重系数； 为行政单元i生态环境用水量，计算单位为亿m3； 为上一级行政单元生态环境用水量，计算单位为亿m3； 为行政单元i林地面积，计算单位为kha； 为上一级行政单元林地面积，计算单位为kha；
为行政单元i草地面积，计算单位为kha； 为上一级行政单元草地面积，计算单位为kha； 为行政单元i水域面积，计算单位为kha； 为上一级行政单元水域面积，计算单位为kha； 为行政单元i城镇用地面积，计算单位为kha；
为上一级行政单元城镇用地面积，计算单位为kha；GDPi为行政单元i国民生产总值，计算单位为万元；GDP上为上一级行政单元国民生产总值，计算单位为万元； 为行政单元i非农业人口数，计算单位为万人； 为上一级行政单元非农业人口数，计算单位为万人。
8.根据权利要求7所述的方法，其特征在于，所述对生态环境用水量采用相关因子分摊法进行补充得到的计算公式中的权重系数采用组合赋权法确定的步骤包括：
对各指标样本数据进行归一化处理，计算公式如下：
其中：Yki为第k个指标的第i个样本数据归一化后的值；Vki为第k个指标的第i个样本数据；
分别利用归一化样本数据进行熵值法和复相关系数法赋权：
熵值法赋权：计算各评价指标的熵值，然后把熵值转化为权重，计算公 式如下：
其中，Hi为第i个指标的熵值；Yki为第k个指标的第i个样本数据归一化后的值；Whi为第i个指标的熵值权重；
复相关系数法赋权：首先求出m个评价指标的相关系数矩阵R：
若要计算第m个指标Xm与其他m-1个指标间的复相关系数，对矩阵R分解如下：
其中：R-m为除去Xm的相关阵； 为rm的转置矩阵；
得到Xm对其他m-1个指标的复相关系数为：
将R的第i行、第i列置换到最后一行、最后一列，再根据上式求出 计算得到m个复相关系数ρi(i＝1,2,…,m)；
将复相关系数求倒数，并作归一化处理得到指标权重：
式中：Wρi为第i个指标的权重；
组合赋权：将熵值法和复相关系数法计算得到的权重值相乘，并作归一 化处理即可得到最终组合权重值；计算公式如下：
式中：Wi为最终第i个指标的组合权重，计算所得Wi即为生态环境用水量补充权重系数ki(i＝1,2,3,4,5,6)。
9.根据权利要求8所述的方法，其特征在于，所述对生态环境用水量采用相关因子分摊法进行补充得到的计算公式中的权重系数采用组合赋权法确定的步骤还包括：
在补充后数据的基础上，以下级行政单元值作为权重由上级行政单元总值逐级向下分摊进行数据补充，计算公式为
其中： 为上一级数据修正后的数据总值，全国总数不作修正； 为修正后的行政单元i的数据值； 为行政单元i的原始数据值；修正后的数据特征为：全国总值等于各省之和，各省总值等于其下各市之和，各市总值等于其下各区县之和。
10.根据权利要求9所述的方法，其特征在于，所述对县级行政单元生活用水、工业用水和农业用水采用定额法补充的步骤包括：
对县级行政单元生活用水量的补充：
假设上一级行政区单元生活用水综合定额与其下一级行政单元生活用水综合定额相同，并满足计算公式
其中： 为行政单元i当年生活用水量，计算单位为亿m3；Ni为行政单元i当年用水人口数，计算单位为万人； 为行政单元i的上级行政单元当年人均生活用水综合定额，计算单位为L/人·d； 为行政单元i的上级行政单元当年生活用水量，计算单位为亿m3；N上为行政单元i的上级行政单元当年用水人口数，计算单位为万人；
对县级行政单元工业用水量的补充：
以工业增加值作为用水定额主要影响因素，假设上一级行政区单元工业用水定额与其下一级行政单元工业用水综合定额相等，并满足计算公式
其中： 为行政单元i当年工业用水量，计算单位为亿m3； 为行政单元i当年工业增加值，计算单位为万元； 为行政单元i的上级行政单元当年万元工业增加值用水量，计算单位为亿m3/万元； 为行政单元i的上级行政单元当年工业用水总量，计算单位为亿m3；
