CN118014163A - 一种生产障碍耕地治理优化调控方法及*** - Google Patents
一种生产障碍耕地治理优化调控方法及*** Download PDFInfo
- Publication number
- CN118014163A CN118014163A CN202410411530.9A CN202410411530A CN118014163A CN 118014163 A CN118014163 A CN 118014163A CN 202410411530 A CN202410411530 A CN 202410411530A CN 118014163 A CN118014163 A CN 118014163A
- Authority
- CN
- China
- Prior art keywords
- optimal
- obstacle
- monitoring
- module
- points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 title claims description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 111
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 238000003908 quality control method Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000013210 evaluation model Methods 0.000 claims abstract description 11
- 230000001105 regulatory effect Effects 0.000 claims abstract description 5
- 230000001276 controlling effect Effects 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010252 digital analysis Methods 0.000 abstract description 2
- 238000011835 investigation Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及障碍耕地数字化分析技术领域，具体而言，涉及一种生产障碍耕地治理优化调控方法及***，主要包括与主控装置连接的监测选择模块、模型建立模块、等级划分模块、计算模块和输出模块。在本发明中根据最优监测点获取第一指标，建立第一指标评价模型，通过第一指标评价模型得到第一指标的得分率，根据得分率的数据障碍度等级排序，建立评价单元，根据评价单元计算最优监测点的质量调控潜力值，通过质量调控潜力值，将可以直接直观的得到最优监测点的调控潜力，根据所得质量调控潜力值的大小，就拥有了清晰的对每个最优监测点所对应障碍耕地的优化调控顺序，这样即可一定程度的提高治理的效率，在一定时间内能够更快的得到治理效果。
Description
技术领域
本发明涉及障碍耕地数字化分析技术领域，具体而言，涉及一种生产障碍耕地治理优化调控方法及***。
背景技术
耕地种植生产适宜性评价常用方法主要是加权叠加法、多要素空间叠置等，同时结合层次分析法、特尔斐法等计算指标权重进行评价。通过上述各种算法计算得到最终的生产适宜性评价指数，根据生产适宜性评价指数来判断制约耕地质量提升的最大限制性因子，然后进行耕地的治理，但是这种治理方式没有合理的治理顺序，治理及优化调控的效率不高，会发生急需进行治理的耕地没有得到合理的优化调控，最终的治理效果也并不明显。
发明内容
本发明的目的是提供一种生产障碍耕地治理优化调控方法及***，来解决现有技术中没有合理的治理顺序的问题。
本发明的实施例通过以下技术方案实现：
第一方面，本发明提供了一种生产障碍耕地治理优化调控***，包括与主控装置连接的监测选择模块、模型建立模块、等级划分模块、计算模块和输出模块；
监测选择模块，被配置为建立监测布点选择模型，根据监测布点选择模型获取最优监测点；
模型建立模块，被配置为根据最优监测点获取第一指标，建立第一指标评价模型，通过第一指标评价模型得到所有第一指标的得分率；
等级划分模块，被配置为设置多个得分率阈值，通过多个得分率阈值划分出至少三个以上的第一指标障碍度等级，若干所述第一指标障碍度等级从弱到强进行排序；
