-空間分析(二)

1、在其中理論T的所有有效句子都被滿足的一種可能的認識，稱為T的一個模型。薩帕斯一個模型可以是一種理論、一條規(guī)律、一種關系、或者一種假說、一個方程式、一條規(guī)則。斯基林第十章 空間建模與空間決策支持導讀：本章介紹了“更高層次”的GIS分析功能，第一節(jié)講述了如何利用基本的分析，如緩沖區(qū)、疊加分析，進行組合，以完成特定的功能。后面幾節(jié)分別介紹了空間決策支持系統(tǒng)、專家系統(tǒng)、數(shù)據(jù)倉庫、元胞自動機和空間定位和配置方面的知識，這些內容，或者在其它的領域已經成熟，或者屬于新興的領域。在GIS的支持下，實現(xiàn)相關功能，并將其應用于空間分析，可以解決更為復雜的空間問題。1空間分析過程及其模型11空間分析過程 空間分析的

2、目的是解決某類與地理空間有關的問題，通常涉及多種空間分析操作的組合。好的空間分析過程設計將十分有利于問題的解決，一般步驟是：1）明確分析的目的和評價準則；2）準備分析數(shù)據(jù)；3）進行空間分析操作；4）進行結果分析；5）解釋、評價結果（如有必要，返回步驟1）；6）結果輸出（地圖、表格和文檔）。111例1：道路拓寬改建過程中的拆遷指標計算這里將舉例說明如何利用建立緩沖區(qū)、拓撲疊加和特征提取,計算一條道路拓寬改建過程中的拆遷指標。1）明確分析的目的和標準本例的目的是計算由于道路拓寬而需拆遷的建筑物的建筑面積和房產價值，道路拓寬改建的標準是：l 道路從原有的20m拓寬至60m；l 拓寬道路應盡量保持直線

3、；l 部分位于拆遷區(qū)內的10層以上的建筑不拆除。2）準備進行分析的數(shù)據(jù)本例需要涉及兩類信息，一類是現(xiàn)狀道路圖；另一類為分析區(qū)域內建筑物分布圖及相關信息。3）進行空間操作首先選擇擬拓寬的道路，根據(jù)拓寬半徑，建立道路的緩沖區(qū)。然后將此緩沖區(qū)與建筑物層數(shù)據(jù)進行拓撲疊加，產生一幅新圖，此圖包括所有部分或全部位于拓寬區(qū)內的建筑物信息。4）進行統(tǒng)計分析首先對全部或部分位于拆遷區(qū)內的建筑物進行選擇，凡部分落入拆遷區(qū)且樓層高于10層以上的建筑物，將其從選擇組中去掉，并對道路的拓寬邊界進行局部調整。然后對所有需拆遷的建筑物進行拆遷指標計算。5）將分析結果以地圖和表格的形式打印輸出。112例2：輔助建設項目選址本

4、例說明如何利用空間操作和特征提取功能，為一建設項目選擇最佳的建設位置。1）建立分析的目的和標準分析的目的是確定一些具體的地塊，作為一個輕度污染工廠的可能建設位置。工廠選址的標準包括：l 地塊建設用地面積不小于10000m2；l 地塊的地價不超過1萬元/m2；l 地塊周圍不能有幼兒園、學校等公共設施，以免受到工廠生產的影響。2）從數(shù)據(jù)庫中提取用于選址的數(shù)據(jù)為達到選址的目的，需準備兩種數(shù)據(jù)，一種為包括全市所有地塊信息的數(shù)據(jù)層；另一類為全市公共設施（包括幼兒園、學校等）的分布圖。3）進行特征提取和空間拓撲疊加從地塊圖中選擇所有滿足條件1、2的地塊，并與公共設施層數(shù)據(jù)進行拓撲疊加。4）進行鄰域分析對疊

5、加的結果進行鄰域分析和特征提取，選擇出滿足要求的地塊。5）將選擇的地塊及相關信息以地圖和表格形式打印輸出。12空間分析建模121地圖模型（Cartographic Model）的概念模型是人類對事物的一種抽象，人們在正式建造實物前，往往首先建立一個簡化的模型，以便抓住問題的要害，剔除與問題無關的非本質的東西，從而使模型比實物更簡單明了，易于把握。同樣為了解決復雜的空間問題，人們也試圖建立一個簡化的模型，模擬空間分析過程?？臻g分析建模，由于是建立在對圖層數(shù)據(jù)的操作上的，又稱為 “地圖建模” （Cartographic Modeling）。它是通過組合空間分析命令操作以回答有關空間現(xiàn)象問題的過程，

6、更形式化一些的定義是通過作用于原始數(shù)據(jù)和派生數(shù)據(jù)的一組順序的、交互的空間分析操作命令，對一個空間決策過程進行的模擬。地圖建模的結果得到一個“地圖模型”，它是對空間分析過程及其數(shù)據(jù)的一種圖形或符號表示，目的是幫助分析人員組織和規(guī)劃所要完成的分析過程，并逐步指定完成這一分析過程所需的數(shù)據(jù)。地圖模型也可用于研究說明文檔，作為分析研究的參考和素材。地圖建模可以是一個空間分析流程的逆過程，即從分析的最終結果開始，反向一步步分析為得到最終結果，哪些數(shù)據(jù)是必須的，并確定每一步要輸入的數(shù)據(jù)以及這些數(shù)據(jù)是如何派生而來。以下的例子將說明其過程：假定需要獲得這樣一個結果，即要顯示出所有坡度大于20度的地區(qū)。首先的問

7、題是要生成這樣一幅圖像，哪些數(shù)據(jù)是必須具備的：如要生成一幅坡度大于20度的圖像，需要一幅反映所有坡度的圖像，數(shù)據(jù)庫里有這樣的圖像嗎？如果沒有，就進一步沿著反向思路提問：“如要生成一幅所有坡度的圖像，需要什么樣的數(shù)據(jù)？”。一幅高程數(shù)據(jù)圖像可用于生成坡度圖像。那么，這幅高程數(shù)據(jù)圖像有沒有呢？如果沒有的話，生成該圖像需要何種數(shù)據(jù)？這一過程一直持續(xù)，直至找出所有必備數(shù)據(jù)為止。然后反向用圖形或符號將有關數(shù)據(jù)及其操作流程表示出來就得到一個地圖模型。本例表示如圖10-1：圖10-1：提取坡度大于20度的計算流程圖中，矩形框內為數(shù)據(jù)，箭頭表示操作命令，方向表示操作順序。122地圖模型實例地圖模型有多種表示方法

