本发明涉及水土保持、智慧水利领域，特别涉及一种未批先建生产建设项目分布趋势预测方法、系统及介质。
背景技术：
1、明确水土保持信用评价是指水利部依据有关法律法规和水土保持信用信息，按照规定的指标、方法和程序，对水土保持相关单位的信用状况进行评价，确定信用等级并向社会公开，供水土保持监督管理运用、相关部门参考使用及公众监督的管理手段。其中，水土保持行政监管与行政处罚信息是水土保持信用主要评价指标，其规定了相应存在水土保持失信的相关问题并按问题性质等级扣减相应分数，未按照水土保持法的要求报批水土保持方案就先行开展建设的生产建设项目(未批先建)是主要的违法违规行为之一。
2、我国已连续多年开展生产建设项目违法违规行为遥感信息化监管工作，通过空天地一体化的方式开展遥感判定疑似未批先建生产建设项目的现场复核、认定和查处。根据统计，全国每年有超过100万个项目开工或正在建设，仅通过人机交互判别并现场核实的方式查处未批先建生产建设项目难以满足新时代智慧水保的建设需求。因此，亟需一种未批先建生产建设项目分布趋势预测方法，明确易发生未批先建生产建设项目区域的分布规律，为预防和查处未批先建生产建设项目提供决策依据。
技术实现思路
1、本发明的目的是提供一种未批先建生产建设项目分布趋势预测方法、系统及介质，解决当下未批先建生产建设项目只能依靠全域遥感监管中存在的效率较低、投入成本较高等相关问题，支撑水土保持信用智慧评价体系建设。
2、第一方面，本发明提供一种未批先建生产建设项目分布趋势预测方法，包括如下步骤：
3、步骤1：获取研究区域内本年度认定查处未批先建生产建设项目数据；
4、步骤2：将步骤1中获取的所述研究区域内本年度认定查处未批先建生产建设项目数据和研究区域内市级行政区划面矢量进行空间匹配和统计数据挂接、汇总，得到研究区域内每个市级行政区内本年度认定查处未批先建生产建设项目数量；
5、步骤3：获取上一年度研究区域内各市级行政区潜在驱动未批先建生产建设项目这一违法违规行为发生的驱动指标，所述驱动指标包括人口指标和经济指标，根据获取的驱动指标建立至少一个驱动因子；
6、步骤4：采用地理探测器中的因子探测器模块来度量步骤3中所述驱动因子对步骤2中获取的所述研究区域市级行政区年度认定查处未批先建生产建设项目数量分布的独立解释力q，应用地理探测器中的交互探测器模块来识别不同驱动因子之间是否存在交互增强作用；
7、步骤5：根据步骤4中获取的所述独立解释力q、交互探测器识别的存在交互增强作用的驱动因子，从步骤3所述驱动因子中选取若干个构建层次结构模型，从层次结构模型的第二层开始，对于从属于上一层每个驱动因子的同一层诸驱动因子，构造判断矩阵，直到最下层，在计算单排序权向量和总排序权向量并分别进行一致性检验后，得到各驱动因子的权重，最终以此构建未批先建生产建设项目易发性预测指数(unauthorized constructionprojects vulnerability predictive index，uvpi)的计算公式；
8、步骤6，根据步骤5构建的uvpi的计算公式计算本年度研究区域内每个市级行政区的未批先建生产建设项目易发性预测指数uvpi，并和本年度实际认定查处未批先建生产建设项目成果数据利用pearson检验验证相关性，若本年度uvpi和实际数据存在显著性相关，则以本年度驱动因子数据构建下一年度uvpi，用于预测下一年度未批先建生产建设项目易发区域，并依据自然断点法将易发性程度按大、较大、中等、较小、小进行划分，并以图件的形式进行直观性表示。
9、进一步的，步骤1获取研究区域内本年度认定查处未批先建生产建设项目数据，具体包括：获取全国水土保持信息管理系统内监督管理子系统中的交互数据，以及各省级行政区按照水利部编制下发《生产建设项目水土保持信息化监管技术规定(实行)》要求，组织开展的年度生产建设项目水土保持信息化监管工作获取的成果数据。
10、进一步的，步骤1中所述研究区域内本年度认定查处未批先建生产建设项目数据是一种poi数据，包括经纬度空间信息和属性信息，所述属性信息包括标识码、项目名称、建设单位、联系人、联系电话、项目类别、扰动变化类型、完工情况、所在路段、查处情况、查处时间。
11、进一步的，步骤2具体包括：根据空间位置关系，将位于某市级行政区面矢量内部的认定查处未批先建生产建设项目poi数据的属性表信息进行汇总，并将汇总的属性表信息赋值给该市级行政区面矢量，其中市级行政区面矢量中每一行数据代表了一个未批先建生产建设项目的相关属性信息。