计算模块，被配置为选取划分至最后三个数据障碍度等级的第一指标，建立评价单元，根据评价单元计算最优监测点的质量调控潜力值；
输出模块，被配置为将质量调控潜力值进行从大到小进行排序，得到并输出优化治理顺序数据文档；
主控装置，用于控制监测选择模块、模型建立模块、等级划分模块、计算模块和输出模块的执行。
在本发明的一实施例中，所述建立监测布点选择模型包括；
确定最优样点数的数量，设置不同规格的网格，形成不同规格的网格中心；
分别与耕地矢量数据进行空间叠加，取落在网格中心点的耕地图斑作为初步监测点；
判断所获取的初步检测点的数量是否大于最优样点数的数量，若否，则保留所有初步监测点，若是则进行筛选，删除多余初步监测点。
在本发明的一实施例中，所述确定最优样点数的数量包括；
式中，h为自然等指数；L为总自然等别数；为h等级耕地的图斑个数；N为耕地图斑总数；/>为h的总斑数；/>为h等级耕地等指数的真实标准差；/>为调查h等级耕地的单样本费用；/>为抽样精度；n为最优样点数的数量。
在本发明的一实施例中，所述删除多余初步监测点包括；
获取初步监测点判断参数，所述判断参数包括初步监测点均方根误差、最大坡度、最小坡度、初步监测点离道路的临近距离和所有初步监测点离道路的最大距离，建立监测点评价指标函数；
式中，为目标函数的总分值，/>为初步监测点均方根误差，/>为坡度分值、为道路通达分值，/>分别为权重系数；
通过监测点评价指标函数所获的所有初步监测点的分值进行从大至小排序，选择在前的初步监测点作为最优监测点，所述在前的初步监测点的总数为最优样点数的数量，删除其余初步监测点。
在本发明的一实施例中，所述初步监测点均方根误差包括；
步骤一：从耕地图斑质心中，随机选取一组样本作为初始最优解；
步骤二：用初始最优解进行插值预测，计算初始最优解的第一目标函数；
步骤三：对初始最优解进行随机变动，用相距随机矢量终点最近且不属于初始最优解的耕地图斑质心替换扰动点，产生新最优解，对新最优解继续插值预测，求出此时的第二目标函数；
步骤四：计算第二目标函数与第一目标函数的差，若小于或等于0，则接收扰动并替换初始最优解，若大于0，则以概率P接收新解，否则拒接扰动；
步骤四：设置迭代次数，并重复步骤三和步骤四，输出迭代后的最优解。
在本发明的一实施例中，所述输出模块还包括：
判断最优监测点质量调控潜力值是否有相同的值出现，若无，则不作处理；
若有，则获取最优监测点对应最优监测点所覆盖的面积；
分别获取两个或者多个相同质量调控潜力值最优监测点所对应第一指标的得分率；
通过得分率和所覆盖的面积计算得到参考指数，通过对参考指数排序，得到两个或者多个相同质量调控潜力值的优化治理顺序数据文档。
在本发明的一实施例中，所述通过得分率和所覆盖的面积计算得到参考指数包括；
通过得分率的倒数与对应最优监测点所覆盖的面积的乘积，获得参考指数。
在本发明的一实施例中，还包括：
通讯加密模块，被配置为获取优化治理顺序数据文档，并将优化治理顺序数据文档加密发送至治理实施终端。
在本发明的一实施例中，所述加密发送包括；
对优化治理顺序数据文档进行字节替换，通过左循环实现位移操作；
进行列混淆，通过算数列分析数据，判断是否满足生成密钥要求，如果满足则进行轮密钥，在当前分组下按位进行异或运算；
如果不满足则重新返回到字节替换，输出最终密钥，通过密钥和AES加密算法获得初始密文。
第二方面，本发明还提供了一种生产障碍耕地治理优化调控方法，包括使用上述的一种生产障碍耕地治理优化调控***进行对障碍耕地的治理及优化调控。
本发明实施例的技术方案至少具有如下优点和有益效果：
采用本发明的上述***，主要包括与主控装置连接的监测选择模块、模型建立模块、等级划分模块、计算模块和输出模块。在本发明中根据最优监测点获取第一指标，建立第一指标评价模型，通过第一指标评价模型得到所有第一指标的得分率，根据得分率的数据障碍度等级排序，建立评价单元，根据评价单元计算最优监测点的质量调控潜力值，通过质量调控潜力值，将可以直接直观的得到最优监测点的调控潜力，根据所得质量调控潜力值的大小，就拥有了清晰的对每个最优监测点所对应障碍耕地的优化调控顺序，通过对应顺序进行优化调控治理，即可一定程度的提高治理的效率，在一定的时间内能够更快的得到治理效果。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
本申请中所出现的模块的划分，是一种逻辑上的划分,实际应用中实现时可以有另外的划分方式,例如多个模块可以结合成或集成在另一个***中,或一些特征可以忽略,或不执行。