8、，為了進一步理解制圖建模過程，下面給出三個不同領域的地圖模型實例，分別采用了三種不同的表示方法。1）食草動物棲息地質量評價模型本例是一個食草動物棲息地質量評價簡化模型，模型只考慮了影響食草動物生存的基本因子：水源、食物、和隱藏條件，以及景觀單元的面積，連通性和破碎程度的度量指標。模型形式如圖10-2所示：圖10-2：食草動物棲息地質量評價模型圖中操作順序從左向右，從上向下，矩形框內為原始數(shù)據(jù)和派生中間數(shù)據(jù)以及結果數(shù)據(jù)，矩形框連線上面的文字為操作命令。2）國家森林公園選址模型本例是一個為某地建立一國家森林公園確定大致范圍，是一個數(shù)據(jù)源已知，需要進行空間信息提取的模型。數(shù)據(jù)源包括公路鐵路分布圖（線

9、狀地物），森林分布圖（面狀地物），城鎮(zhèn)區(qū)劃圖（面狀地物）。地圖模型可以用下面的形式表示：表10-1：國家森林公園選址模型步驟操作命令找出所有森林地區(qū)1為林地 ，0為非林地再分類合并森林分類圖屬性相同的相鄰多邊形的邊界歸組找出距公路或鐵路0.5公里的地區(qū)緩沖區(qū)分析找出距公路或鐵路1公里的地區(qū)緩沖區(qū)分析找出非城市區(qū)用地 1為非市區(qū)，0為市區(qū)再分類找出森林地區(qū)、非市區(qū)、且距公路或鐵路0.5至1公里范圍內的地區(qū)拓撲疊加分析合并相同屬性的多邊形歸組3）木材毀壞量回歸預測模型根據(jù)多年的統(tǒng)計數(shù)字和經驗方程，本例是一個林場砍伐木材時木材毀壞量回歸預測模型。模型的因變量有坡度，樹徑，樹高，蓄積量，樹木缺矢量。公

10、式如下：地圖模型可以表示成下面的形式（圖10-3）：圖10-3：木材毀壞量回歸預測模型123 地圖模型實現(xiàn)大多數(shù)GIS軟件提供了宏命令或腳本描述語言，可以將上述建立的各種地圖模型表示成GIS的操作命令序列，自動批處理完成整個模型過程。例如一個根據(jù)DEM圖像生成坡度圖，可以表達成GIS命令格式：CALC Slopemap = slope ( DEMmap )由多個原始圖層生成一個新圖可以寫成下面的形式：Newmap = f (Map1,Map2,. )式中，f ( ) 表示一個GIS命令。一些GIS軟件還提供了書寫復雜函數(shù)的功能，甚至可以在一個命令行里，使用多個函數(shù)表達一個完整的地圖模型，形式如

11、下：Newmap1,Newmap2,.=f1,f2,f3,.( Map1, Map2,., Newmap1, Newmap2,.)式中，Newmap1, Newmap2，. 為派生的中間圖層。還有一些GIS軟件提供了高級的可視化的地圖建模輔助工具，用戶只需使用其提供的工具在窗口中繪出模型的流程圖，指定流程圖的意義、所用的參數(shù)，矩陣等即可完成地圖模型的設計，而無需書寫復雜的命令程序。可視化地圖建模工具為用戶提供了高層次的設計工具和手段，可使用戶將更多的精力集中于專業(yè)領域的研究（圖10-4）。圖10-4：通過流程圖表現(xiàn)的GIS模型2空間決策支持模型 區(qū)域規(guī)劃、土地利用規(guī)劃、設施位置選擇、環(huán)境管理等

12、都是有關空間行為的決策問題，這些問題的解決方案是由決策者或領域專家在專業(yè)領域知識和經驗的啟發(fā)下，在分析大量的空間和非空間信息的基礎上得到的?？臻g決策問題大大超過了地理信息系統(tǒng)通常的空間分析功能的要求。21空間決策過程的復雜性決策是一個決策者為達到某種目標或目標集合，根據(jù)一定的約束條件下在多種侯選方案里進行選擇的復雜過程。當采用數(shù)學表述形式表達一般化決策問題時，包括以下幾個構成部分：1）方案集合：決策問題的方案集合是指可以選擇的行動方案集合，記為A。2）狀態(tài)集合：任何一個決策問題都面臨一定的外界環(huán)境，稱之為狀態(tài)。系統(tǒng)各種可能的狀態(tài)，稱為狀態(tài)集合，記為Q。3）損益函數(shù)：這是決策分析中的一個重要概念

13、。在決策問題中，如果采用策略，假定系統(tǒng)狀態(tài)出現(xiàn)，系統(tǒng)收益。因此定義映射為決策問題的損益函數(shù)。在A、Q可數(shù)的情況下，可獲得損益表如下所示（表10-2）。 表10-2：決策損益表Q1Q2.QnA1W11W12.W1n.AmWm1Wm2.Wmn4）目標函數(shù)（決策準則）：記為F。損益函數(shù)只給出了系統(tǒng)的實際收益情況，但沒給出收益的評價標準，即“抉擇”時的優(yōu)化準則。決策準則對于不同的決策者、問題、方法都是不同的，它最終決定了方案的形成。綜上所述，可以將一個決策問題記為：其中，F(xiàn)為目標函數(shù)或決策準則，A為侯選方案集，Q為狀態(tài)集，W為損益函數(shù)。決策學常規(guī)方法用于解決普通決策問題，這類問題滿足以下條件：l 存在

14、決策者希望達到的明確目標；l 存在可供決策者選擇且可以明確組分的侯選方案；l 存在不受決策者控制的系統(tǒng)狀態(tài)，系統(tǒng)狀態(tài)集與侯選方案集相互獨立；l 損益值可以精確數(shù)量化，A，Q均為可數(shù)集合。當系統(tǒng)狀態(tài)集Q中狀態(tài)數(shù)n=1時，為確定性決策問題；當n>1時，且系統(tǒng)各狀態(tài)出現(xiàn)的概率未知時，為不確定性決策問題；當n>1，且系統(tǒng)各狀態(tài)出現(xiàn)的概率服從一個已知的概率分布時，為風險決策問題?？臻g決策與一般決策問題同樣有確定性決策、不確定性決策和風險決策。確定性決策實際上是一個最優(yōu)化問題，象土地適宜性評價的多準則決策和線性規(guī)劃均屬此類決策問題，它們可以和地理信息系統(tǒng)的空間分析功能完全集成。而大量的空間決策

