本發明涉及土地規劃，尤其涉及一種基于神經網絡的城市土地規劃分析方法。
背景技術：
1、傳統的城市土地規劃方法通常是一個宏觀的、靜態的、以社會經濟和土地利用功能分區為主導的過程。其主要依賴于人口普查數據、社會經濟統計數據、基礎地形圖、地質普查圖（比例尺通常較小）、以及相對宏觀的氣象水文資料。
2、這些數據通常是靜態的或更新周期很長，定性分析為主，如規劃師的專家經驗、政策導向和公眾參與。將城市土地劃分為居住區、商業區、工業區、綠地等，強調各功能區之間的空間關系和效率。對地質災害、洪水風險等的評估，多基于歷史記載和宏觀的地質、水文單元進行定性或半定量的區劃（例如，簡單地將河岸帶一定范圍劃為洪泛區），缺乏動態、精確的量化。
技術實現思路
1、本申請通過提供一種基于神經網絡的城市土地規劃分析方法，解決了現有技術中無法量化微觀環境與災害風險之間關聯性的問題，實現了通過模擬長期環境變化和突發災害場景下的規劃方案，提高土地規劃科學性和合理性的技術效果。
2、本申請提供了一種基于神經網絡的城市土地規劃分析方法，包括：
3、s1：獲取目標城市的遙感圖像并劃分為若干個網格；根據風險指標對每個網格進行風險評分，預先設置風險閾值，將風險評分大于風險閾值的網格標記為目標區域；
4、s2：獲取目標區域的多源數據集和災害及韌性數據，構建災害風險預測模型輸出災害風險圖；構建韌性關聯模型根據災害風險圖和災害及韌性數據，輸出韌性系數；根據目標區域的災害風險圖和韌性系數設置多個目標函數，得到候選規劃方案，對每個候選規劃方案進行微觀環境演變和災害動力模擬，得到評估分值，確定最終的規劃方案；所述多源數據集包括微觀環境數據和微觀空間數據，通過時空配準，形成標準化的多源數據集。
5、進一步地，所述方法還包括：s3:基于多源數據集和災害風險圖，進行時間對齊得到時間序列數據集；對于每個網格，計算任一環境變量到災害變量的正傳遞熵值和反傳遞熵值，基于兩者的差值確定因果方向，若為正向，則將正傳遞熵值歸一化為因果強度系數；反之，則將反傳遞熵值歸一化為因果強度系數正傳遞熵值歸一化為因果強度系數；
6、s4：基于因果強度系數和因果關系構建因果強度時序圖，獲取每個網格的多源數據集、因果強度時序圖和最終規劃方案，記錄每個網格的狀態序列，若網格連續d年的平穩系數均低于變化閾值，則標記為風險鎖定；監測平穩系數的一階差分，若一階差分的絕對值大于幅度閾值，則標識為臨界點；根據風險鎖定和臨界點得到軌跡演化圖，確定軌跡分支點；d大于等于5；
7、s5：根據軌跡演化圖和軌跡分支點標識出高風險網格列表，對每個高風險網格計算組合指標和空間結構指標，基于組合指標和空間結構指標確定最優的土地混合規劃方案。
8、進一步地，確定最終的規劃方案，包括：對每個候選方案在數字孿生平臺中運行微觀環境演變模型和災害動力學模型，結合災害風險圖和韌性系數，評估其在長期環境變化和突發災害場景下的綜合表現，計算環境風險指數和韌性綜合指數，并進行加權求和得到評估分值，取值范圍為[0，1]，選取評估分值最高的候選規劃方案作為最終的規劃方案。
9、進一步地，構建災害風險預測模型，以微觀環境作為動態特征，以歷史災害發生與否及強度作為標簽進行訓練，包括：每個時間步的輸入為微觀環境特征向量、微觀空間數據特征向量，根據災害類型設定時間窗口，將連續時間步的輸入序列輸入lstm，隱藏層設為128，采用2層lstm堆疊；輸出層使用雙任務輸出，得到災害發生概率和災害強度，并映射至地理網格，生成災害風險圖；所述災害發生概率指目標區域發生某種災害的具體概率；所述災害強度是指目標區域從安全到危險的最大臨界狀態。
10、進一步地，構建韌性關聯模型，包括：獲取災害風險圖數據特征和災害及韌性數據，建立基于神經網絡的回歸分析模型，以微觀環境指標和承災體特征作為輸入變量，以韌性指標作為輸出變量，量化微觀環境指標變化對韌性指標的影響程度，對韌性指標進行加權求和輸出目標區域的韌性系數。