独立说明的模块或子模块可以是物理上分离的,也可以不是物理上的分离:可以是软件实现的,也可以是硬件实现的,且可以部分模块或子模块通过软件实现,由处理器调用该软件实现这部分模块或子模块的功能，且其它部分模板或子模块通过硬件实现，例如通过硬件电路实现。此外,可以根据实际的需要选择其中的部分或全部模块来实现本申请方案的目的。
请参照图1，本发明提供了一种生产障碍耕地治理优化调控***，包括与主控装置连接的监测选择模块、模型建立模块、等级划分模块、计算模块和输出模块；
监测选择模块，被配置为建立监测布点选择模型，根据监测布点选择模型获取最优监测点；
模型建立模块，被配置为根据最优监测点获取第一指标，建立第一指标评价模型，通过第一指标评价模型得到所有第一指标的得分率；
其中，第一指标包括跟障碍耕地治理有关的参数或者指标，包括土壤容重、耕层厚度、土壤pH值、有机质、灌溉保证率、田面坡度等。
具体的，第一指标的得分率可以表征各评价指标对坡耕地质量指数的综合效应大小，还可以采用障碍度来反映各评价指标对坡耕地质量的障碍大小。
关于第一指标评价模型具体的是：
式中，为第i个第一指标的得分率，/>为第i个第一指标与对应的第j个最优监测点的隶属度；/>为评价第i个第一指标的权重；n为n个最优监测点。
等级划分模块，被配置为设置多个得分率阈值，通过多个得分率阈值划分出至少三个以上的第一指标障碍度等级，若干所述第一指标障碍度等级从弱到强进行排序；
在本实施例中，可以分为五种第一指标障碍度等级，包括明显障碍（0～10%）、轻度障碍（10%～20%）、中度障碍（20%～30%）、强度障碍（30%～50%）、重度障碍（>50%）。
计算模块，被配置为选取划分至最后三个数据障碍度等级的第一指标，根据被配置为选取划分至最后三个数据障碍度等级的第一指标建立评价单元，根据评价单元计算最优监测点的质量调控潜力值；
具体的，选取落入中度障碍（20%～30%）、强度障碍（30%～50%）、重度障碍（>50%）得分率的第一指标，落入明显障碍（0～10%）、轻度障碍（10%～20%）、中度障碍（20%～30%）的第一指标治理时间或者紧急程度较为宽松，所以不作为需要进行排序治理的范围，可以按照任意顺序进行治理。
关于评价单元具体的是：
式中，为质量调控潜力值，/>为现有数据库中对第i个第一指标实施调控措施后与对应最优监测点的隶属度，/>为第i个第一指标与对应的第j个最优监测点的隶属度，为第i个第一指标在第j个最优监测点上的权重。
输出模块，被配置为将质量调控潜力值进行从大到小进行排序，得到并输出优化治理顺序数据文档；
在本实施例中，优化治理顺序数据文档为保存了优化治理顺序结果的数据，工作人员可以依靠所获得的优化治理顺序结果来进行实施治理顺序。
主控装置，用于控制监测选择模块、模型建立模块、等级划分模块、计算模块和输出模块的执行。
在本发明的一实施例中，所述建立监测布点选择模型包括；
确定最优样点数的数量，设置不同规格的网格，形成不同规格的网格中心；分别与耕地矢量数据进行空间叠加，取落在网格中心点的耕地图斑作为初步监测点；判断所获取的初步检测点的数量是否大于最优样点数的数量，若否，则保留所有初步监测点，若是则进行筛选，删除多余初步监测点。
在本实施例中，可以采用ArcGIS中设置不同规格的网格，通过ArcGIS近邻分析工具选取距离中心点最近的耕地图斑作为监测点，形成初步监测点的布设。
在本发明的一实施例中，所述确定最优样点数的数量包括；
式中，h为自然等指数；L为总自然等别数；为h等级耕地的图斑个数；N为耕地图斑总数；/>为h的总斑数；/>为h等级耕地等指数的真实标准差；/>为调查h等级耕地的单样本费用；/>为抽样精度；n为最优样点数的数量。
在本发明的一实施例中，所述删除多余初步监测点包括；
获取初步监测点判断参数，所述判断参数包括初步监测点均方根误差、最大坡度、最小坡度、初步监测点离道路的临近距离和所有初步监测点离道路的最大距离，建立监测点评价指标函数；
式中，为目标函数的总分值，/>为初步监测点均方根误差，/>为坡度分值、为道路通达分值，/>分别为权重系数；
通过监测点评价指标函数所获的所有初步监测点的分值进行从大至小排序，选择在前的初步监测点作为最优监测点，在前的初步监测点的总数为最优样点数的数量，删除其余初步监测点。
在本实施例中，考虑了监测点的代表性，具体的，所述初步监测点均方根误差包括；
步骤一：从耕地图斑质心中，随机选取一组样本作为初始最优解；
式中，n为样本总个数，和/>分别为为验证点耕地自然等指数的实测值和预测值，RMSE为初步监测点均方根误差。
步骤二：用初始最优解进行行普通Kriging插值预测，计算初始最优解的第一目标函数；
步骤三：对初始最优解进行随机变动，用相距随机矢量终点最近且不属于初始最优解/>的耕地图斑质心替换扰动点，产生新最优解/>，对新最优解/>继续插值预测，求出此时的第二目标函数/>；
