一种土地信息整合系统的制作方法

1.本发明涉及。技术领域，尤其涉及一种土地信息整合系统。


背景技术：

2.土地资源有效和科学的管理在我国这样一个人口众多，但可使用土地资源相对贫瘠的国家来说有很重要的意义，土地资源的信息化、实时化变得越来越迫切。
3.在信息化高速发展的今天，以计算机为核心，对土地资源详查、土壤普查、规划、计划、各种遥感图像、地形图、控制网点等为信息源，对土地资源信息进行获取、输入、存储、统计处理、分析、评析、输出、传输和应用的大型系统工程的建立变得更加至关重要。
4.土地信息一般包括以下四大类：环境信息、基础设施信息、地籍信息和社会经济信息。其中环境信息包括：气候、土壤、地质、地貌、河床、植被、野生动物等；基础设施信息包括：公共设施、建筑物、交通运输系统等；地籍信息包括：权属、测量、土地定级与估价、土地利用控制等；社会经济信息包括：经济发展水平、卫生、福利和公共秩序、人口分布等。
5.中国专利公开号：cn112598670b。公开了一种基于云计算的土地监管平台。其中包括：遥感图像采集系统用于获取目标地区的遥感影像，并将遥感影像传输到云平台；云平台用于将遥感影像整合到目标地区的基础地图中，获取目标地区的遥感影像地图，并进一步获取遥感影像地图的图斑信息；根据遥感影像地图选取核查图斑，根据选取的核查图斑生成核查任务，并将核查任务发送到相应的现场举证终端；根据接收到的核查任务采集图斑现场图像信息，并将采集的图斑现场图像信息上传到云平台。实现了土地核查任务的远程下达和审查，以及对土地核查任务的有效整合和记录，有助于提高针对目标地区土地管理的综合水平；由此可见，所述基于云计算的土地监管平台，存在以下问题：以遥感图像采集到的影像与基础地图整合，并对图斑区域进行再次核查和现场举证，最终将地图补全至与平台，其过程缝补痕迹过重，应用时效性不高，其性价比较低，浪费时间与人力的同时也未取得更多的有效数据。


技术实现要素：

6.为此，本发明提供一种土地信息整合系统，用以克服现有技术中一次土地资源审查的时效性和应用性较低而且信息较少不够全面和智能的问题。
7.为实现上述目的，本发明提供一种土地信息整合系统，包括遥感矢量模块、时空gis模块、人工智能ai模块、历史资源数据库；
8.其中，遥感矢量模块，用以对预设区域进行航拍测绘的三维模型进行矢量处理，形成矢量三维模型。
9.时空gis模块，用以对预设区域空间上的各类资源的承载力和适宜性进行评价，并进行时空维度的标记。
10.人工智能ai模块，用以对预设区域空间上各类资源的详细信息做深度学习与分析，并推算未来发展发展的趋势，并对可能的风险做出预估。
11.历史资源数据库，用以储存预设区域所有相关的土地历史地质信息，并通过时空gis模块添加时空维度，以此作为人工智能ai模块的训练参照对象，更新算法和公式，使之推算预设区域未来发展的趋势，并对可能的风险做出预估。
12.遥感矢量模块对历史资源数据库内的每个时期的土地历史地质信息数据进行矢量化处理，并形成矢量模型，时空gis模块根据该矢量模型的历史时间将该矢量模型添加时空标记，人工智能ai模块对该矢量模型所有标记区域当时时刻的所有土地地质参数做出评价，根据其当时时刻的各类地质信息做趋势学习与分析，并推算未来发展可能遇到的问题，将推算结果与该时期之后真实信息数据做比对，完善算法，并得出预设区域土地生态空间其后发展的评价参数，并根据其评价参数对预设区域的发展进行推算。
13.遥感矢量模块在对预设区域进行航拍测绘及地质勘探结果的三维数据模型进行矢量处理，形成矢量三维模型，时空gis模块对该矢量三维模型各个坐标或区域进行标记，人工智能ai模块对该矢量三维模型所有标记区域的当时时刻所有土地地质参数做出评价，根据其土地地质参数对所有标记区域进行趋势分析和规划，并推算预设区域未来发展的趋势，并对可能的风险做出预估。
14.人工智能ai模块对该矢量模型所有标记区域当时时刻的所有土地地质参数做出评价，其中，人工智能ai模块设定时期为t，所有时期按从时间轴从小到大依次排列为t1，t2，t3……
tn，n为正整数，每个时期的土地历史地质数据包括土壤成分数据、地质构造数据、矿物分布数据和区域水文地质数据。
15.人工智能ai模块设定土壤成分数据评价参数为cs，设定地质构造数据评价参数为gs，设定矿物分布数据评价参数为md，设定区域水文地质数据评价参数为rh，设定土地地质综合评价参数为al，
