一种基于卷积神经网络的土地利用模拟方法及系统

本发明公开了一种基于卷积神经网络的土地利用模拟方法，涉及土地利用变化模拟技术领域，其包括收集研究区域的土地利用数据、社会经济和自然地理驱动因素，并进行数据预处理，使用改进的LeNet‑5卷积神经网络对土地利用数据进行训练，估计不同土地利用类型的增长概率，通过高斯函数量化邻域效应，并使用多目标优化算法对参数进行校准，通过高斯函数描述城市蔓延趋势，捕捉宏观城市扩展过程，综合考虑增长概率、邻域效应和城市蔓延趋势，通过轮盘选择确定最终土地利用类型，本发明基于卷积神经网络和多目标优化的土地利用变化模拟方法，通过结合微观和宏观空间特征，显著提升了土地利用变化模拟的精度和可靠性。