步骤四：计算第二目标函数与第一目标函数的差；
即，若/>小于或等于0，则接收扰动并替换初始最优解，若/>大于0，则以概率P接收新解，否则拒接扰动；
其中，概率P的计算为：
式中，为初始参数，/>衰减参数，/>为第i次迭代的参数。
步骤四：设置迭代次数，并重复步骤三和步骤四，输出迭代后的最优解。
具体的，当达到最小值时，达到终止条件。
其次，考虑了监测样点的适宜性。坡度越高，样点多处于深山中，大大降低调查监测的效率，耗时费力，另外坡度越高的样点往往不适宜耕种容易弃耕，会大大浪费监测点的资源，该文引入坡度指标也是筛选掉坡度较大的样点。可从地理空间数据云获取从化区高程数据，求出各样点坡度。
考虑了调查路线的可达性。道路可达性可反映道路与样点的距离，样本点距离道路越远，调查成本越高，反之，调查成本越低。
*100
式中，为第i个初步监测点对应耕地与道路之间的邻近距离，/>为所有初步监测点对应耕地与道路之间的最大距离，RA为判断值，RA值越大表示地块的可达性越高，反之，可达性越低。
在本发明的一实施例中，还包括：
判断最优监测点的质量调控潜力值是否有相同的值出现，若无，则不作处理；
若有，则获取最优监测点对应最优监测点所覆盖的面积；
分别获取两个或者多个相同质量调控潜力值最优监测点所对应第一指标的得分率；
通过得分率和所覆盖的面积计算得到参考指数，通过对参考指数排序，得到两个或者多个相同质量调控潜力值的优化治理顺序数据文档。
具体的，面积小且得分率高的最优监测点所对应的耕地则是最容易治理且治理效果好的耕地，所以得到通过得分率和所覆盖的面积计算得到参考指数包括；
获取得分率的倒数与所覆盖的面积的乘积获得参考指数。
式中，E为参考指数，M为最优监测点所覆盖的面积。对参考指数进行从小到大排序，根据这个顺序进行优化治理。
在障碍耕地治理领域，关于耕地的治理数据和耕地本身的数据均具有较高的保密程度，所以在本发明的一实施例中，还设置了通讯加密模块，被配置为获取优化治理顺序数据文档，并将优化治理顺序数据文档加密发送至治理实施终端。
具体的，所述加密发送包括；
对优化治理顺序数据文档进行字节替换，通过左循环实现位移操作；进行列混淆，通过算数列分析数据，判断是否满足生成密钥要求，如果满足则进行轮密钥，在当前分组下按位进行异或运算；如果不满足则重新返回到字节替换，输出最终密钥，通过密钥和AES加密算法获得初始密文。
具体的，将明文分组，每组明文总长度为128bit，将密钥宽度分为三种，依次是128、192、328bit。
明文分组后，对初始密钥进行异或运算，其过程逐渐与迭代过程相似，初始密钥异或运算后与迭代的唯一不同为不需要经过列混淆来进行判断，其解密步骤为密钥生成的逆运算。初始密钥由32个bit组成，记作(i=1,2,…,32），通过扩展异或运算获得所有密钥。将所有密钥排列后建立坐标系，通建立AES椭圆曲线方程对所有密钥进行运算。
式中，Y为椭圆曲线方程的域，为域中的代表点；a表示横向系数；b表示纵向系数。
a与b的关系满足如下公式：
其中，C表示为椭圆曲线方程常量。经过上述计算后，相邻两轮密钥以及同一轮密钥之间的关联性都会减弱，通过确定系数之间的关系提高密钥安全性，攻击者即使得到某一轮密钥，也无法得到全部的数据密钥，有效保证加密效果。
需要说明的是，其余的接收端解密的步骤可以采用常规AES加解密算法进行实现，本实施例不在过多赘述。
其次，本发明还提供了一种生产障碍耕地治理优化调控方法，包括使用上述的一种生产障碍耕地治理优化调控***进行对障碍耕地的治理及优化调控。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上仅为本发明的优选实施例而已，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。
Claims (10)
1.一种生产障碍耕地治理优化调控***，其特征在于，包括与主控装置连接的监测选择模块、模型建立模块、等级划分模块、计算模块和输出模块；
监测选择模块，被配置为建立监测布点选择模型，根据监测布点选择模型获取最优监测点；
模型建立模块，被配置为根据最优监测点获取第一指标，建立第一指标评价模型，通过第一指标评价模型得到所有第一指标的得分率；
等级划分模块，被配置为设置多个得分率阈值，通过多个得分率阈值划分出至少三个以上的第一指标障碍度等级，若干所述第一指标障碍度等级从弱到强进行排序；
计算模块，被配置为选取划分至最后三个数据障碍度等级的第一指标，建立评价单元，根据评价单元计算最优监测点的质量调控潜力值；