11、進一步地，所述因果強度時序圖的橫軸為時間，縱軸為因果強度系數，節點為微觀環境變量和災害變量，邊為時變因果強度，顯示各環境變量與災害間的因果方向及強度隨時間的變化情況，并標識出因果關系突變點。
12、本申請中提供的一個或多個技術方案，至少具有如下技術效果或優點：
13、通過整合多源數據，構建土地規劃數據集，構建災害風險預測模型，能夠捕捉微觀環境變化的累積效應，提高了災害風險預測的準確性和時效性；通過構建韌性影響模型，量化微觀環境指標變化對韌性指標的影響程度，為評估城市規劃方案的災害韌性提供了科學依據；
14、結合災害風險圖和韌性系數，對候選規劃方案進行綜合評估，實現了在環境可持續與災害韌性之間的最佳平衡，動態識別微觀環境與災害風險的因果關系，模擬不同規劃方案下微觀環境與風險的長期協同演化軌跡，識別臨界點，進行準確預測實現長期規劃，為城市土地規劃提供了前瞻性的決策支持。
1.一種基于神經網絡的城市土地規劃分析方法，其特征在于，包括：
2.如權利要求1所述的一種基于神經網絡的城市土地規劃分析方法，其特征在于，所述方法還包括：
3.如權利要求1所述的一種基于神經網絡的城市土地規劃分析方法，其特征在于，確定最終的規劃方案，包括：對每個候選方案在數字孿生平臺中運行微觀環境演變模型和災害動力學模型，結合災害風險圖和韌性系數，評估其在長期環境變化和突發災害場景下的綜合表現，計算環境風險指數和韌性綜合指數，并進行加權求和得到評估分值，取值范圍為[0，1]，選取評估分值最高的候選規劃方案作為最終的規劃方案。
4.如權利要求3所述的一種基于神經網絡的城市土地規劃分析方法，其特征在于，所述環境風險指數用于衡量候選規劃方案在長期環境變化和災害風險下的穩定性，計算公式如下：，其中，是環境風險指數，是歸一化的土壤侵蝕率，是歸一化的災害發生概率，是歸一化的災害強度，分別是對應的權重系數；
5.如權利要求1所述的一種基于神經網絡的城市土地規劃分析方法，其特征在于，構建災害風險預測模型，以微觀環境作為動態特征，以歷史災害發生與否及強度作為標簽進行訓練，包括：每個時間步的輸入為微觀環境特征向量、微觀空間數據特征向量，根據災害類型設定時間窗口，將連續時間步的輸入序列輸入lstm，隱藏層設為128，采用2層lstm堆疊；輸出層使用雙任務輸出，得到災害發生概率和災害強度，并映射至地理網格，生成災害風險圖；
6.如權利要求1所述的一種基于神經網絡的城市土地規劃分析方法，其特征在于，構建韌性關聯模型，包括：獲取災害風險圖數據特征和災害及韌性數據，建立基于神經網絡的回歸分析模型，以微觀環境指標和承災體特征作為輸入變量，以韌性指標作為輸出變量，量化微觀環境指標變化對韌性指標的影響程度，對韌性指標進行加權求和輸出目標區域的韌性系數。
7.如權利要求1所述的一種基于神經網絡的城市土地規劃分析方法，其特征在于，計算風險評分，包括：將每個網格的三個指標值，均歸一化到[0，1]范圍，進行加權求和得到每個網格的風險評分；
8.如權利要求2所述的一種基于神經網絡的城市土地規劃分析方法，其特征在于，所述組合指標包括土地混合利用熵值和互補性指數；所述空間結構指標包括空間連接度和風險擴散阻力；
9.如權利要求2所述的一種基于神經網絡的城市土地規劃分析方法，其特征在于，所述因果強度時序圖的橫軸為時間，縱軸為因果強度系數，節點為微觀環境變量和災害變量，邊為時變因果強度，顯示各環境變量與災害間的因果方向及強度隨時間的變化情況，并標識出因果關系突變點。
10.如權利要求2所述的一種基于神經網絡的城市土地規劃分析方法，其特征在于，所述平穩系數是指評估分值的方差在時間上的變化程度，用于衡量時間序列的穩定性；所述軌跡分支點是指不同規劃方案產生的曲線之間的差異點，表明了不同的規劃方案對每個網格的微觀環境產生不同的軌跡變化；所述一階差分是狀態序列中相鄰時間點的評估分值的差值，表示瞬間變化率，直接計算相鄰時間點評估分值之差，檢測風險躍遷速率。