【技術實現步驟摘要】
本公開一般涉及數據預測，具體涉及一種基于大語言模型的預測模擬區域碳儲量的方法和裝置。
技術介紹
1、土地利用變化是影響陸地生態系統碳循環最重要的因素之一，其對大氣co2濃度增加的貢獻僅次于化石燃料的燃燒。已有研究表明，1850-1998年已有136±5×109t碳通過土地利用變化從陸地生態系統排放到大氣中，約占目前大氣中增加的co2總量的33％。
2、相關技術中，通常是根據實際發生的土地利用變化結果進行計算，進而通過研究不同土地利用類型對應的碳排放來指導城市設計，因此，難以探究土地利用變化與城市發展需求之間的關系，缺乏具有針對性的土地利用管理的政策建議。
技術實現思路
1、鑒于現有技術中的上述缺陷或不足，期望提供一種基于大語言模型的預測模擬區域碳儲量的方法和裝置，實現了對待預測情景的碳儲量預測同時，有效提高了碳儲量預測的可靠性。
2、第一方面，本申請實施例提供了一種基于大語言模型的預測模擬區域碳儲量的方法，包括：
3、利用大語言模型獲取模擬區域的歷史土地覆被數據，并基于所述歷史土地覆被數據確定所述模擬區域的初始碳儲量和初始土地利用轉移矩陣；
4、針對每個待預測情景，獲取所述待預測情景對應的情景因子，利用所述情景因子對所述初始土地利用轉移矩陣進行情景修正，得到情景土地轉移矩陣；
5、基于所述情景土地轉移矩陣，利用馬爾科夫鏈對每個所述待預測情景進行土地利用轉移規劃預測，得到情景土地覆被數據；
6、基于所述情景土地覆
7、在一些實施例中，所述獲取模擬區域的歷史土地覆被數據，并基于所述歷史土地覆被數據確定所述模擬區域的初始碳儲量和初始土地利用轉移矩陣，包括：
8、獲取初始輸入信息，利用大語言模型對所述初始輸入信息進行語義提取，得到初始輸入特征；
9、將所述初始輸入特征與預設的區域土地信息進行匹配，確定所述初始輸入信息對應的區域信息，將所述區域信息對應的區域作為所述模擬區域；
10、基于所述區域信息獲取對應的歷史土地覆被數據；
11、基于所述歷史土地覆被數據中當前年度的土地覆被數據，確定所述模擬區域的所述初始碳儲量，并基于所述歷史土地覆被數據確定所述初始土地利用轉移矩陣。
12、在一些實施例中，所述針對每個待預測情景，對所述初始土地利用轉移矩陣進行情景修正，得到情景土地轉移矩陣，包括：
13、獲取輸入的情景限制信息，并利用大語言模型對所述情景限制信息進行語義分析，得到與情景限制信息對應的情景發展類型；所述情景發展類型為所述模擬區域對應的未來發展類型；
14、基于所述情景發展類型確定對所述初始土地利用轉移矩陣進行情景修正的情景因子；
15、基于所述情景因子，對所述初始土地利用轉移矩陣進行情景修正，得到所述情景土地轉移矩陣。
16、在一些實施例中，所述針對每個待預測情景，對所述初始土地利用轉移矩陣進行情景修正，得到情景土地轉移矩陣，包括：
17、獲取輸入的情景限制信息，并利用大語言模型對所述情景限制信息進行語義分析，得到與情景限制信息對應的情景類型；
18、基于所述情景類型，利用所述大語言模型確定所述情景類型對應的模擬參數和驅動因子，并基于所述模擬參數和驅動因子確定所述情景類型對應的情景因子；
19、基于所述情景因子，對所述初始土地利用轉移矩陣進行情景修正，得到所述情景土地轉移矩陣。
20、在一些實施例中，還包括：
21、基于所述歷史土地覆被數據及其對應的所述初始碳儲量和所述情景土地覆被數據及其對應的所述預測碳儲量，確定所述模擬區域的土地利用轉移數據；所述土地利用轉移數據至少包括各類土地的轉移總量、轉移比例和轉移方向；
22、基于所述初始碳儲量、所述預測碳儲量和所述土地利用轉移數據，生成所述模擬區域對應的土地利用轉移規劃建議。
23、在一些實施例中，所述基于所述初始碳儲量、所述預測碳儲量和所述土地利用轉移數據，生成所述模擬區域對應的土地利用轉移規劃建議，包括：
24、在任一所述待預測情景對應的所述預測碳儲量大于所述初始碳儲量時，將所述待預測情景對應的所述情景土地覆被數據作為所述土地利用轉移規劃建議進行推薦；或者
25、在全部所述待預測情景對應的所述預測碳儲量均小于或等于所述初始碳儲量時，反饋請求針對至少一個所述待預測情景進行情景因子調節，得到調節后的情景因子；
26、基于所述調節后的情景因子重新獲取對應的預測碳儲量，直至得到的預測碳儲量大于所述初始碳儲量。
27、第二方面，本申請實施例提供了一種基于大語言模型的預測模擬區域碳儲量的裝置，包括：
28、獲取模塊，用于利用大語言模型獲取模擬區域的歷史土地覆被數據，并基于所述歷史土地覆被數據確定所述模擬區域的初始碳儲量和初始土地利用轉移矩陣；