输出模块，被配置为将质量调控潜力值进行从大到小进行排序，得到并输出优化治理顺序数据文档；
主控装置，用于控制监测选择模块、模型建立模块、等级划分模块、计算模块和输出模块的执行。
2.根据权利要求1所述的一种生产障碍耕地治理优化调控***，其特征在于，所述建立监测布点选择模型包括；
确定最优样点数的数量，设置不同规格的网格，形成不同规格的网格中心；
分别与耕地矢量数据进行空间叠加，取落在网格中心点的耕地图斑作为初步监测点；
判断所获取的初步检测点的数量是否大于最优样点数的数量，若否，则保留所有初步监测点，若是则进行筛选，删除多余初步监测点。
3.根据权利要求2所述的一种生产障碍耕地治理优化调控***，其特征在于，所述确定最优样点数的数量包括；
式中，h为自然等指数；L为总自然等别数；为h等级耕地的图斑个数；N为耕地图斑总数；/>为h的总斑数；/>为h等级耕地等指数的真实标准差；/>为调查h等级耕地的单样本费用；/>为抽样精度；n为最优样点数的数量。
4.根据权利要求2所述的一种生产障碍耕地治理优化调控***，其特征在于，所述删除多余初步监测点包括；
获取初步监测点判断参数，所述判断参数包括初步监测点均方根误差、最大坡度、最小坡度、初步监测点离道路的临近距离和所有初步监测点离道路的最大距离，建立监测点评价指标函数；
式中，为目标函数的总分值，/>为初步监测点均方根误差，/>为坡度分值、/>为道路通达分值，/>分别为权重系数；
通过监测点评价指标函数所获的所有初步监测点的分值进行从大至小排序，选择在前的初步监测点作为最优监测点，所述在前的初步监测点的总数为最优样点数的数量，删除其余初步监测点。
5.根据权利要求4所述的一种生产障碍耕地治理优化调控***，其特征在于，所述初步监测点均方根误差包括；
步骤一：从耕地图斑质心中，随机选取一组样本作为初始最优解；
步骤二：用初始最优解进行插值预测，计算初始最优解的第一目标函数；
步骤三：对初始最优解进行随机变动，用相距随机矢量终点最近且不属于初始最优解的耕地图斑质心替换扰动点，产生新最优解，对新最优解继续插值预测，求出此时的第二目标函数；
步骤四：计算第二目标函数与第一目标函数的差，若小于或等于0，则接收扰动并替换初始最优解，若大于0，则以概率P接收新解，否则拒接扰动；
步骤四：设置迭代次数，并重复步骤三和步骤四，输出迭代后的最优解。
6.根据权利要求1所述的一种生产障碍耕地治理优化调控***，其特征在于，所述输出模块还包括：
判断最优监测点的质量调控潜力值是否有相同的值出现，若无，则不作处理；
若有，则获取最优监测点所覆盖的面积；
分别获取两个或者多个相同质量调控潜力值最优监测点所对应第一指标的得分率；
通过得分率和所覆盖的面积计算得到参考指数，通过对参考指数排序，得到两个或者多个相同质量调控潜力值的优化治理顺序数据文档。
7.根据权利要求6所述的一种生产障碍耕地治理优化调控***，其特征在于，所述通过得分率和所覆盖的面积计算得到参考指数包括；
通过得分率的倒数与对应最优监测点所覆盖的面积的乘积，获得参考指数。
8.根据权利要求1所述的一种生产障碍耕地治理优化调控***，其特征在于，还包括：
通讯加密模块，被配置为获取优化治理顺序数据文档，并将优化治理顺序数据文档加密发送至治理实施终端。
9.根据权利要求8所述的一种生产障碍耕地治理优化调控***，其特征在于，所述加密发送包括；
对优化治理顺序数据文档进行字节替换，通过左循环实现位移操作；
进行列混淆，通过算数列分析数据，判断是否满足生成密钥要求，如果满足则进行轮密钥，在当前分组下按位进行异或运算；
如果不满足则重新返回到字节替换，输出最终密钥，通过密钥和AES加密算法获得初始密文。
10.一种生产障碍耕地治理优化调控方法，包括使用权利要求1-9任意一项所述的一种生产障碍耕地治理优化调控***进行对障碍耕地的治理及优化调控。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410411530.9A CN118014163B (zh) | 2024-04-08 | 2024-04-08 | 一种生产障碍耕地治理优化调控方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410411530.9A CN118014163B (zh) | 2024-04-08 | 2024-04-08 | 一种生产障碍耕地治理优化调控方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118014163A true CN118014163A (zh) | 2024-05-10 |