15、問題往往涉及到結構、非結構化知識，人的評價和判斷等不同形式的知識，決策的不確定性和風險性的成分很大。以設施配置為例，領域專家已經有一組有關位置適宜性的判別規(guī)則，這些規(guī)則屬于描述性方式表達的知識，設施位置的選擇是建立在有關社會經濟、地質條件、環(huán)境質量等因素分析的基礎上的在判別規(guī)則啟發(fā)下的推理過程；另外領域專家還有有關社會經濟、地質條件和環(huán)境質量的評價模擬模型，這些知識都屬于程式式知識，設施位置的選擇是建立在定量模型計算分析的基礎上估算過程。隨信息技術的快速發(fā)展，為決策者提供了越來越多的空間和非空間的信息，包括地圖、航片、表格、遙感和數(shù)字測量信號等。決策者需要通過知識和經驗來有效的處理和理解這些海

16、量的信息。而人類的知識可分為結構化和非結構化兩種知識。結構化的知識有著高度結構化的形式和結構化的求解程序，包括數(shù)學模型，統(tǒng)計方法，計算機算法等都屬此類型的知識，它們在表現(xiàn)和分析方面遵循固定的框架，大多數(shù)情況下只能被專家理解，又稱為程式式知識（Procedural Knowledge）。然而大量的知識都是非結構化的，象人類的體驗、直覺、價值觀，專家經驗，本質上是定性的，不能用固定的程序進行表達，又稱為描述性知識（Declarative Knowledge）。決策者使用信息和知識，在解決結構化、非結構化和半結構化問題上的復雜程度大不相同。以設施配置為例，在某些特定約束條件下配置最少數(shù)量的設施是一個

17、結構化問題，可以通過最優(yōu)化方法進行求解；尋找最優(yōu)設施配置的所有可能的位置則是一個半結構化問題，涉及多種準則評價和價值評判；為設施配置確定總體目標和總體方針政策則屬非結構化問題，涉及靈活的定性問題，不能用固定的程式式知識來解決。總之，空間決策是一個涉及多目標和多約束條件的復雜過程，通常不能簡單地通過描述性知識或程式式知識進行解決，往往要求綜合地使用信息，領域專家知識和有效地交流手段?？臻g決策中信息和知識往往是互相作用的，如圖10-5所示：圖10-5：空間決策過程 信息的一側處理數(shù)據(jù)的收集、表現(xiàn)、存儲、檢索、處理和顯示，用于計算和量測，以及知識推理和更新。知識的一側處理知識的獲取、表現(xiàn)、存儲以及推

18、理和分析，用于處理事實、組織信息和原理。決策中知識和信息的相互作用是對傳統(tǒng)信息技術的擴充，沒有知識推理不可能做出智能決策。地理信息系統(tǒng)為決策支持提供了強大的數(shù)據(jù)輸入、存儲、檢索、顯示的工具，但是在分析、模擬和推理方面的功能比較弱，本質上是一個數(shù)據(jù)豐富但理論貧乏的系統(tǒng)，在解決復雜空間決策問題上缺乏智能推理功能。所以，為解決復雜的空間決策問題，需要在地理信息系統(tǒng)的基礎上開發(fā)智能決策支持系統(tǒng)，用于數(shù)據(jù)獲取、輸入、存儲、分析、輸出；用于知識表現(xiàn)和推理；用于自動學習，系統(tǒng)集成，人機交互。所用的新技術包括人工智能技術，知識獲取、表現(xiàn)、推理等知識工程技術，以及集成數(shù)據(jù)庫、模型、非結構化知識及智能用戶界面的軟

19、件工程技術。22空間決策分析的理論和方法221效用理論效用理論是決策分析的基礎。事物的不確定性可看作是許多簡單隨機事件的復合。每一個簡單隨機事件是由兩個互斥事件Z1 和Z2組成的。事件Z1發(fā)生的概率為P，事件Z2發(fā)生的概率為1P，則隨機事件記為L（Z1，P，Z2）。在簡單隨機事件內引進“優(yōu)先”或 “偏好”的概念，并在隨機事件集合的基礎上建立公理體系，即假設在隨機事件集合中存在下列條件：1）相對偏好順序；2）偏好關系具可傳遞性；3）簡單隨機事件間的可比性；4）偏好關系可以量化；5）不確定性可以量化；6）等價隨機事件可相互代換。在這樣的條件下可用一個數(shù)值來描述簡單隨機事件的期望效益，稱之為效用。由

20、簡單隨機事件的效用可確定一般不確定事件的效用。在對事件不確定性判斷進行量化時，需要利用各種知識，如系統(tǒng)本身的特性，一些必要的統(tǒng)計知識以及決策者根據(jù)經驗對事件不確定性的主觀估算等。222決策樹決策分析中最常用的方法之一是決策樹方法，圖10-6為典型的決策樹。圖中長方形小框表示由人選擇的決策點。把需要作決策的問題過程畫成示意圖，由圖的最左邊出發(fā)，在作決策之前先作試驗。例如有R個試驗Lr，費用為Cr，試驗結果有O1，Ot，OT等共T個。在試驗Lr條件下Ot 發(fā)生的概率記為Prt（Ot）。設此時有d1，di，dI等共I個備選決策方案。若選擇決策di，則這時可能出現(xiàn)S1，Sj，SJ共J種狀態(tài)。在試驗Lr

21、中出現(xiàn)結果Oi時選取決策di的條件下，狀態(tài)Sj出現(xiàn)的概率記為Prti(Sj)。此時可能有L種后果x1，xl；，xL，而Prti(Sj)表示在實驗Lr中出現(xiàn)結果為Ot時，選取決策di而出現(xiàn)狀態(tài)Si的情況下，Sj發(fā)生后果xl的概率，其效用記為U（xl）。決策樹的方法是順著樹的各個分校進行分析，并計算各種可能情況的概率大小，最后計算在這些條件下最終出現(xiàn)的后果的效用，將各種效用加以比較，從中選取最佳效用所對應的試驗與決策作為應取的決策。圖10-6：決策樹示例223貝葉斯決策由于決策總是在事件發(fā)生之前做出，而事件是否發(fā)生又不是確定的，因此常采用統(tǒng)計學中貝葉斯公式對事件發(fā)生的概率作先驗估計，這就是貝葉斯方