16.al＝w1cs+w2gs+w3md+w4rh，其中w为权重系数，w1为土壤成分数据权重系数，w2为地质构造数据权重系数，w3为矿物分布数据权重系数，w4为区域水文地质数据权重系数，设定w1+w2+w3+w4＝100％；
17.人工智能ai模块对t1时刻所有土地地质参数与t2时刻所有土地地质参数进行分析，判断t1时刻至t2时刻的趋势模拟和生态红线触底判断，并将分析结果与t3时刻的真实数据做对比分析，优化人工智能ai模块对趋势模拟的算法，以及人工智能ai模块对土地地质综合评价参数的权重系数的调整，其中，对土地地质数据评价参数的趋势模拟过程如下：
18.若cs1＜cs2，则人工智能ai模块判定t1至t2的土壤成分数据评价参数趋势为上升趋势，在上升周期为t
2-t1时，上升数值为
19.若则人工智能ai模块判定t1至t2的土壤成分数据评价参数趋势为小上升趋势，在上升周期为t
2-t1时，上升数值为
20.若则人工智能ai模块判定t1至t2的土壤成分数据评价参数
趋势为大上升趋势，在上升周期为t
2-t1时，上升数值为时，上升数值为
21.若cs1＝cs2，则人工智能ai模块判断t1至t2的土壤成分数据评价参数趋势为持平趋势，持平周期为t
2-t1。
22.若cs1＞cs2，则人工智能ai模块判定t1至t2的土壤成分数据评价参数趋势为下降趋势，在下降周期为t
2-t1时，下降数值为
23.若则人工智能ai模块判定t1至t2的趋势为小下降趋势，在下降周期为t
2-t1时，下降数值为
24.若则人工智能ai模块判定t1至t2的土壤成分数据评价参数趋势为大下降趋势，在下降周期为t
2-t1时，下降数值为
25.重复上述趋势过程，依次分别对t1和t2的地质构造数据评价参数gs1和gs2、矿物分布数据评价参数md1和md2、区域水文地质数据评价参数rh1和rh2进行趋势模拟过程，得到周期为t
2-t1时的数据评价参数的趋势和趋势幅度。
26.人工智能ai模块根据t1和t2的地质构造数据评价参数gs1和gs2、矿物分布数据评价参数md1和md2、区域水文地质数据评价参数rh1和rh2对al1和al2中的权重系数进行自动配比，得到al1＝w1cs1+w2gs1+w3md1+w4rh1与al2＝w1cs2+w2gs2+w3md2+w4rh2，对比al1和al2中时间周期的权重系数，推算t3模拟土地地质综合权重系数al3中的各个权重系数配比，得到al3′
＝w1cs3′
+w2gs3′
+w3md3′
+w4rh3′
。
27.人工智能ai模块根据al1和al2中时间周期的权重系数分析得出t3模拟土地地质综合评价参数al3公式中的权重调整系数。
28.根据t1至t2的数据评价参数的趋势和趋势幅度重新分析并评判所有土地地质综合评价参数al3中各评价参数的权重，设cs的权重调整值为iw1，设gs的权重调整值为iw2，设md的权重调整值为iw3，设rh的权重调整值为iw4，i为加权调整系数且为整数，
29.当cs在t1至t2的时间周期内趋势为大上升时，则人工智能ai模块判定cs的加权调整值系数为1.5。
30.当cs在t1至t2的时间周期内趋势为小上升时，则人工智能ai模块判定cs的加权调整值为1.2。
31.当cs在t1至t2的时间周期内趋势为大下降时，则人工智能ai模块判定cs的加权调整值系数为0.8。
32.当cs在t1至t2的时间周期内趋势为小下降时，则人工智能ai模块判定cs的加权调整值为0.5。
33.当cs在t1至t2的时间周期内趋势持平时，则人工智能ai模块判定cs的加权调整值为iw1′
，
34.(w2cs+iw1′
)+(w2gs+iw2)+(w3md+iw3)+(w4rh+iw4)＝100％。
35.当gs在t1至t2的时间周期内趋势为大上升时，则人工智能ai模块判定cs的加权调整值系数为1.5。
36.当gs在t1至t2的时间周期内趋势为小上升时，则人工智能ai模块判定cs的加权调整值为1.2。
37.当gs在t1至t2的时间周期内趋势为大下降时，则人工智能ai模块判定cs的加权调整值系数为0.8。
38.当gs在t1至t2的时间周期内趋势为小下降时，则人工智能ai模块判定cs的加权调整值为0.5。
39.当gs在t1至t2的时间周期内趋势持平时，则人工智能ai模块判定gs的加权调整值为iw2′
，
40.(w2cs+iw1)+(w2gs+iw2′
)+(w3md+iw3)+(w4rh+iw4)＝100％。
41.当md在t1至t2的时间周期内趋势为大上升时，则人工智能ai模块判定cs的加权调整值系数为1.5。
