[发明专利]TOPSIS引导城市居住小区宜居度神经网络评价方法

说明书

本发明公开了TOPSIS引导城市居住小区宜居度神经网络评价方法，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；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；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；S5、利用样本训练神经网络模型。本发明利用TOPSIS得到宜居度高、宜居度低两种类别的城市居住小区样本，一定程度上克服了现有评价方法因子权重确定较为主观的问题。

技术领域

本发明涉及国土空间规划、生态环境保护等领域，尤其涉及TOPSIS引导城市居住小区宜居度神经网络评价方法。

背景技术

越来越多的人口聚居于城市，城市已然成为人类生产、生活的主要场所，城市所提供的服务水平以及城市环境水平逐渐成为衡量一个国家或地区人民生活质量的重要指标。随着生活水平的不断提高，人们对居住条件和生活环境提出了更高的要求，“宜居”成为城市发展建设的热门词汇。城市居住小区作为城市居民最直接的生息地，其宜居度的评价不仅有利于政府了解各小区现状、指导后期规划建设，还可作小区选择的参考，具有重要意义。

宜居小区在学术界还没形成统一的定义，但在共识中宜居小区应该涵盖居住环境良好、人文和社会环境浓厚、生态与自然环境舒适、生活与服务环境便捷几个方面。关于城市居住小区宜居度评价研究已有一些成果，分为主观评价和客观评价两种类型，其中主观评价方法以调查问卷、层次分析为主，客观评价以主成分分析、多目标决策、聚类方法居多。2020年，Liang等在“Science of The Total Environment”上发表“Assessment of theimpact of climate change on cities livability in China”，使用层次分析法评估了2006-2016年288个城市的宜居度，并量化了气候变化对城市宜居度的影响。2019年， Zhang等在“International Journal of Applied Earth Observation and Geoinformation”上发表“Community scale livability evaluation integrating remote sensing,surfaceobservation and geospatial big data”，采用TOPSIS和蒙特卡洛检验的方式评价了若干城市居住小区宜居度，从敏感性和不确定性两方面分析评价结果。2018年，Paul等在“Cities”上发表“Livability assessment within a metropolis based on the impactof integrated urban geographic factors(IUGFs)on clustering urban centers ofKolkata”，在进行城市宜居度评估时运用聚类方法将城市群聚为五类，不同类别代表不同的宜居程度。

然而现有的宜居度评价方法都存在一定不足：层次分析、问卷调查等主观评价方法主观色彩过重，结果不易令人信服；主成分分析、多目标决策等客观评价方法中因子的权重确定仍然需要人为干预、存在一定的主观性。如何克服现有宜居度评价方法因子权重确定较为主观的问题，值得进一步研究。

发明内容

针对相关技术中的问题：宜居度评价方法中因子权重确定具有一定主观性。使用指标体系进行宜居度评价时一般会考虑较多的影响因子，在评价时首先需要确定各个因子的权重进而评价宜居度，而因子权重的主观性会影响宜居度评价的结果。本发明提出TOPSIS引导城市居住小区宜居度神经网络评价方法，以克服现有相关技术所存在的上述技术问题。

为此，本发明采用的具体技术方案如下：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；