22、法。由于事件的發(fā)生具有不確定性，這就使決策帶有一定的經驗性。人們對于風驗的態(tài)度不同，對效用估計也不同。對事件發(fā)展持保守看法而不愿冒驗的人，對效用估計往往偏低；傾向于冒驗的人，對效用的估計往往偏高。也有人取中庸態(tài)度，對效用的估計介于兩者之間。23空間決策支持系統(tǒng)決策支持系統(tǒng)（Decision Support System, DSS）是輔助決策者通過數(shù)據(jù)、模型、知識以人機交互方式進行半結構化或非結構化決策的計算機應用系統(tǒng)。它是在管理信息系統(tǒng)（Management Information System, MIS）的基礎上發(fā)展起來的，在MIS的基礎上增加了非結構化問題處理，模型計算和各種方法，為解決結

23、構化、非結構化和半結構化的問題提供了更廣泛的方法。它為決策者提供分析問題、建立模型、模擬決策過程和方案的環(huán)境，調用各種信息資源和分析工具，幫助決策者提高決策水平和質量。決策支持系統(tǒng)是輔助管理者對半結構化問題的決策過程，支持而不是代替管理者的判斷，提高決策的有效性而不是效率的計算機應用系統(tǒng)。DSS的基本結構主要由四個部分組成，即數(shù)據(jù)部分、模型部分、推理機部分、人機交互部分，如圖10-7所示。圖10-7：DSS的組成部分與MIS對應的，GIS可以看作是用于空間決策的空間信息系統(tǒng)。GIS與MIS的不同之處在于其數(shù)據(jù)模型和數(shù)據(jù)結構的復雜性。目前GIS的分析功能還很弱且不靈活，它的邏輯結構和智能層次不能

24、滿足解決復雜空間決策問題的需要，特別是那些非結構化的問題。為更好地輔助空間決策，GIS需要增加對描述性知識和程式式知識的處理功能，目前GIS還不適合用于對各種知識形式的處理，不能作為空間決策支持系統(tǒng)（SDSS）的神經中樞，但可以作為它的一個組成部分，即GIS可以嵌入到一個SDSS中，用于空間信息處理?？臻g決策支持系統(tǒng)與一般的決策支持系統(tǒng)性質相同，只是更注重空間數(shù)據(jù)和空間問題的獲取和解決。通?？臻g決策支持系統(tǒng)包括以下的功能：l 不同數(shù)據(jù)源的空間和非空間數(shù)據(jù)的獲取、輸入、存儲；l 復雜空間數(shù)據(jù)結構和空間關系表示方法，適于數(shù)據(jù)查詢、檢索、分析、顯示；l 靈活的集成程式式空間知識（數(shù)學模型、空間統(tǒng)計）

25、和數(shù)據(jù)的處理功能；l 靈活的功能修改和擴充機制；l 友好的人機交互界面；l 提供決策需要的多種輸出；l 提供非結構化空間知識的形式化表達方法；l 提供基于領域專家知識的推理機制；l 提供自動獲取知識或自學習功能；l 提供基于空間信息、描述性知識、程式式知識的智能控制機制。上述這些功能要求超出了目前GIS的范圍，需要集成人工智能、知識工程、軟件工程、空間信息處理和空間決策理論等領域的最新技術。24通用智能空間決策支持系統(tǒng)結構體系空間決策支持系統(tǒng)的建立可以解決特定領域的決策問題。但是它的建立過程是一個花費很長時間的工程，而且它也只能用在特殊的領域，所以建立空間決策支持系統(tǒng)最經濟和靈活的方式是使用軟

26、件工程和知識工程的方法開發(fā)空間決策支持系統(tǒng)開發(fā)環(huán)境（外殼或產生器），這樣領域專家就可以使用它快速高效地建立多種領域空間決策支持系統(tǒng)。也就是說開發(fā)一個通用的開發(fā)工具，決策者可以用來定制、修改、調整、擴展空間決策支持系統(tǒng)以解決特定的空間決策問題。圖10-8是一個通用空間決策支持系統(tǒng)的結構體系圖。圖10-8：通用空間決策支持系統(tǒng)的結構體系圖系統(tǒng)的核心是一個專家系統(tǒng)殼（Shell），它可以單獨作為專家系統(tǒng)開發(fā)工具，直接控制著SDSS的控制流和信息流，提供表達和存儲非結構化領域知識，它還包含了推理控制、系統(tǒng)和用戶界面和對外交流的元知識，以及非結構化空間知識的推理機。它是SDSS的大腦。為使用空間和非空間

27、數(shù)據(jù)，專家系統(tǒng)殼有一個與外部數(shù)據(jù)庫的接口，包括GIS，關系數(shù)據(jù)庫和遙感信息系統(tǒng)。模型管理系統(tǒng)管理和處理程式式知識包括算法、統(tǒng)計程序和數(shù)學模型，它也有一個與專家系統(tǒng)殼的接口，可以通過專家系統(tǒng)殼的元知識進行調用。除了與數(shù)據(jù)庫管理系統(tǒng)、模型管理系統(tǒng)的接口外，友好的用戶界面和知識獲取模塊也是專家系統(tǒng)殼的基本組成部分。本節(jié)重點討論空間決策支持系統(tǒng)的模型管理系統(tǒng)，關于數(shù)據(jù)庫管理系統(tǒng)在前面的章節(jié)已作了介紹，至于知識庫和知識處理將在下節(jié)專家系統(tǒng)里討論。25空間決策支持系統(tǒng)的模型管理系統(tǒng)為解決自然和人文過程中出現(xiàn)的各種復雜的空間問題，多年來學者們提出了大量的結構化模型，包括統(tǒng)計方法、數(shù)學模型、啟發(fā)式程序、算法等