42.当md在t1至t2的时间周期内趋势为小上升时，则人工智能ai模块判定cs的加权调整值为1.2。
43.当md在t1至t2的时间周期内趋势为大下降时，则人工智能ai模块判定cs的加权调整值系数为0.8。
44.当md在t1至t2的时间周期内趋势为小下降时，则人工智能ai模块判定cs的加权调整值为0.5。
45.当md在t1至t2的时间周期内趋势持平时，则人工智能ai模块判定md的加权调整值为iw3′
，
46.(w2cs+iw1)+(w2gs+iw2)+(w3md+iw3′
)+(w4rh+iw4)＝100％。
47.当rh在t1至t2的时间周期内趋势为大上升时，则人工智能ai模块判定cs的加权调整值系数为1.5。
48.当rh在t1至t2的时间周期内趋势为小上升时，则人工智能ai模块判定cs的加权调整值为1.2。
49.当rh在t1至t2的时间周期内趋势为大下降时，则人工智能ai模块判定cs的加权调整值系数为0.8。
50.当rh在t1至t2的时间周期内趋势为小下降时，则人工智能ai模块判定cs的加权调整值为0.5。
51.当rh在t1至t2的时间周期内趋势持平时，则人工智能ai模块判定rh的加权调整值为iw4′
，
52.(w2cs+iw1)+(w2gs+iw2)+(w3md+iw3)+(w4rh+iw4′
)＝100％。
53.当cs、gs、md和rh在t1至t2的时间周期内趋势相等时，则人工智能ai模块判定cs、gs、md和rh的加权系数不做调整。
54.人工智能ai模块计算t1至t2的时间周期，根据t
2-t1周期内的数据评价参数趋势带入t3时间节点，得到t3模拟土壤成分数据评价参数cs3′
、t3模拟地质构造数据评价参数gs3′
、t3模拟矿物分布数据评价参数md3′
和t3模拟区域水文地质数据评价参数rh3′
，人工智能ai
模块对t3模拟土地地质评价参数和t3历史土地地质评价参数进行对比分析，调整算法，使t3模拟土地地质评价参数接近于真实数据。
55.人工智能ai模块得出t3模拟土壤成分数据评价参数cs3′
、t3模拟地质构造数据评价参数gs3′
、t3模拟矿物分布数据评价参数md3′
和t3模拟区域水文地质数据评价参数rh3′
的模拟过程如下：
56.人工智能ai模块设定周期系数为mt，将周期系数代入t3时间节点可得t3-t2周期的趋势幅度，
57.当t1至t2的土壤成分数据评价参数趋势为上升趋势时，则人工智能ai模块判定在上升周期为t3的模拟时间节点时，t3模拟土壤成分数据评价参数模拟土壤成分数据评价参数
58.当t1至t2的土壤成分数据评价参数趋势为持平趋势时，则人工智能ai模块判定持平周期t3时，t3模拟土壤成分数据评价参数cs3′
＝cs2＝cs1。
59.当t1至t2的土壤成分数据评价参数趋势为下降趋势时，则人工智能ai模块判定在下降周期为t3的模拟时间节点时，t3模拟土壤成分数据评价参数模拟土壤成分数据评价参数
60.重复上述过程，依次分别对t3模拟时间节点的地质构造数据评价参数gs3′
、矿物分布数据评价参数md3′
、区域水文地质数据评价参数rh3′
进行趋势模拟过程，得到周期为t3模拟时间节点的数据评价参数的数值。
61.人工智能ai模块对比cs3′
与cs3、判定gs2到gs3、md3′
与md3和rh3′
与rh3的趋势过程如下：
62.若cs3′
＞cs3，则人工智能ai模块判定cs3′
在t1至t2周期的趋势为上升趋势，但在t2至t3周期的趋势为下降趋势，下降趋势为
63.若cs3′
＝cs3，则人工智能ai模块判定cs3′
在t1至t2周期的趋势与在t2至t3周期时的趋势一致。
64.若cs3′
＜cs3，则人工智能ai模块判定cs3′
在t1至t2周期的趋势为下降趋势，但在t2至t3周期的趋势为上升趋势，上升趋势为
65.重复上述趋势过程，依次分别对比gs3′
与gs3、md3′
与md3和rh3′
与rh3，并进行趋势判定过程，得到周期为t3模拟时间节点的数据评价参数的周期趋势和具体数值。
66.人工智能ai模块将推算出的al3′
＝w1cs3′
+w2gs3′
+w3md3′
+w4rh3′
代入t3历史土地地质综合评价参数al3进行对比分析，调整算法，使t3模拟土地地质综合评价参数接近于t3历史土地地质综合评价参数。
67.人工智能ai模块对比t3模拟土地地质综合评价参数与t3历史土地地质综合评价参数的过程如下：
