[发明专利]TOPSIS引导城市居住小区宜居度神经网络评价方法

权利要求书

1.TOPSIS引导城市居住小区宜居度神经网络评价方法，其特征在于，该方法包括以下步骤：

S1、选取合适因素因子，构建城市居住小区宜居度评价指标体系，并进行评价指标量化；

S2、根据熵值法确定各要素权重，并使用TOPSIS方法初步评价城市居住小区宜居度评分及排序；

S3、根据城市居住小区宜居度评分排序，选择排名前n％、后n％的首尾两部分小区，建立神经网络模型的训练样本集；

S4、以前n％小区的宜居度值域范围为高宜居度值域，以后n％小区的宜居度值域范围为低宜居度值域，根据样本评价结果是否落相应地高宜居度、低宜居度值域范围内建立损失函数；

S5、利用样本训练神经网络模型，基于上述损失函数优化模型参数，构建城市居住小区宜居度神经网络评价模型，得到模型评价结果。

2.根据权利要求1所述的TOPSIS引导城市居住小区宜居度神经网络评价方法，其特征在于，所述评价指标体系包括目标层、准则层及要素层；

其中，所述目标层为城市居住小区宜居程度；

所述准则层包括空间结构、小区环境、交通条件及服务设施；

所述要素层包括14个指标，分别为内部绿化率、周边绿化率、热舒适度、人口密度、容积率、路网密度、道路连接度、交通设施、教育设施、生活服务、休闲娱乐、运动健身、公园及购物设施。

3.根据权利要求2所述的TOPSIS引导城市居住小区宜居度神经网络评价方法，其特征在于，所述根据熵值法确定各要素权重，并使用TOPSIS方法初步评价城市居住小区宜居度评分及排序，包括以下步骤：

S21、统一指标单调性和量纲；

S22、利用熵值法权重计算公式计算得到14个指标的权重；

S23、采用TOPSIS方法计算各个城市居住小区与宜居度最优、最劣小区的接近程度；

S24、根据所述接近程度大小排序得出所有城市居住小区的宜居度评分和排序。

4.根据权利要求3所述的TOPSIS引导城市居住小区宜居度神经网络评价方法，其特征在于，所述熵值法权重计算公式的表达式为：

式中，w_j表示第j个指标的权重；

n表示指标的数量；

e_j表示第j个指标的熵值。

5.根据权利要求3所述的TOPSIS引导城市居住小区宜居度神经网络评价方法，其特征在于，所述采用TOPSIS方法计算各个城市居住小区与宜居度最优、最劣小区的接近程度的运算表达式为：

式中，E_i表示第i个城市居住小区的接近程度且取值为(0，1)，接近1则代表越优，接近0则代表越劣；

表示第i个城市居住小区与最优值的距离；

表示第i个城市居住小区与最劣值的距离。

6.根据权利要求5所述的TOPSIS引导城市居住小区宜居度神经网络评价方法，其特征在于，所述根据城市居住小区宜居度评分排序，选择排名前n％、后n％的首尾两部分小区，建立神经网络模型的训练样本集，包括以下步骤：

S31、统计所述方法评价结果的城市居住小区宜居度评分，得到对应的直方图和正态分布曲线；

S32、选取正态曲线首尾n％小区作为神经网络备选训练样本集，并调整n％得到不同的训练样本集。