28、，這些模型與描述性的知識不同，具有高度結構化的格式和固定的執(zhí)行程序。這些模型對解決那些結構化的決策問題很有幫助作用，但不幸的是，它們的形式邏輯和解決方法對決策者來說通常很難或需要花很長時間才能理解，尤其是那些非技術背景的決策者更是容易混淆或不恰當有效地運用它們，從而限制了這種類型的知識的有效利用。另外，這些結構化的模型要在GIS環(huán)境下使用，還有一個與GIS數(shù)據(jù)模型兼容性的問題，模型與GIS數(shù)據(jù)庫相互操作是一個基本要求。所以空間決策支持系統(tǒng)需要適當?shù)靥暨x和組織有關的模型，與管理空間和非空間數(shù)據(jù)的數(shù)據(jù)庫管理系統(tǒng)相對應的，要有一個模型管理系統(tǒng)。模型管理系統(tǒng)應具有下列功能：l 幫助用戶選擇與分析有關的

29、模型；l 對多種類型的模型進行分類和維護以支持各種層次的決策過程；l 能將模型子模塊組合復雜的模型；l 提供恰當?shù)臄?shù)據(jù)結構滿足查詢、分析、顯示；滿足與數(shù)據(jù)庫的嵌入或數(shù)據(jù)交換；滿足模型與描述性知識的交流；l 提供用戶咨詢和結果解釋的友好界面；空間決策支持系統(tǒng)對模型高效的分類和組織問題是決策支持系統(tǒng)的核心功能。將模型分類并按不同層次的深度進行組織可以有效的管理和使用模型。例如可以先按決策問題進行第一級分類，再按評價條件和狀態(tài)進行第二級分類，還可以繼續(xù)進行更深層次的分類。下面給出一個分類示例：1）決策問題分類第一級分類：l 環(huán)境問題l 土地利用規(guī)劃問題l 資源分配問題l 設施配置問題l 網絡問題l

30、水文問題l 地質問題l 海岸線問題假設關心的是網絡問題，關于網絡問題的各種模型組織成第二級分類，如下所示：u 最短路徑u 最少搜索路徑（Spanning tree）問題u 貨郎擔問題u 多點通訊問題（Multicast communication）u 運輸問題u 商品流問題對于每個選擇的問題，還可以繼續(xù)細分成更專的類型，如商品流問題，可以繼續(xù)分成單商品和多商品流問題。要選擇某個專用的模型，用戶通過一系列“是或否”的問題向導，直到找到需要的解決問題的模型。2）按技術條件分類表10-3：決策問題的分類示例A 確定性確定性模型不確定性模型 隨機模型 不精確模型B 空間離散模型連續(xù)模型C 過程靜態(tài)模型

31、動態(tài)模型D 時間離散模型連續(xù)模型E 線性線性模型非線性模型F 目標單目標模型多目標模型G 變量實型整型根據(jù)上述分類，可以構造一個決策樹，將模型分類知識用一種知識表達方式進行表示，例如本例可以用產生式規(guī)則表示，每條路徑對應一個規(guī)則。本例對確定性分類下共有26規(guī)則，其中一條規(guī)則描述如下：表10-4：決策規(guī)則IF situition certain AND space discrete AND process static AND time discrete AND system linear AND objectives multiple AND variables real THEN selec

32、t multiple-objectives, discrete-space, discrete-time linear programming model IF situition uncertain AND cause random AND space discrete AND process dynamic AND time discrete AND system linear AND objectives single AND variables real THEN select multiple-stage, single-objective, discrete-space, disc

33、rete-time linear stochastic programming model 空間決策支持系統(tǒng)除了模型選擇的問題外，模型與數(shù)據(jù)庫的交互也是一個重要的問題。不同的模型具有不同的數(shù)據(jù)結構和不同的模型與數(shù)據(jù)庫的交互方式。模型要在GIS環(huán)境下運行，還有一個與GIS數(shù)據(jù)結構的兼容性問題。模型與GIS有不同層次的交互方式。最低層的交互是將GIS作為數(shù)據(jù)庫管理系統(tǒng)，以文件的方式進行交互，如果模型和GIS對文件類型是兼容的，交互只是一個簡單地文件選取問題；如果文件不兼容，就會涉及文件轉換的問題。較高層次的交互方式是將GIS作為顯示和分析模型結果的圖形顯示工具。最高層次的交互是二者集成在一個完整的

34、系統(tǒng)里，比較松散一點的方式是用GIS的操作命令（如宏語言）重新實現(xiàn)模型；更緊密的集成是二者具有支持查詢、分析、顯示的數(shù)據(jù)結構。由于模型的多樣性，數(shù)據(jù)結構也是多樣的，因此很難作到GIS數(shù)據(jù)結構與所有模型的結構兼容。所以模型與GIS的交互在空間決策支持系統(tǒng)里允許有多種方式。3專家系統(tǒng)31專家系統(tǒng)的基本組成專家系統(tǒng)是人工智能在信息系統(tǒng)中的應用，它是一個智能計算機程序系統(tǒng)，其內部具有大量專家水平的某個領域知識與經驗，能夠利用人類專家的知識和解決問題的方法來解決該領域的問題。專家系統(tǒng)的主要功能取決于大量的知識。設計專家系統(tǒng)的關鍵是知識表達和知識運用。專家系統(tǒng)與一般計算機程序最本質的區(qū)別在于：專家系統(tǒng)所解

35、決的問題一般沒有算法解，并且往往是要在不完全、不精確或不確定的信息基礎上做出結論。一般的專家系統(tǒng)包括數(shù)據(jù)庫，知識庫，推理機，解釋器及知識獲取五個部分組成，它的結構如圖10-9所示。圖10-9：專家系統(tǒng)結構圖1）知識庫知識庫用于存取和管理所獲取的專家知識和經驗，供推理機利用，具有知識存儲、檢索、編輯、增刪、修改和擴充功能。2）數(shù)據(jù)庫用來存放系統(tǒng)推理過程中用到的控制信息，中間假設和中間結果。3）推理機用于利用知識進行推理，求解專門問題，具有啟發(fā)推理、算法推理；正向、反向或雙向推理；串行或并行推理等功能。4）解釋器解釋器用于作為專家系統(tǒng)與用戶的“人機”接口，其功能是向用戶解釋系統(tǒng)的行為，包括：（41