68.当w1cs3′
＞w1cs3时，则人工智能ai模块判定cs3′
在t1至t2周期的趋势为上升趋势，但在t2至t3周期的趋势为下降趋势，此时加权调整系数i做相应下调。
69.当w1cs3′
＝w1cs3时，则人工智能ai模块判定cs3′
在t1至t2周期的趋势与在t2至t3周期时的趋势一致，此时加权调整系数i不做调整。
70.当w1cs3′
＜w1cs3时，则人工智能ai模块判定cs3′
在t1至t2周期的趋势为下降趋势，但在t2至t3周期的趋势为上升趋势，此时加权调整系数i做相应上调。
71.重复上述权重系数调整过程，依次分别对比w2gs3′
与w2gs3、w3md3′
与w3md3和w4rh3′
与w4rh3，并相应调整加权调整系数i，得到周期为t3模拟时间节点的土地地质综合评价参数一致的周期趋势和加权调整系数。
72.人工智能ai模块依照上述所有趋势分析过程，
73.依次分别对cs2与cs3、cs3与cs4、cs4与cs5……
cs
n-2
与cs
n-1
进行趋势分析，得到虚拟时间节点数据评价参数cs4′
、cs5′
、cs6′
、
……
csn′
，并将得到的虚拟时间节点数据评价参数与历史世界节点数据评价参数做对比，分析得到cs在单位周期内的单位趋势及具体数值的计算公式。
74.依次分别对gs2与gs3、gs3与gs4、gs4与gs5……
gs
n-2
与gs
n-1
进行趋势分析，得到虚拟时间节点数据评价参数gs4′
、gs5′
、gs6′
、
……
gsn′
，并将得到的虚拟时间节点数据评价参数与历史世界节点数据评价参数做对比，分析得到gs在单位周期内的单位趋势及具体数值的计算公式。
75.依次分别对md2与md3、md3与md4、md4与md5……
md
n-2
与md
n-1
进行趋势分析，得到虚拟时间节点数据评价参数md4′
、md5′
、md6′
、
……
mdn′
，并将得到的虚拟时间节点数据评价参数与历史世界节点数据评价参数做对比，分析得到md在单位周期内的单位趋势及具体数值的计算公式。
76.依次分别对rh2与rh3、rh3与rh4、rh4与rh5……
rh
n-2
与rh
n-1
进行趋势分析，得到虚拟时间节点数据评价参数rh4′
、rh5′
、rh6′
、
……
rhn′
，并将得到的虚拟时间节点数据评价参数与历史世界节点数据评价参数做对比，分析得到rh在单位周期内的单位趋势及具体数值的计算公式。
77.人工智能ai模块依照上述所有权重系数调整分析过程，
78.依次分别对w1cs2与w1cs3、w1cs3与w1cs4、w1cs4与w1cs5……
w1cs
n-2
与w1cs
n-1
进行权重调整分析，得到虚拟时间节点数据评价参数w1cs4′
、w1cs5′
、w1cs6′
、
……
w1csn′
，并将得到的虚拟时间节点土地地质综合评价参数与历史世界节点土地地质综合评价参数做对比，分析得到w1在单位周期内的单位趋势下所需要调整的具体权重数值。
79.依次分别对w2gs2与w2gs3、w2gs3与w2gs4、w2gs4与w2gs5……
w2gs
n-2
与w2gs
n-1
进行趋势分析，得到虚拟时间节点数据评价参数w2gs4′
、w2gs5′
、w2gs6′
、
……
w2gsn′
，并将得到的虚拟时间节点土地地质综合评价参数与历史世界节点土地地质综合评价参数做对比，分析得到w2在单位周期内的单位趋势下所需要调整的具体权重数值。
80.依次分别对w3md2与w3md3、w3md3与w3md4、w3md4与w3md5……
w3md
n-2
与w3md
n-1
进行趋势分析，得到虚拟时间节点数据评价参数w3md4′
、w3md5′
、w3md6′
、
……
w3mdn′
，并将得到的虚拟时间节点土地地质综合评价参数与历史世界节点土地地质综合评价参数做对比，分析得到w3在单位周期内的单位趋势下所需要调整的具体权重数值。
81.依次分别对w4rh2与w4rh3、w4rh3与w4rh4、w4rh4与w4rh5……
w4rh
n-2
与w4rh
n-1
进行趋势分析，得到虚拟时间节点数据评价参数w4rh4′
、w4rh5′
、w4rh6′
、
……
w4rhn′
，并将得到的虚拟时间节点土地地质综合评价参数与历史世界节点土地地质综合评价参数做对比，分析得到w4在单位周期内的单位趋势下所需要调整的具体权重数值。