29、修正模塊，用于針對每個待預測情景，對所述初始土地利用轉移矩陣進行情景修正，得到情景土地轉移矩陣；
30、預測模塊，用于基于所述情景土地轉移矩陣，利用馬爾科夫鏈對每個所述待預測情景進行土地利用轉移規劃預測，得到情景土地覆被數據；
31、確定模塊，用于基于所述情景土地覆被數據，確定所述情景土地覆被數據對應的預測碳儲量。
32、第三方面，本申請實施例提供了一種電子設備，包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，該處理器執行該程序時實現如本申請實施例描述的方法。
33、第四方面，本申請實施例提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如本申請實施例描述的方法。
34、第五方面，本申請實施例提供了一種計算機程序產品，包括計算機程序，其特征在于，該計算機程序被處理器執行時實現如本申請實施例描述的方法。
35、本申請實施例提供的基于大語言模型的預測模擬區域碳儲量的方法和裝置，能夠基于不同待預測情景確定與待預測情景相符的土地轉移矩陣，再結合對隨機預測具有較好收斂性的馬爾科夫鏈進行規劃預測，使得能夠得到在待預測情景下較為精準的情景土地覆被數據，并基于情景土地覆被數據進行碳儲量計算得到預測碳儲量，實現了對待預測情景的碳儲量預測同時，有效提高了碳儲量預測的可靠性。
36、本專利技術附加的方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本專利技術的實踐了解到。
本文檔來自技高網...【技術保護點】
1.一種基于大語言模型的預測模擬區域碳儲量的方法，其特征在于，包括：
2.根據權利要求1所述的基于大語言模型的預測模擬區域碳儲量的方法，其特征在于，所述獲取模擬區域的歷史土地覆被數據，并基于所述歷史土地覆被數據確定所述模擬區域的初始碳儲量和初始土地利用轉移矩陣，包括：
3.根據權利要求1所述的基于大語言模型的預測模擬區域碳儲量的方法，其特征在于，所述針對每個待預測情景，對所述初始土地利用轉移矩陣進行情景修正，得到情景土地轉移矩陣，包括：
4.根據權利要求1所述的基于大語言模型的預測模擬區域碳儲量的方法，其特征在于，所述針對每個待預測情景，對所述初始土地利用轉移矩陣進行情景修正，得到情景土地轉移矩陣，包括：
5.根據權利要求1所述的基于大語言模型的預測模擬區域碳儲量的方法，其特征在于，還包括：
6.根據權利要求5所述的基于大語言模型的預測模擬區域碳儲量的方法，其特征在于，所述基于所述初始碳儲量、所述預測碳儲量和所述土地利用轉移數據，生成所述模擬區域對應的土地利用轉移規劃建議，包括：
7.一種基于大語言模型的預測
8.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時，實現如權利要求1-6中任一項所述基于大語言模型的預測模擬區域碳儲量的方法。
9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-6中任一項所述基于大語言模型的預測模擬區域碳儲量的方法。
10.一種計算機程序產品，包括計算機程序，其特征在于，該計算機程序被處理器執行時實現權利要求1-6中任一項所述基于大語言模型的預測模擬區域碳儲量的方法。
...【技術特征摘要】
1.一種基于大語言模型的預測模擬區域碳儲量的方法，其特征在于，包括：
2.根據權利要求1所述的基于大語言模型的預測模擬區域碳儲量的方法，其特征在于，所述獲取模擬區域的歷史土地覆被數據，并基于所述歷史土地覆被數據確定所述模擬區域的初始碳儲量和初始土地利用轉移矩陣，包括：
3.根據權利要求1所述的基于大語言模型的預測模擬區域碳儲量的方法，其特征在于，所述針對每個待預測情景，對所述初始土地利用轉移矩陣進行情景修正，得到情景土地轉移矩陣，包括：
4.根據權利要求1所述的基于大語言模型的預測模擬區域碳儲量的方法，其特征在于，所述針對每個待預測情景，對所述初始土地利用轉移矩陣進行情景修正，得到情景土地轉移矩陣，包括：
5.根據權利要求1所述的基于大語言模型的預測模擬區域碳儲量的方法，其特征在于，還包括：
6.根據權利要求5所述的基于...
【專利技術屬性】
技術研發人員：姚朋，馬超，邵明，陶培元，曹則煜，林曄，馮曉琪，藺靖遠，
申請(專利權)人：北京林業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。