36、） 咨詢理解：對用戶咨詢的提問進行“理解”，將用戶輸入的提問及有關事實、數(shù)據(jù)和條件、轉換為推理機可接收的信息。（42） 結論解釋：向用戶輸出推理的結論或答案，并且根據(jù)用戶需要對推理過程進行解釋，給出結論的可信度估計。5）知識獲取器知識獲取是專家系統(tǒng)與專家的“界面”。知識庫中的知識一般都是通過“人工移植”方法獲得，“界面”就是知識工程師（專家系統(tǒng)的設計者），采用“專題面談”，“口語記錄分析”等方式獲取知識，經過整理后，再輸入知識庫。為了提高知識工程師獲得專家知識的效率，可以借助“知識獲取輔助工具”來輔助專家整理知識或輔助擴充和修改數(shù)據(jù)庫。近年來，開始機器學習、機器識別、半自動化等方法獲取知識。3

37、2專家系統(tǒng)的知識處理321人工智能與專家系統(tǒng)人工智能的目的是用計算機模擬人類，其中包括模擬人類的動作機器人，模擬人類的視聽能力計算機視覺、聽覺的模式識別，模擬人類語言計算機自然語言，模擬人腦電腦。在模擬人腦研究時，本來是想從幼兒開始，隨著大腦的發(fā)育過程模擬人腦的，但是發(fā)現(xiàn)這樣模擬難度太大了，轉而研究領域專家的思維過程，因為領域專家能夠闡述清楚知識與邏輯。隨著專家系統(tǒng)工具軟件的出現(xiàn)，許多領域展開了專家系統(tǒng)的研究，其中最成功的是國際象棋的專家系統(tǒng)。人工智能主要的目的是模擬人腦的功能，但是目前人們對人腦的思維過程并不十分清楚，因此人工智能的概念也不可能非常清楚。許多人工智能的研究只局限于形式邏輯的推

38、導，凡是超出了形式邏輯范疇的，都被是認為無法解決的問題?，F(xiàn)在理解的人工智能主要是指用計算機完成邏輯推理的過程。322知識表示知識表示就是知識的形式化，就是研究用機器表示知識的可行的、有效的、通用的原則和方法。目前常用的知識表示方法有：產生式規(guī)則、語義網絡法、框架表示法、與或圖法，過程表示法、特征表示法、黑板結構、Petri網絡法、神經網絡等。其中效果最好的是產生式規(guī)則，其它表示方法單獨使用的不多，大多是以產生式規(guī)則為主體增加和擴展語義、框架和程式式知識。產生式規(guī)則使用“若，則?！闭Z句（If,Then）?！叭簟笨梢允且粋€條件，也可以是多個條件；“則”也可以是一個結論，也可以是多個結論。也稱為正向

39、式推理，有以下幾種情況：1）一對一：If (1), then (a)。2）一對多：If (1)，then (a), (b), (n)。3）多對一：If (1), (2), ,(m); then (a)。4）多對多：If (1), (2), ,(m); then (a),(b),(n)。If,then 語句是從已知條件，推論結果的語句，反之，從結果推出條件稱為后向式推理。同樣有四種情況，一對一，一對多，多對一，多對多：1）一對一：Conclusion (a);Need(1)。2）一對多：Conclusion (a);Need(1),(2),(m)。3）多對一：Conclusion (a),(b)

40、,(n);Need (1)。4）多對多：Conclusion (a),(b),(n);Need (1),(2),(m)。由此可見，產生式規(guī)則的正向式推理與逆向式推理都是在確定性問題中的處理方法。對于不確定性的問題，產生式規(guī)則不能解決問題，需要結合其它的表示方法。323知識推理推理是指依據(jù)一定規(guī)則從已有的事實推出結論的過程。專家系統(tǒng)中的自動推理是知識推理，它是專家系統(tǒng)中問題求解的主要手段。知識推理與知識表示有密切關系，根據(jù)知識表示的特點，知識推理方法可分為圖搜索方法和邏輯論證方法兩類。圖搜索方法在專家系統(tǒng)的知識表示中，許多基本的、常用的表達方式都具有“圖”的形式，或者可以變換為相應的圖的形式，而

41、且通常可以用與或圖來進行表達。例如，狀態(tài)空間圖、與或圖、語義網格圖，以及由產生式規(guī)則或框架表示方法所轉換的與或圖或網絡圖?；趫D的知識表達，問題求解的知識推理過程，就是從圖中相當于初始狀態(tài)的出發(fā)節(jié)點到相當于目標狀態(tài)的終止節(jié)點的路線搜索過程，即搜索從初始狀態(tài)有效的轉移到目標所經歷的最優(yōu)的或最經濟的線路，相應的知識推理方法即圖搜索方法。例如，對于具有樹狀的狀態(tài)空間圖，稱為“問題樹”，基本的圖搜索方法有：寬度優(yōu)先搜索、深度優(yōu)先搜索法等。邏輯論證方法當知識表示采用謂詞（Predicate）邏輯或其他形式邏輯方法時，知識推理也可以采取邏輯論證方法。在這種情況下，求解一個問題相應于證明一個定理或幾個定理，

42、問題求解的知識推理過程，相應于用數(shù)理邏輯方法進行定理證明的過程。知識推理方法即邏輯論證方法。例如，若用一組謂詞邏輯表達式A描述有關的事實、情況或條件，而用另一組謂詞邏輯表達式B描述問題的答案或結論，那么，只要通過邏輯演算方法論證定理A-B成立，也就相應論證了從有關事實、情況和條件出發(fā)，可以推出正確的答案或結論B。根據(jù)問題求解的推理過程是否運用啟發(fā)性知識，知識推理方法可分為啟發(fā)推理和非啟發(fā)推理兩類。啟發(fā)推理在問題求解的過程中，運用與問題有關的啟發(fā)性知識，即解決問題的策略、技巧，對解的特性及其規(guī)律的估計等實踐經驗或知識，以加快推理過程，提高搜索效率，這種推理過程稱為“啟發(fā)式推理”。例如，在圖搜索的

