[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

说明书

本发明提供了一种基于机器学习的海洋工程示范区选址方法及系统，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。

技术领域

本发明属于海洋工程选址技术领域，具体涉及一种基于机器学习的海洋工程示范区选址方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

海湾的保护与发展，是沿海城市在新形势下重新审视城市定位，而提出的全新城市发展理念。不仅是对城市发展面貌的深刻重塑，更是对城市资源的高效整合。

然而现阶段海洋牧场建设初期处于自发状态，整体缺少深入的研究与规划；国内海洋牧场建设未进行深入的科学研究，论证指导缺位，缺乏前瞻性；部分海洋牧场的发展和布局尚不平衡，规模化建设尚未成熟，缺少总体规划指导。一些适宜建设海洋牧场的海域尚未得到有效利用，存在海域空置、浪费现象。适宜性较好的海洋牧场管理机制尚不完善，造成了局部海域资源量的减少。海洋牧场布局特色尚不明显，产业融合程度低，特色化、多元化、差异化发展不够突出，综合效益没有得到充分发挥。工程总体建设规模大，建设适宜性受区域地质环境的影响和制约相当明显。

发明内容

本发明为了解决上述问题，提出了一种基于机器学习的海洋工程示范区选址方法及系统，本发明能够确定各海洋工程示范区选址的适应情况，为示范区的选址提供一定的参考。

根据一些实施例，本发明采用如下技术方案：

一种基于机器学习的海洋工程示范区选址方法，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。

作为可选择的实施方式，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。

作为进一步的限定，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。

作为可选择的实施方式，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。

作为可选择的实施方式，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。

作为可选择的实施方式，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。