82.人工智能ai模块根据土地历史地质信息数据得出的cs、gs、md和rh在单位周期内的单位趋势及具体数值推断预设区域在单位周期内的单位趋势及具体数值，并结合土地地质数据评价参数al得出的预设区域土地地质总分，推算预设区域未来发展的趋势。
83.与现有技术相比，本发明的有益效果在于，对于历史资源数据库，可以储存所有需求的土地资源信息并加以分析利用，所述地质特征亦可预设修改，对于土地信息整合来说，灵活、便捷，信息录入可多可少，时效性和应用性很高，并且足够智能。
附图说明
84.图1为本发明所述的土地信息整合系统的结构示意图；
具体实施方式
85.为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
86.下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
87.需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
88.此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
89.请参阅图1所示，其为本发明实施例土地信息整合系统的结构示意图，本实施例系统包括遥感矢量模块、时空gis模块、人工智能ai模块、历史资源数据库；
90.其中，遥感矢量模块，用以对预设区域进行航拍测绘的三维模型进行矢量处理，形成矢量三维模型。
91.时空gis模块，用以对预设区域空间上的各类资源的承载力和适宜性进行评价，并进行时空维度的标记。
92.人工智能ai模块，用以对预设区域空间上各类资源的详细信息做深度学习与分析，并推算未来发展发展的趋势，并对可能的风险做出预估。
93.历史资源数据库，用以储存预设区域所有相关的土地历史地质信息，并通过时空gis模块添加时空维度，以此作为人工智能ai模块的训练参照对象，更新算法和公式，使之推算预设区域未来发展的趋势，并对可能的风险做出预估。
94.在本实施例中，历史资源数据库内可以储存有地或路，或建筑，或植物，或空间关系，或人，或事件等预设历史资源数据，只需满足本实施例使用和应用要求即可，此不再赘述。
95.遥感矢量模块对历史资源数据库内的每个时期的土地历史地质信息数据进行矢量化处理，并形成矢量模型，时空gis模块根据该矢量模型的历史时间将该矢量模型添加时空标记，人工智能ai模块对该矢量模型所有标记区域当时时刻的所有土地地质参数做出评价，根据其当时时刻的各类地质信息做趋势学习与分析，并推算未来发展可能遇到的问题，将推算结果与该时期之后真实信息数据做比对，完善算法，并得出预设区域土地生态空间其后发展的评价参数，并根据其评价参数对预设区域的发展进行推算。
96.遥感矢量模块在对预设区域进行航拍测绘及地质勘探结果的三维数据模型进行矢量处理，形成矢量三维模型，时空gis模块对该矢量三维模型各个坐标或区域进行标记，人工智能ai模块对该矢量三维模型所有标记区域的当时时刻所有土地地质参数做出评价，根据其土地地质参数对所有标记区域进行趋势分析和规划，并推算预设区域未来发展的趋势，并对可能的风险做出预估。
97.人工智能ai模块对该矢量模型所有标记区域当时时刻的所有土地地质参数做出评价，其中，人工智能ai模块设定时期为t，所有时期按从时间轴从小到大依次排列为t1，t2，t3……
tn，n为正整数，在本实施例中n的取值范围为n≥10，每个时期的土地历史地质数据包括土壤成分数据、地质构造数据、矿物分布数据和区域水文地质数据。
98.人工智能ai模块设定土壤成分数据评价参数为cs，设定地质构造数据评价参数为gs，设定矿物分布数据评价参数为md，设定区域水文地质数据评价参数为rh，设定土地地质综合评价参数为al，
99.al＝w1cs+w2gs+w3md+w4rh，其中w为权重系数，w1为土壤成分数据权重系数，w2为地质构造数据权重系数，w3为矿物分布数据权重系数，w4为区域水文地质数据权重系数，w1+w2+w3+w4＝100％，在本实施例中w1，w2，w3，w4的基础取值为25％，当算法需要调整时，保证四项相加之和等于100％，且任意一项取值不能为0。
100.人工智能ai模块对t1时刻所有土地地质参数与t2时刻所有土地地质参数进行分析，判断t1时刻至t2时刻的趋势模拟和生态红线触底判断，并将分析结果与t3时刻的真实数据做对比分析，优化人工智能ai模块对趋势模拟的算法，以及人工智能ai模块对土地地质综合评价参数的权重系数的调整，其中，对土地地质数据评价参数的趋势模拟过程如下：