| CN118014163B CN118014163B (zh) | 2024-06-11 |
Family
ID=90947358
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410411530.9A Active CN118014163B (zh) | 2024-04-08 | 2024-04-08 | 一种生产障碍耕地治理优化调控方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118014163B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105389673A (zh) * | 2015-12-16 | 2016-03-09 | 河南理工大学 | 一种区域突发环境污染事故风险综合评价方法 |
| CN106709212A (zh) * | 2017-02-08 | 2017-05-24 | 广东省林业科学研究院 | 一种快速识别土壤有机碳关键输出区的多参数评价方法 |
| CN106850221A (zh) * | 2017-04-10 | 2017-06-13 | 四川阵风科技有限公司 | 信息加密、解密方法及装置 |
| CN111339890A (zh) * | 2020-02-20 | 2020-06-26 | 中国测绘科学研究院 | 基于高分辨率遥感影像提取新增建设用地信息的方法 |
| CN111652521A (zh) * | 2020-06-08 | 2020-09-11 | 重庆市国土整治中心 | 一种整治后耕地质量等别评定方法 |
| CN113191666A (zh) * | 2021-05-18 | 2021-07-30 | 郑州轻工业大学 | 耕地整治潜力评价方法、终端以及计算机可读存储介质 |
-
2024
- 2024-04-08 CN CN202410411530.9A patent/CN118014163B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105389673A (zh) * | 2015-12-16 | 2016-03-09 | 河南理工大学 | 一种区域突发环境污染事故风险综合评价方法 |
| CN106709212A (zh) * | 2017-02-08 | 2017-05-24 | 广东省林业科学研究院 | 一种快速识别土壤有机碳关键输出区的多参数评价方法 |
| CN106850221A (zh) * | 2017-04-10 | 2017-06-13 | 四川阵风科技有限公司 | 信息加密、解密方法及装置 |
| CN111339890A (zh) * | 2020-02-20 | 2020-06-26 | 中国测绘科学研究院 | 基于高分辨率遥感影像提取新增建设用地信息的方法 |
| CN111652521A (zh) * | 2020-06-08 | 2020-09-11 | 重庆市国土整治中心 | 一种整治后耕地质量等别评定方法 |
| CN113191666A (zh) * | 2021-05-18 | 2021-07-30 | 郑州轻工业大学 | 耕地整治潜力评价方法、终端以及计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 杨文浩等: "基于改进空间模拟退火算法的耕地质量监测点优化布设", 《中国农业资源与区划》, vol. 44, no. 2, 25 February 2023 (2023-02-25), pages 110 - 118 * |
| 陈正发等: "基于质量评价的省域尺度坡耕地质量调控体系构建", 《农业工程学报》, vol. 37, no. 20, 23 October 2021 (2021-10-23), pages 136 - 143 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118014163B (zh) | 2024-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114826691B (zh) | 一种基于多维度分析的网络信息安全智能分析预警管理*** | |
| CN106101252B (zh) | 基于大数据和可信计算的信息安全风险防护*** | |
| Weiss | Strictly ergodic models for dynamical systems | |