43、推理方法中，利用啟發(fā)性知識改進的深度優(yōu)先搜索法，如局部擇優(yōu)搜索法，最好優(yōu)先搜索法等，只需要對部分狀態(tài)空間進行搜索，可提高搜索效率。非啟發(fā)推理在問題求解的推理過程中，不運用啟發(fā)性知識，只按照一般的邏輯法則和控制性知識，進行通用性的推理。這種方法缺乏對求解問題的針對性，需要進行全狀態(tài)空間的搜索，而沒有選擇最優(yōu)的搜索途徑，大多搜索效率低。例如寬度優(yōu)先搜索法，雖然是完備的算法，但其搜索效率低。根據(jù)問題求解的推理過程中結論是否精確，知識推理方法可分為精確推理和不精確推理兩類。精確推理 精確推理是指在專家系統(tǒng)中，把特定領域的知識表示成必然的因果關系、邏輯關系，推理的結論是肯定的。這種推理是精確推理。不精確

44、推理 在人類知識中，有相當一類屬于人們的主觀判斷，是不精確和含糊的。由這些知識歸納出來的推理規(guī)則也往往是不確定的，基于這種不確定的推理規(guī)則進行推理，形成結論，稱為不精確推理。常用的不精確推理方法有概率論方法、可信度方法、模糊子集法和證據(jù)論方法。 根據(jù)問題求解過程中特殊和一般的關系，知識推理方法可分為演繹推理和歸納推理；根據(jù)求解推理過程中的推理的方向，知識推理方法可分為正向推理、反向推理和正反向混合推理三類。33 空間分類專家系統(tǒng)實例土地類型分類空間分類是GIS和遙感信息系統(tǒng)最常用的功能，將空間單元歸組分類是智能GIS的基本功能。傳統(tǒng)的分類基于二值邏輯，認為區(qū)域分類界限是明顯的，基本空間單元（矢

45、量或柵格結構）屬于且只屬于一個空間類別。然而，事實上空間類別之間的界限通常是模糊的，是漸變的而不是突變的，所以在空間分類中引入模糊邏輯會提高分類的精度。另外空間分類也是一個基于人們對空間現(xiàn)象的認知和知識的心理判斷過程，開發(fā)一個帶有GIS的專家系統(tǒng)是很有必要的。當然可以使用那些結構化的分類算法（程式式知識），但是這種方法往往是很機械，且不能有效地與用戶進行關于分類的知識相互交流。專家系統(tǒng)的分類方法則更為靈活、智能，它不是一個算法，而是一個關于空間分類的抽象和空間數(shù)據(jù)如何分類的規(guī)則，可以在不修改任何程序的情況下在知識庫里修改、刪除、增加專家和非專家的判斷，分類知識和規(guī)則?；谝?guī)則的專家分類系統(tǒng)往往

46、具有傳播知識和教育的成分。下面是一個基于遙感影象的土地類型專家分類系統(tǒng)實例。數(shù)據(jù)采用4波段LANDSAT MSS影象數(shù)據(jù)，分類系統(tǒng)所采用的分類依據(jù)如圖10-10所示：圖10-10：土地利用分類由于分類問題是一個數(shù)據(jù)驅動的過程，采用了正向推理方式。產生式規(guī)則是從領域專家獲取的，如下表所示，存入知識庫。表10-5：知識庫存儲的分類規(guī)則rule r1If（x1<8.0000,12.0000） and (x4<5.0000,10.0000) then pretype1 is waterCertainty is 1rule r2If ( x3>=8.0000,12.0000) and

47、(x4>=5.0000,10.0000 )then pretype1 is landrule r3If ( pretype1 is water ) and (x1>20.0000,24.0000） and (x2>13.0000,16.0000) and (x3>5.0000,10.0000) then type is turbidCertainty is 1rule r4If ( pretype1 is water) and ( x1<=20.0000,24.0000) or (x2<13.0000,16.0000 ) or (x3<=5.0000,

48、10.0000 )then type is clearCertainty is 1rule r5If ( pretype1 is land ) and (x1<17.0000,25.0000） and (x2<13.0000,30.0000) and (x3>27.0000,50.0000) and (x4>30.0000,65.0000)then type is vegetationCertainty is 1rule r6If ( pretype1 is land) and ( x1>=17.0000,25.0000) or (x2>=13.0000,3

49、0.0000 ) or (x3<=27.0000,50.0000 ) or (x4<=30.0000,65.0000 )then pretype2 is non-vegetationCertainty is 1rule r7If ( pretype2 is non-vegetation ) and (x1>27.0000,39.0000） and (x2<26.0000,52.0000) and (x3>26.0000,49.0000) and (x4>21.0000,41.0000)then type is barrenCertainty is 1rule

50、 r8If ( pretype2 is non-vegetation) and ( x1<20.0000,30.0000) and (x2<20.0000,30.0000) and (x3>20.0000,35.0000) and (x4>15.0000,25.0000)then type is urban_or_other Certainty is 1根據(jù)專家的經驗，不能武斷的使用一個波段數(shù)值作為分類的界限，為反映光譜反射的漸變性，使用了模糊邏輯方法表示推理規(guī)則。以規(guī)則r1為例，在劃分水域時不是只取波段3（x3）的一個數(shù)值5和波段4（x4）中的一個數(shù)值8作為分類依據(jù)，

51、而是用了模糊集的方法允許漸變特征。模糊集表示如圖10-11。圖10-11：模糊集由于專家對分類規(guī)則非常確定，所以確定性因子為1。若確定性水平的不同，確定性因子可在0，1范圍內取值。分類的結果通過地理信息系統(tǒng)進行顯示，當分類結果精確時，系統(tǒng)會自動顯示分類結果。當分類結果存在誤差時，混合象元同時被標識和顯示，同時土地類型漸變造成的模糊邊界也可顯示，模糊邊界的寬度在土地類型混雜的地方用不同的閥值控制。4數(shù)據(jù)倉庫與空間數(shù)據(jù)挖掘 隨著衛(wèi)星和遙感技術以及其它自動數(shù)據(jù)采集工具的越來越廣泛的應用，日益豐富的空間和非空間數(shù)據(jù)收集和存儲于大空間數(shù)據(jù)庫中，海量的地理數(shù)據(jù)在一定程度上已經超過了人們能夠處理的能力，從這