12、进一步的，步骤3中所述人口指标包括户籍人口(household population，hp)、常住人口(population of permanent residents，ppr)，所述经济指标包括法人单位数(corporation units，cu)、规模以上单位(unit of scale,qualification or above，qau)、地区生产总值(gross domestic product，gdp)、第一产业(primary industry，pi)、第二产业(secondary industry，si)、第三产业(tertiary industry，ti)、民营经济增加值(value added of private economy，vpe)、基础设施投资增幅(growth rate ofinfrastructure investment，ii)、工业投资增幅(growth rate of industrialinvestment in fixed assets，iifa)、改建和技术改造投资增幅(growth rate ofinvestment in reconstruction and technological transformation，rtt)、房地产开发投资(investment in real estate development，ird)、固定资产投资增幅(growth rateof investment in fixed assets，ifa)、民间固定资产投资增幅(growth rate of non-governmental investment of fixed assets，nfa)。
13、进一步的，步骤4中所述地理探测器用于探测空间分异性并揭示其背后驱动力，空间分异性是指同一地理现象在同一子区域内表现出相似性，但在不同子区域间的分布呈现差异性。
14、进一步的，所述因子探测器模块用于探测认定查处未批先建生产项目的空间分异性并揭示其与步骤3中所述驱动因子的交互作用，以及交互作用的强弱、方向、线性还是非线性；因子探测器采用q值来度量驱动因子在多大程度上解释属性y(即认定查处未批先建生产项目)的空间分异，其表达式为：式中，h＝1,...,l，l为驱动因子的类别数量；nh和n分别为层h和全区的单元数；和σ2分别是层h和全区y值的方差。q的值域为[0,1]，值越大说明驱动因子x对y的解释力越强，反之则越弱；同时，针对每个相应的q值均有对于的显著性检验p值，p值小于0.05则表示为差异显著，如果p小于0.01,则差异极显著，即p值越小，就说明某驱动因子x对y值是有影响这一推断的可靠性越高。
15、进一步的，所述交互探测器模块是在因子探测器模块的功能上，进一步识别不同驱动因子之间交互作用的影响力，通过计算q(x1∩x2)值来判断驱动因子x1和σ2的共同作用对因变量y的影响力是增强还是减弱，将q(x1∩x2)值与q(x1)和q(x2)的数值进行比较后，其对y的影响作用关系可分为以下5种：非线性减弱，q(x1∩x2)<min[q(x1),q(x2)]；单线性减弱，min[q(x1),q(x2)]<q(x1∩x2)<max[q(x1),q(x2)]；双线性减弱，q(x1∩x2)>max[q(x1),q(x2)]；相互独立，q(x1∩x2)＝q(x1)+q(x2)；非线性增强，q(x1∩x2)>q(x1)+q(x2)。
16、进一步的，步骤5中所述层次结构模型是基于层次分析法构建的，层次分析法是一种层次权重决策分析方法，其按照各驱动因子和认定查处未批先建生产项目的相互关联影响以及隶属关系，形成一个多层次的分析结构模型，并以此确定各驱动因子相对于反映未批先建生产建设项目易发性的相对重要权值。
17、进一步的，步骤6中所述pearson检验是通过计算pearson相关系数用来衡量两个变量之间的相关性，相关系数是用协方差除以两个变量的标准差得到的，公式如下：
18、
19、其中n为样本数量，e(x)、σx分别是对xi样本的样本平均值和样本标准差。
20、进一步的，步骤6中所述自然断点法是一种根据数值统计分布规律分级和分类的统计方法，使类与类之间的不同最大化，任何统计数列都存在一些自然转折点、特征点，用这些点可以把研究的对象分成性质相似的群组。本发明采用自然断点法确定研究区域内各市级行政区未批先建生产建设项目易发性指数的自然特征点，并以此实现研究区域内各市级行政区未批先建生产建设项目预测易发性程度分级分类。
21、本发明另一方面提供一种未批先建生产建设项目分布趋势预测系统，包括：计算机可读存储介质和处理器；
22、所述计算机可读存储介质用于存储可执行指令；
23、所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行第一方面所述的未批先建生产建设项目分布趋势预测方法。
24、本发明另一方面提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面所述的未批先建生产建设项目分布趋势预测方法。
25、本发明的有益效果是：