为行政单元i的上级行政单元当年工业增加值，计算单位为万元；
对县级行政单元农业用水量的补充：
在上级行政单元降水、蒸发及其他灌溉技术水平一定的条件下，假设下级行政单元作物灌溉强度与相应上级行政单元相同，由灌溉面积计算下级行政单元农业用水量，并满足计算公式
其中： 为行政单元i农业用水量，计算单位为亿m3； 为行政单元i农业灌溉面积，计算单位为kha； 为上一级行政单元单位面积农业灌溉用水量，计算单位为亿m3/kha；
为上级行政单元农业用水量，计算单位为亿m3； 为上级行政单元灌溉面积，计算单位为kha。
基于RBF神经网络的经济用水数据空间离散化方法
技术领域
背景技术
困难与统计数据多样等问题。利用计算机技术获得水资源区经济社会用水数据，对于完善
水资源数据基础以支撑水资源行政区域与流域统一管理和减小人力普查投入十分重要。
发明内容
社会及用水数据，有助于水资源综合管理。
骤包括：
基本计算单元上的步骤包括：
高维空间内线性可分；所述径向基函数采用高斯函数，计算公式为：
计算单元i的数据值。
为水资源二级区k所属水资源一级区l对应指标数据值。
元i林地面积，计算单位为kha； 为上一级行政单元林地面积，计算单位为kha；
为行政单元i草地面积，计算单位为kha； 为上一级行政单元草地面积，计算
单位为kha； 为行政单元i水域面积，计算单位为kha； 为上一级行政单元水
域面积，计算单位为kha； 为行政单元i城镇用地面积，计算单位为kha； 为上
一级行政单元城镇用地面积，计算单位为kha；GDPi为行政单元i国民生产总值，计算单位为万元；GDP上为上一级行政单元国民生产总值，计算单位为万元； 为行政单元i非农业
人口数，计算单位为万人； 为上一级行政单元非农业人口数，计算单位为万人。
等于各省之和，各省总值等于其下各市之和，各市总值等于其下各区县之和。
定额，计算单位为L/人·d； 为行政单元i的上级行政单元当年生活用水量，计算单位
3 上
为亿m；N 为行政单元i的上级行政单元当年用水人口数，计算单位为万人；
量，计算单位为亿m3/万元； 为行政单元i的上级行政单元当年工业用水总量，计算单位
为亿m3； 为行政单元i的上级行政单元当年工业增加值，计算单位为万元；
kha； 为上级行政单元农业用水量，计算单位为亿m3； 为上级行政单元灌溉面积，计
算单位为kha。
资源分区经济社会及用水数据，有助于水资源综合管理；并且该方法适用于各级行政单元
经济社会数据与用水数据空间离散化处理，其数据结果质量高，从而减小了水资源分区用
水数据人力普查工作量和相关投入。
附图说明
具体实施方式
化的基本计算单元；然后对基本计算单元上空间要素进行统计分析。具体地，还可包括下述步骤：
级行政单元经济社会用水基础数据集。具体地，还可包括下述步骤：
补充。补充方法如下：
因此，假设上一级行政区单元生活用水综合定额与其下一级行政单元生活用水综合定额相
同，即满足下式：
额，计算单位为L/人·d； 为行政单元i的上级行政单元当年生活用水量，计算单位为
亿m3；N上为行政单元i的上级行政单元当年用水人口数，计算单位为万人。
量，计算单位为亿m3/万元； 为行政单元i的上级行政单元当年工业用水总量，计算单位
为亿m3； 为行政单元i的上级行政单元当年工业增加值，计算单位为万元。
元农业用水量，计算单位为亿m3； 为上级行政单元灌溉面积，kha。
i林地面积，计算单位为kha； 为上一级行政单元林地面积，计算单位为kha；
为行政单元i草地面积，计算单位为kha； 为上一级行政单元草地面积，计算单位为
kha； 为行政单元i水域面积，计算单位为kha； 为上一级行政单元水域面积，
计算单位为kha； 为行政单元i城镇用地面积，计算单位为kha； 为上一级行政
单元城镇用地面积，计算单位为kha；GDPi为行政单元i国民生产总值，计算单位为万元；GDP上为上一级行政单元国民生产总值，计算单位为万元； 为行政单元i非农业人口数，计
