[发明专利]一种基于机器学习的海洋工程示范区选址方法及系统

权利要求书

1.一种基于机器学习的海洋工程示范区选址方法，其特征是：包括以下步骤：

获取已有海洋工程示范区的地质条件、气象条件、水质条件、水质条件和环境条件，作为一级指标；

采用机器学习对一级指标的各子指标进行敏感性的分析，筛选出符合要求的权重指标，作为二级指标；

获取已有海洋工程示范区的适宜性评价结果；

构建神经网络模型，利用传递函数计算神经网络模型的节点数，利用神经网络模型对已有海洋工程示范区的适宜性评价结果进行训练学习，形成评价模型；

获取各候选区域的二级指标参数，利用所述评价模型对二级指标参数进行分析，得到各候选区域的适宜性分析结果，根据所述分析结果，确定最终选址区域。

2.如权利要求1所述的一种基于机器学习的海洋工程示范区选址方法，其特征是：利用层次分析法对一级指标的各个子指标进行分析，得到不同子指标的权重，将权重大于设定值的子指标作为二级指标。

3.如权利要求2所述的一种基于机器学习的海洋工程示范区选址方法，其特征是：利用层次分析法对一级指标的各个子指标进行分析的过程前，获取一级指标的评价打分，引入一致性指标及随机一致性指数，对打分结果进行一致性检验，满足一致性检验后，再对各个子指标进行权重计算。

4.如权利要求1所述的一种基于机器学习的海洋工程示范区选址方法，其特征是：所述二级指标包括岩体基本质量指标、暴雨期、大风期、PH值、综合营养度、建筑密集度和环境安全等级。

5.如权利要求1所述的一种基于机器学习的海洋工程示范区选址方法，其特征是：利用传递函数计算神经网络模型的节点数的具体过程包括根据经验公式中的输出层节点数以及输出层的节点数来确定隐藏层神经元的数目。

6.如权利要求1所述的一种基于机器学习的海洋工程示范区选址方法，其特征是：利用神经网络模型对已有海洋工程示范区的适宜性评价结果进行训练学习的具体过程是，以已有海洋工程示范区的评价结果，获取已有海洋工程示范区的二级指标测量数据，以适宜性等级作为输出指标，进行神经网络的学习训练，直到满足设定条件。

7.如权利要求1所述的一种基于机器学习的海洋工程示范区选址方法，其特征是：利用所述评价模型对二级指标参数进行分析的具体过程包括，将二级指标中每一个指标作为输入节点单元，将输入节点单元通过处理传递给隐含层，隐含层的传递函数Sigmoid函数再将输入单元的节点处理后生成新的节点单元，并输出候选区域适宜性等级。

8.一种基于机器学习的海洋工程示范区选址系统，其特征是：包括：

一级指标获取模块，被配置为获取已有海洋工程示范区的地质条件、气象条件、水质条件、水质条件和环境条件，作为一级指标；

二级指标筛选模块，被配置为采用机器学习对一级指标的各子指标进行敏感性的分析，筛选出符合要求的权重指标，作为二级指标；

评价结果获取模块，被配置为获取已有海洋工程示范区的适宜性评价结果；

评价模型构建模块，被配置为构建神经网络模型，利用传递函数计算神经网络模型的节点数，利用神经网络模型对已有海洋工程示范区的适宜性评价结果进行训练学习，形成评价模型；

选址评价模块，被配置为获取各候选区域的二级指标参数，利用所述评价模型对二级指标参数进行分析，得到各候选区域的适宜性分析结果，根据所述分析结果，确定最终选址区域。

9.一种电子设备，其特征是：包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7中任一项所述的方法中的步骤。

10.一种计算机可读存储介质，其特征是：用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7中任一项所述的方法中的步骤。