52、些海量的數(shù)據(jù)中提取和發(fā)現(xiàn)地學知識，給當前GIS技術提出了巨大的挑戰(zhàn)。新的需求推動著GIS從操作型信息系統(tǒng)向分析型信息系統(tǒng)過渡，數(shù)據(jù)庫系統(tǒng)最新的數(shù)據(jù)倉庫和數(shù)據(jù)庫知識發(fā)現(xiàn)技術為GIS組織、管理海量空間和非空間數(shù)據(jù)提供了新的思路。GIS在空間數(shù)據(jù)存儲、表達和管理方面的能力已得到廣泛的認可，增強GIS分析功能，提高GIS解決地學實際問題的能力已得到共識。GIS吸收數(shù)據(jù)倉庫的思想，將空間分析和空間數(shù)據(jù)挖掘方法緊密集成，充分利用GIS數(shù)據(jù)存儲、管理空間數(shù)據(jù)的功能，使海量的地理空間數(shù)據(jù)變成無限的知識，使GIS成為智能的信息系統(tǒng)。41數(shù)據(jù)倉庫 （Data Warehouse）近年來，人們逐漸認識到計算機系統(tǒng)存

53、在兩類不同的處理：操作型處理和分析型處理。操作型處理也叫事務型處理，是指對數(shù)據(jù)庫聯(lián)機進行的日常操作，通常是對一個或一組記錄的查詢和修改，主要為企業(yè)特定應用服務，對此人們關心的是響應時間、數(shù)據(jù)的安全性和完整性。分析型處理是用于管理人員的決策分析，例如決策支持系統(tǒng)、專家系統(tǒng)和多維分析等，經常要訪問大量的歷史數(shù)據(jù)。兩者的巨大差別使得操作型處理和分析型處理的分離成為必然，于是數(shù)據(jù)庫由操作型環(huán)境發(fā)展成為操作型環(huán)境和分析型環(huán)境的新體系化環(huán)境。在此新體系環(huán)境中數(shù)據(jù)倉庫處于核心地位，它是建立決策支持系統(tǒng)的基礎。數(shù)據(jù)倉庫是指面向主題的、集成的、穩(wěn)定的、隨著時間變化的數(shù)據(jù)集合，用以支持管理決策。這一定義指出了數(shù)據(jù)

54、倉庫的目標是為了制定管理的決策提供支持信息。正象企業(yè)為了發(fā)展要進行業(yè)務重組一樣，為了支持管理決策需要也要按決策業(yè)務科目的要求重組在線事務處理（OLTP）系統(tǒng)中的數(shù)據(jù)，并要按不同決策，分析內容分別組織使之方便使用。也就是說，數(shù)據(jù)倉庫是一種把收集的數(shù)據(jù)轉變成有意義的信息技術。數(shù)據(jù)可以來源于許多不同的數(shù)據(jù)源，包括不同的數(shù)據(jù)庫系統(tǒng)，甚至來源于不同的操作系統(tǒng)。圖10-12：數(shù)據(jù)倉庫體系結構在把數(shù)據(jù)裝載到數(shù)據(jù)結構重組后的數(shù)據(jù)倉庫之前，先要進行數(shù)據(jù)集成處理。這一處理包括幾個必不可少的操作步驟，以做到使數(shù)據(jù)完整、統(tǒng)一，這就確保了在使用數(shù)據(jù)倉庫時其中的數(shù)據(jù)是有質量保證的。簡而言之，集成就是保證數(shù)據(jù)準確、到位、沒

55、有超出應有的數(shù)值范圍、沒有重復等。數(shù)據(jù)倉庫中的數(shù)據(jù)不像在線事務處理系統(tǒng)中的數(shù)據(jù)那樣頻繁的修改，所以它是比較穩(wěn)定的（極少或根本不修改）。在一次數(shù)據(jù)分析的執(zhí)行過程中使用的數(shù)據(jù)不得變更，才能保證兩次在使用同一組信息進行分析時不會得出不同的答案。數(shù)據(jù)倉庫一般是按周、月或隔月從在線事務處理系統(tǒng)周期性地更新數(shù)據(jù)。典型的數(shù)據(jù)倉庫體系結構如圖10-12，數(shù)據(jù)從多個操作型數(shù)據(jù)庫和外部文件中抽取，抽取出來的數(shù)據(jù)要進行清理、轉換和集成，然后裝入數(shù)據(jù)倉庫中。裝入倉庫的數(shù)據(jù)形式取決于數(shù)據(jù)倉庫里數(shù)據(jù)庫的設計，一般的數(shù)據(jù)倉庫設計方法是多維數(shù)據(jù)模型，具體表現(xiàn)為星形模式或雪花模式。倉庫的數(shù)據(jù)要定期更新以反映源數(shù)據(jù)的變化。最后使

56、用前端的報表、查詢、分析和數(shù)據(jù)挖掘等工具來操作和使用數(shù)據(jù)倉庫。在數(shù)據(jù)倉庫管理方面，有一個存儲元數(shù)據(jù)（關于倉庫數(shù)據(jù)的數(shù)據(jù)）的中央數(shù)據(jù)庫或數(shù)據(jù)字典，而監(jiān)控和管理工具也是必不可少的。42數(shù)據(jù)挖掘（Data Mining）隨著大量的大規(guī)模的數(shù)據(jù)庫迅速不斷地增長，人們對數(shù)據(jù)庫的應用已不滿足于僅對數(shù)據(jù)庫進行查詢和檢索。僅用查詢檢索不能幫助用戶從數(shù)據(jù)中提取帶有結論性的有用信息。這樣數(shù)據(jù)庫中蘊藏的豐富知識，就得不到充分的發(fā)掘和利用，形成“數(shù)據(jù)豐富而知識貧乏”的現(xiàn)象。另外，從人工智能應用來看，專家系統(tǒng)的研究雖然取得了一定的進展。但是，知識獲取仍然是專家系統(tǒng)研究中的瓶頸。知識工程師從領域專家處獲取知識是非常復雜的個人到個人之間的交互過程，具有很強的個性，沒有統(tǒng)一的辦法。因此，有必要考慮從數(shù)據(jù)庫中發(fā)現(xiàn)新的知識，被稱為數(shù)據(jù)庫知識發(fā)現(xiàn)（Knowledge Discovery in Databases，簡稱KDD)，也叫數(shù)據(jù)挖掘（Data Mining）。數(shù)據(jù)庫知識發(fā)現(xiàn)或數(shù)據(jù)挖掘的定義為從數(shù)據(jù)中提取隱含的、先前不知道的和潛在有用的知識的過程。數(shù)據(jù)挖掘技術集成了機器學習、數(shù)據(jù)庫系統(tǒng)、數(shù)據(jù)可視