26、本发明提出基于地理探测器和层次分析法，通过上一年度驱动因子对本年度未批先建生产建设项目的分布趋势进行定性和定量分析，构建用于预测区域未批先建生产建设项目分布趋势的未批先建生产建设项目易发性预测指数(unauthorized constructionprojects vulnerability index，uvpi)。该指数以认定查处生产建设项目与区域人口、社会、经济等驱动因子的交互关系进行定量研究为基础，兼顾主观性和客观性评价分析方法，对未批先建生产建设项目的易发区域的空间趋势性进行了预测，对违法违规生产建设项目单位“精准制导”具有较高的参考价值。本发明通过本年度驱动因子计算uvpi指数，预测下一年度易发生未批先建生产建设项目的区域开展针对性重点监管。在一个可行的实施例中，相较于全覆盖人机交互式监管方法，本技术通过针对性重点监管，合理分配人力资源和时间，在保证准确率的前提下，总体效率提升约20％，提高了生产建设项目水土保持监管的针对性、科学性、精确性和时效性。
1.一种未批先建生产建设项目分布趋势预测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的未批先建生产建设项目分布趋势预测方法，其特征在于，步骤1中所述研究区域内本年度认定查处未批先建生产建设项目数据是一种poi数据，包括经纬度空间信息和属性信息，所述属性信息包括标识码、项目名称、建设单位、联系人、联系电话、项目类别、扰动变化类型、完工情况、所在路段、查处情况、查处时间。
3.如权利要求1所述的未批先建生产建设项目分布趋势预测方法，其特征在于，步骤2具体包括：根据空间位置关系，将位于某市级行政区面矢量内部的认定查处未批先建生产建设项目poi数据的属性表信息进行汇总，并将汇总的属性表信息赋值给该市级行政区面矢量，其中市级行政区面矢量中每一行数据代表了一个未批先建生产建设项目的相关属性信息。
4.如权利要求1所述的未批先建生产建设项目分布趋势预测方法，其特征在于，步骤3中所述人口指标包括户籍人口、常住人口所述经济指标包括法人单位数、规模以上单位、地区生产总值、第一产业、第二产业、第三产业、民营经济增加值、基础设施投资增幅、工业投资增幅、改建和技术改造投资增幅、房地产开发投资、固定资产投资增幅、民间固定资产投资增幅。
5.如权利要求1所述的未批先建生产建设项目分布趋势预测方法，其特征在于，步骤4中所述地理探测器用于探测空间分异性并揭示其背后驱动力，空间分异性是指同一地理现象在同一子区域内表现出相似性，但在不同子区域间的分布呈现差异性。
6.如权利要求5所述的未批先建生产建设项目分布趋势预测方法，其特征在于，所述因子探测器模块用于探测认定查处未批先建生产项目的空间分异性并揭示其与步骤3中所述驱动因子的交互作用，以及交互作用的强弱、方向、线性还是非线性；因子探测器采用q值来度量驱动因子在多大程度上解释属性y(即认定查处未批先建生产项目)的空间分异，其表达式为：式中，h＝1,...,l，l为驱动因子的类别数量；nh和n分别为层h和全区的单元数；和σ2分别是层h和全区y值的方差。q的值域为[0,1]，值越大说明驱动因子x对y的解释力越强，反之则越弱；同时，针对每个相应的q值均有对于的显著性检验p值，p值小于0.05则表示为差异显著，如果p小于0.01,则差异极显著，即p值越小，就说明某驱动因子x对y值是有影响这一推断的可靠性越高。
7.如权利要求6所述的未批先建生产建设项目分布趋势预测方法，其特征在于，所述交互探测器模块是在因子探测器模块的功能上，进一步识别不同驱动因子之间交互作用的影响力，通过计算q(x1∩x2)值来判断驱动因子x1和x2的共同作用对因变量y的影响力是增强还是减弱，将q(x1∩x2)值与q(x1)和q(x2)的数值进行比较后，其对y的影响作用关系可分为以下5种：非线性减弱，q(x1∩x2)<min[q(x1)，q(x2)]；单线性减弱，min[q(x1)，q(x2)]<q(x1∩x2)<max[q(x1)，q(x2)]；双线性减弱，q(x1∩x2)＞max[q(x1)，q(x2)]；相互独立，q(x1∩x2)＝q(x1)+q(x2)；非线性增强，q(x1∩x2)＞q(x1)+q(x2)。
8.如权利要求1所述的未批先建生产建设项目分布趋势预测方法，其特征在于，步骤6中所述pearson检验是通过计算pearson相关系数用来衡量两个变量之间的相关性，相关系数是用协方差除以两个变量的标准差得到的，公式如下：
9.一种未批先建生产建设项目分布趋势预测系统，包括：计算机可读存储介质和处理器；
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如权利要求1-8中任一项所述的未批先建生产建设项目分布趋势预测方法。