| CN113408917B (zh) | 自然灾害风险评估方法、装置、计算机设备及存储介质 | |
| CN113422695B (zh) | 一种提高物联网拓扑结构鲁棒性能的优化方法 | |
| CN107860889A (zh) | 土壤有机质的预测方法和设备 | |
| CN108898029A (zh) | 一种能源监控大数据管理***及方法 | |
| Vergara et al. | Ecological differences and limiting factors in different regional contexts: landscape genetics of the stone marten in the Iberian Peninsula | |
| Ghalehgolabi et al. | Intrusion detection system using genetic algorithm and data mining techniques based on the reduction | |
| CN112989394B (zh) | 一种矢量地理数据加密、解密方法及*** | |
| Zhang et al. | A spatial fuzzy influence diagram for modelling spatial objects’ dependencies: A case study on tree-related electric outages | |
| Blachut et al. | A tale of two vortices: How numerical ergodic theory and transfer operators reveal fundamental changes to coherent structures in non-autonomous dynamical systems | |
| CN116703304A (zh) | 一种基于物联网的货物资产监管方法及*** | |
| Sadeghfam et al. | Next stages in aquifer vulnerability studies by integrating risk indexing with understanding uncertainties by using generalised likelihood uncertainty estimation | |
| CN118014163B (zh) | 一种生产障碍耕地治理优化调控方法及*** | |
| CN115021965A (zh) | 一种基于生成式对抗网络的入侵检测***的攻击数据的生成方法及*** | |
| Qin et al. | Invasion process and potential spread of Amaranthus retroflexus in China | |
| CN105138527A (zh) | 一种数据分类回归方法及装置 | |
| Khalil et al. | Fuzzy Logic based security trust evaluation for IoT environments | |
| Bian et al. | Network security situational assessment model based on improved AHP_FCE | |
| CN109728958A (zh) | 一种网络节点信任预测方法、装置、设备及介质 | |
| Anjasmoro et al. | Priority analysis of small dams construction using cluster analysis, AHP and weighted average method case study: small dams in Semarang District | |
| CN106534304B (zh) | 一种基于可取回概率的云存储方法和装置 | |
| Downarowicz et al. | Entropy theorems along times when $ x $ visits a set | |
| Hur et al. | Spatial prediction of wind farm outputs using the Augmented Kriging-based Model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |