技術特征：

1.一種基于mvmd-lstm的生態(tài)廊道重心遷移預測方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的基于mvmd-lstm的生態(tài)廊道重心遷移預測方法，其特征在于，所述s2的具體步驟如下：

3.根據(jù)權利要求1所述的基于mvmd-lstm的生態(tài)廊道重心遷移預測方法，其特征在于，所述s3的具體步驟如下：

4.根據(jù)權利要求3所述的基于mvmd-lstm的生態(tài)廊道重心遷移預測方法，其特征在于，所述利用重力模型量化生態(tài)源地之間的相互作用力，其計算表達式如下：

5.根據(jù)權利要求3所述的基于mvmd-lstm的生態(tài)廊道重心遷移預測方法，其特征在于，所述根據(jù)不同時間段的生態(tài)廊道，計算得到不同時間段的生態(tài)廊道空間重心遷移過程，其計算表達式如下：

6.根據(jù)權利要求1所述的基于mvmd-lstm的生態(tài)廊道重心遷移預測方法，其特征在于，所述s5的具體步驟如下：

7.根據(jù)權利要求6所述的基于mvmd-lstm的生態(tài)廊道重心遷移預測方法，其特征在于，所述s504的具體步驟如下：

技術總結(jié)
本發(fā)明公開了一種基于MVMD?LSTM的生態(tài)廊道重心遷移預測方法，屬于地理信息技術領域，包括：收集生態(tài)廊道的各項歷史生態(tài)數(shù)據(jù)并進行預處理，利用聚類算法、決策算法以及Arcgis地理空間平臺進行分析和計算，得到不同時間段的生態(tài)廊道空間重心遷移過程；利用生態(tài)廊道空間重心遷移過程和生態(tài)廊道的各項歷史生態(tài)數(shù)據(jù)，通過MVMD多元變分模態(tài)分解和LSTM長短期記憶網(wǎng)絡模型進行訓練并預測，得到未來的生態(tài)廊道重心遷移預測結(jié)果。本發(fā)明通過結(jié)合MVMD多元變分模態(tài)分解和LSTM長短期記憶網(wǎng)絡模型，能夠有效地對生態(tài)廊道的多模態(tài)數(shù)據(jù)進行整合處理，精準地預測生態(tài)廊道重心遷移過程。

技術研發(fā)人員：陳果,張娟,曹龍熹,唐曉鹿,白春蓮,楊維宇豪,陰旭陽
受保護的技術使用者：成都理工大學
技術研發(fā)日：
技術公布日：2024/12/19