算单位为万人； 为上一级行政单元非农业人口数，计算单位为万人。
理。这里将熵值法与复相关系数法两种客观赋权方法进行组合获得生态用水补充所需组合
权重；其中，与复相关系数法的组合有利于消除熵值法赋权过程中评价指标间的信息冗余
的问题。该组合赋权法的具体确定方法如下：
息量的大小。具体步骤如下：
示：
于各省之和，各省总值等于其下各市之和，各市总值等于其下各区县之和。
（Radical Basis Function）。径向基函数神经网络是一种高效的前馈式神经网络，它具有其他前向网络所不具有的最佳逼近性能和全局最优特性，并且结构简单，训练速度快。
测结果。
步骤：
计算单元i的数据值。
值； 为水资源二级区k所属水资源一级区l对应指标数据值。
的经济社会数据、空间要素数据和用水数据，进行经济社会用水数据补充和修正，形成一套完整的行政分区基础数据集。然后，基于县级行政区和基本计算单元的基础数据，并考虑数据指标间相关关系，利用RBF神经网络模型先后将经济社会数据和用水数据向基本计算单
元空间离散化。最后，参考各县级行政区数据，将离散得到预测值进一步修正处理，并按水资源分区汇总用水数据结果，得到水资源一级区、水资源二级区和水资源三级区经济社会
用水数据离散结果。
系数。最后根据公式（4），计算并补充完善各县级行政单元生态环境用水量。
自单个水资源一级区所涉及县级行政单元的指标数据样本。考虑到地空间要素指标、经济
社会指标与用水指标三者之间的相关关系，建立用水数据空间离散化神经网络模拟预测指
标体系，自变量与因变量指标如表2所示。在此基础上构建经济社会用水数据空间离散化流程：首先将县级行政单元的空间要素指标（海拔、坡度、土地利用）作为自变量，经济社会指标（人口、经济、农业生产）为因变量，进行神经网络训练，验证合格后输入基本计算单元上海拔、坡度、土地利用数据将经济社会数据离散预测到基本计算单元上；再以同样的方式，将空间要素指标和经济社会指标作为自变量，经济社会用水指标为因变量，将用水数据离
散到基本计算单元上。最终，离散获得基本计算单元经济社会数据和经济社会用水数据的
模拟预测值。
海拔、坡度、土地利用类 人口类、经济类、农业生产类
海拔、坡度、土地利用类、人口类、经济类、农业生产类 生活用水量、工业用水量、农业用水量、生态环境用水量[0177] 结果修正。根据公式（15），将第六步离散预测得到的基本计算单元经济社会数据和经济社会用水数据进一步修正处理，获得与县级行政单元相匹配的数据集。
水资源分区经济社会及用水数据，有助于水资源综合管理；并且该方法适用于各级行政单
元经济社会数据与用水数据空间离散化处理，其数据结果质量高，从而减小了水资源分区
用水数据人力普查工作量和相关投入。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种地理信息系统的地图显示方法 | 2020-05-12 | 142 |
| 地理信息系统的地图生成方法和系统 | 2020-05-12 | 392 |
| 一种电力地理信息系统 | 2020-05-11 | 817 |
| 有线电视网络管理地理信息系统 | 2020-05-12 | 560 |
| 地理信息系统的地址自动分析匹配系统 | 2020-05-11 | 993 |
| 跨平台嵌入式地理信息系统 | 2020-05-13 | 299 |
| 教育地理信息系统 | 2020-05-11 | 696 |
| 地理信息系统软件测试方法 | 2020-05-13 | 450 |
| 污染源三维地理信息系统 | 2020-05-13 | 835 |
| 物流地理信息系统 | 2020-05-12 | 156 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