101.若cs1＜cs2，则人工智能ai模块判定t1至t2的土壤成分数据评价参数趋势为上升趋势，在上升周期为t
2-t1时，上升数值为
102.若则人工智能ai模块判定t1至t2的土壤成分数据评价参数趋势为小上升趋势，在上升周期为t
2-t1时，上升数值为
103.若则人工智能ai模块判定t1至t2的土壤成分数据评价参数
趋势为大上升趋势，在上升周期为t
2-t1时，上升数值为*cs1。
104.若cs1＝cs2，则人工智能ai模块判断t1至t2的土壤成分数据评价参数趋势为持平趋势，持平周期为t
2-t1。
105.若cs1＞cs2，则人工智能ai模块判定t1至t2的土壤成分数据评价参数趋势为下降趋势，在下降周期为t
2-t1时，下降数值为
106.若则人工智能ai模块判定t1至t2的趋势为小下降趋势，在下降周期为t
2-t1时，下降数值为
107.若则人工智能ai模块判定t1至t2的土壤成分数据评价参数趋势为大下降趋势，在下降周期为t
2-t1时，下降数值为
108.重复上述趋势过程，依次分别对t1和t2的地质构造数据评价参数gs1和gs2、矿物分布数据评价参数md1和md2、区域水文地质数据评价参数rh1和rh2进行趋势模拟过程，得到周期为t
2-t1时的数据评价参数的趋势和趋势幅度。
109.人工智能ai模块根据t1和t2的地质构造数据评价参数gs1和gs2、矿物分布数据评价参数md1和md2、区域水文地质数据评价参数rh1和rh2对al1和al2中的权重系数进行自动配比，得到al1＝w1cs1+w2gs1+w3md1+w4rh1与al2＝w1cs2+w2gs2+w3md2+w4rh2，对比al1和al2中时间周期的权重系数，推算t3模拟土地地质综合权重系数al3中的各个权重系数配比，得到al3′
＝w1cs3′
+w2gs3′
+w3md3′
+w4rh3′
。
110.人工智能ai模块根据al1和al2中时间周期的权重系数分析得出t3模拟土地地质综合评价参数al3公式中的权重调整系数。
111.根据t1至t2的数据评价参数的趋势和趋势幅度重新分析并评判所有土地地质综合评价参数al3中各评价参数的权重，设cs的权重调整值为iw1，设gs的权重调整值为iw2，设md的权重调整值为iw3，设rh的权重调整值为iw4，i为加权调整系数且为整数，
112.当cs在t1至t2的时间周期内趋势为大上升时，则人工智能ai模块判定cs的加权调整值系数为1.5。
113.当cs在t1至t2的时间周期内趋势为小上升时，则人工智能ai模块判定cs的加权调整值为1.2。
114.当cs在t1至t2的时间周期内趋势为大下降时，则人工智能ai模块判定cs的加权调整值系数为0.8。
115.当cs在t1至t2的时间周期内趋势为小下降时，则人工智能ai模块判定cs的加权调整值为0.5。
116.当cs在t1至t2的时间周期内趋势持平时，则人工智能ai模块判定cs的加权调整值为iw1′
，
117.(w2cs+iw1′
)+(w2gs+iw2)+(w3md+iw3)+(w4rh+iw4)＝100％。
118.当gs在t1至t2的时间周期内趋势为大上升时，则人工智能ai模块判定cs的加权调整值系数为1.5。
119.当gs在t1至t2的时间周期内趋势为小上升时，则人工智能ai模块判定cs的加权调整值为1.2。
120.当gs在t1至t2的时间周期内趋势为大下降时，则人工智能ai模块判定cs的加权调整值系数为0.8。
121.当gs在t1至t2的时间周期内趋势为小下降时，则人工智能ai模块判定cs的加权调整值为0.5。
122.当gs在t1至t2的时间周期内趋势持平时，则人工智能ai模块判定gs的加权调整值为iw2′
，
123.(w2cs+iw1)+(w2gs+iw2′
)+(w3md+iw3)+(w4rh+iw4)＝100％。
124.当md在t1至t2的时间周期内趋势为大上升时，则人工智能ai模块判定cs的加权调整值系数为1.5。
125.当md在t1至t2的时间周期内趋势为小上升时，则人工智能ai模块判定cs的加权调整值为1.2。
126.当md在t1至t2的时间周期内趋势为大下降时，则人工智能ai模块判定cs的加权调整值系数为0.8。
127.当md在t1至t2的时间周期内趋势为小下降时，则人工智能ai模块判定cs的加权调整值为0.5。
128.当md在t1至t2的时间周期内趋势持平时，则人工智能ai模块判定md的加权调整值为iw3′
，
129.(w2cs+iw1)+(w2gs+iw2)+(w3md+iw3′
)+(w4rh+iw4)＝100％。
130.当rh在t1至t2的时间周期内趋势为大上升时，则人工智能ai模块判定cs的加权调整值系数为1.5。
131.当rh在t1至t2的时间周期内趋势为小上升时，则人工智能ai模块判定cs的加权调整值为1.2。
132.当rh在t1至t2的时间周期内趋势为大下降时，则人工智能ai模块判定cs的加权调整值系数为0.8。
133.当rh在t1至t2的时间周期内趋势为小下降时，则人工智能ai模块判定cs的加权调整值为0.5。
134.当rh在t1至t2的时间周期内趋势持平时，则人工智能ai模块判定rh的加权调整值为iw4′
，
135.(w2cs+iw1)+(w2gs+iw2)+(w3md+iw3)+(w4rh+iw4′
)＝100％。
136.当cs、gs、md和rh在t1至t2的时间周期内趋势相等时，则人工智能ai模块判定cs、gs、md和rh的加权系数不做调整。
137.人工智能ai模块计算t1至t2的时间周期，根据t
2-t1周期内的数据评价参数趋势带入t3时间节点，得到t3模拟土壤成分数据评价参数cs3′
、t3模拟地质构造数据评价参数gs3′
、t3模拟矿物分布数据评价参数md3′
和t3模拟区域水文地质数据评价参数rh3′
，人工智能ai
模块对t3模拟土地地质评价参数和t3历史土地地质评价参数进行对比分析，调整算法，使t3模拟土地地质评价参数接近于真实数据。
138.人工智能ai模块得出t3模拟土壤成分数据评价参数cs3′
、t3模拟地质构造数据评价参数gs3′
、t3模拟矿物分布数据评价参数md3′
和t3模拟区域水文地质数据评价参数rh3′
的模拟过程如下：
139.人工智能ai模块设定周期系数为mt，将周期系数代入t3时间节点可得t3-t2周期的趋势幅度，
140.当t1至t2的土壤成分数据评价参数趋势为上升趋势时，则人工智能ai模块判定在上升周期为t3的模拟时间节点时，t3模拟土壤成分数据评价参数模拟土壤成分数据评价参数
141.当t1至t2的土壤成分数据评价参数趋势为持平趋势时，则人工智能ai模块判定持平周期t3时，t3模拟土壤成分数据评价参数cs3′
＝cs2＝cs1。
142.当t1至t2的土壤成分数据评价参数趋势为下降趋势时，则人工智能ai模块判定在下降周期为t3的模拟时间节点时，t3模拟土壤成分数据评价参数模拟土壤成分数据评价参数
143.重复上述过程，依次分别对t3模拟时间节点的地质构造数据评价参数gs3′
、矿物分布数据评价参数md3′
、区域水文地质数据评价参数rh3′
进行趋势模拟过程，得到周期为t3模拟时间节点的数据评价参数的数值。
144.人工智能ai模块对比cs3′
与cs3、判定gs2到gs3、md3′
与md3和rh3′
与rh3的趋势过程如下：
145.若cs3′
＞cs3，则人工智能ai模块判定cs3′
在t1至t2周期的趋势为上升趋势，但在t2至t3周期的趋势为下降趋势，下降趋势为
146.若cs3′
＝cs3，则人工智能ai模块判定cs3′
在t1至t2周期的趋势与在t2至t3周期时的趋势一致。
147.若cs3′
＜cs3，则人工智能ai模块判定cs3′
在t1至t2周期的趋势为下降趋势，但在t2至t3周期的趋势为上升趋势，上升趋势为
148.重复上述趋势过程，依次分别对比gs3′
与gs3、md3′
与md3和rh3′
与rh3，并进行趋势判定过程，得到周期为t3模拟时间节点的数据评价参数的周期趋势和具体数值。
149.人工智能ai模块将推算出的al3′
＝w1cs3′
+w2gs3′
+w3md3′
+w4rh3′
代入t3历史土地地质综合评价参数al3进行对比分析，调整算法，使t3模拟土地地质综合评价参数接近于t3历史土地地质综合评价参数。
150.人工智能ai模块对比t3模拟土地地质综合评价参数与t3历史土地地质综合评价参数的过程如下：
151.当w1cs3′
＞w1cs3时，则人工智能ai模块判定cs3′
在t1至t2周期的趋势为上升趋势，但在t2至t3周期的趋势为下降趋势，此时加权调整系数i做相应下调。
152.当w1cs3′
＝w1cs3时，则人工智能ai模块判定cs3′
在t1至t2周期的趋势与在t2至t3周期时的趋势一致，此时加权调整系数i不做调整。
153.当w1cs3′
＜w1cs3时，则人工智能ai模块判定cs3′
在t1至t2周期的趋势为下降趋势，但在t2至t3周期的趋势为上升趋势，此时加权调整系数i做相应上调。
154.重复上述权重系数调整过程，依次分别对比w2gs3′
与w2gs3、w3md3′
与w3md3和w4rh3′
与w4rh3，并相应调整加权调整系数i，得到周期为t3模拟时间节点的土地地质综合评价参数一致的周期趋势和加权调整系数。
155.人工智能ai模块依照上述所有趋势分析过程，
156.依次分别对cs2与cs3、cs3与cs4、cs4与cs5……
cs
n-2
与cs
n-1
进行趋势分析，得到虚拟时间节点数据评价参数cs4′
、cs5′
、cs6′
、
……
csn′
，并将得到的虚拟时间节点数据评价参数与历史世界节点数据评价参数做对比，分析得到cs在单位周期内的单位趋势及具体数值的计算公式。
157.依次分别对gs2与gs3、gs3与gs4、gs4与gs5……
gs
n-2
与gs
n-1
进行趋势分析，得到虚拟时间节点数据评价参数gs4′
、gs5′
、gs6′
、
……
gsn′
，并将得到的虚拟时间节点数据评价参数与历史世界节点数据评价参数做对比，分析得到gs在单位周期内的单位趋势及具体数值的计算公式。
158.依次分别对md2与md3、md3与md4、md4与md5……
md
n-2
与md
n-1
进行趋势分析，得到虚拟时间节点数据评价参数md4′
、md5′
、md6′
、
……
mdn′
，并将得到的虚拟时间节点数据评价参数与历史世界节点数据评价参数做对比，分析得到md在单位周期内的单位趋势及具体数值的计算公式。
159.依次分别对rh2与rh3、rh3与rh4、rh4与rh5……
rh
n-2
与rh
n-1
进行趋势分析，得到虚拟时间节点数据评价参数rh4′
、rh5′
、rh6′
、
……
rhn′
，并将得到的虚拟时间节点数据评价参数与历史世界节点数据评价参数做对比，分析得到rh在单位周期内的单位趋势及具体数值的计算公式。
160.人工智能ai模块依照上述所有权重系数调整分析过程，
161.依次分别对w1cs2与w1cs3、w1cs3与w1cs4、w1cs4与w1cs5……
w1cs
n-2
与w1cs
n-1
进行权重调整分析，得到虚拟时间节点数据评价参数w1cs4′
、w1cs5′
、w1cs6′
、
……
w1csn′
，并将得到的虚拟时间节点土地地质综合评价参数与历史世界节点土地地质综合评价参数做对比，分析得到w1在单位周期内的单位趋势下所需要调整的具体权重数值。
162.依次分别对w2gs2与w2gs3、w2gs3与w2gs4、w2gs4与w2gs5……
w2gs
n-2
与w2gs
n-1
进行趋势分析，得到虚拟时间节点数据评价参数w2gs4′
、w2gs5′
、w2gs6′
、
……
w2gsn′
，并将得到的虚拟时间节点土地地质综合评价参数与历史世界节点土地地质综合评价参数做对比，分析得到w2在单位周期内的单位趋势下所需要调整的具体权重数值。
163.依次分别对w3md2与w3md3、w3md3与w3md4、w3md4与w3md5……
w3md
n-2
与w3md
n-1
进行趋势分析，得到虚拟时间节点数据评价参数w3md4′
、w3md5′
、w3md6′
、
……
w3mdn′
，并将得到的虚拟时间节点土地地质综合评价参数与历史世界节点土地地质综合评价参数做对比，分析得到w3在单位周期内的单位趋势下所需要调整的具体权重数值。
164.依次分别对w4rh2与w4rh3、w4rh3与w4rh4、w4rh4与w4rh5……
w4rh
n-2
与w4rh
n-1
进行趋势分析，得到虚拟时间节点数据评价参数w4rh4′
、w4rh5′
、w4rh6′
、
……
w4rhn′
，并将得到的虚拟时间节点土地地质综合评价参数与历史世界节点土地地质综合评价参数做对比，分析得到w4在单位周期内的单位趋势下所需要调整的具体权重数值。
165.人工智能ai模块根据土地历史地质信息数据得出的cs、gs、md和rh在单位周期内的单位趋势及具体数值推断预设区域在单位周期内的单位趋势及具体数值，并结合土地地质数据评价参数al得出的预设区域土地地质总分，推算预设区域未来发展的趋势。
166.至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
167.以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。