第九章 智能化空間分析_第1頁
第九章 智能化空間分析_第2頁
第九章 智能化空間分析_第3頁
第九章 智能化空間分析_第4頁
第九章 智能化空間分析_第5頁
已閱讀5頁,還剩74頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

第九章智能化空間分析9.1空間分析智能化9.2智能計算技術(shù)9.3模糊地理空間數(shù)據(jù)分析9.4基于人工神經(jīng)網(wǎng)絡(luò)的地理空間問題模擬9.5基于遺傳算法的地理空間問題分析

隨著GIS應(yīng)用水平的不斷提高,人們開始逐漸關(guān)注地理空間數(shù)據(jù)的模糊性、不確定性及其分析方法,顯然,傳統(tǒng)基于確定性數(shù)據(jù)的分析模型已經(jīng)不能有效地解答這一問題。同時,越來越多的復(fù)雜應(yīng)用問題也對GIS空間分析功能提出了更高的要求。地學(xué)工作者把數(shù)學(xué)、計算機(jī)科學(xué)和信息科學(xué)領(lǐng)域的智能計算技術(shù)引入地學(xué)研究,將模糊數(shù)學(xué)、神經(jīng)網(wǎng)絡(luò)、遺傳算法等人工智能技術(shù)與GIS相結(jié)合,試圖把不確定的數(shù)據(jù)處理轉(zhuǎn)換為可靠、精確的知識和信息分析,以提高GIS空間數(shù)據(jù)分析和空間問題模擬的準(zhǔn)確度。智能計算將數(shù)值計算與語義表達(dá)、形象思維等高級智能行為聯(lián)系起來,通過模擬人腦判斷與推理的行為與過程,處理關(guān)系錯綜復(fù)雜的數(shù)據(jù),使高維非線性隨機(jī)、動態(tài)或混沌系統(tǒng)行為的分析、預(yù)測和決策問題通過軟計算找到有效的解決途徑。1、地理空間數(shù)據(jù)的不確定性概念不確定性是指處于混沌或模糊邊緣的現(xiàn)象,是客觀世界的固有特征,存在于自然科學(xué)技術(shù)、社會經(jīng)濟(jì)和人文科學(xué)的各個領(lǐng)域。地理空間數(shù)據(jù)是對地理空間現(xiàn)象和過程的抽象和近似表達(dá),存在著廣泛的不確定性??臻g數(shù)據(jù)不確定性可以理解為關(guān)于空間位置、空間現(xiàn)象、過程和特征不能被準(zhǔn)確確定的程度。不確定性問題貫穿于整個數(shù)據(jù)的生命周期,可能隨時間發(fā)生變化,致使地理空間數(shù)據(jù)分析與管理極其復(fù)雜。

9.1空間分析智能化?Ronen(1988)在“UncertaintyAnalysis”一書中指出,空間數(shù)據(jù)的不確定性一般指誤差、精度、精確度、正確度和合理性;?Heuvelink(1993)認(rèn)為不確定性是誤差的同義詞;?MichaelGoodchild(1995)把不確定性看作比誤差更為一般的數(shù)據(jù)質(zhì)量問題,即數(shù)據(jù)不確定性的含義要比誤差更為廣泛;?VanderWel(2000)將數(shù)據(jù)中的不確定性理解為某個具體數(shù)據(jù)特征不能表達(dá)的和有關(guān)真值知識的有用概念;迄今為止,關(guān)于空間數(shù)據(jù)不確定性的定義尚未形成明確和統(tǒng)一的認(rèn)識,以下是一些初步的論述:

?Gottsegen(2001)則認(rèn)為不確定性概念比誤差或精度以及限制性概念要廣,它可以看作是知識多少有點(diǎn)不完備的數(shù)據(jù),這些數(shù)據(jù)是不可信的和不知道的;?KeithBeren(2002)認(rèn)為不確定性是對模型可能輸出結(jié)果的風(fēng)險性評估,它是評估模型正確性的一種方法,與風(fēng)險性相聯(lián)系;?PeterFisher(2003)指出空間數(shù)據(jù)不確定性是用來表述所有已經(jīng)發(fā)表的與位置信息不確定相關(guān)的研究和一些認(rèn)為與數(shù)據(jù)質(zhì)量互補(bǔ)的研究領(lǐng)域的研究,并將空間數(shù)據(jù)不確定性的研究分為誤差(error)、模糊(vagueness)、歧義(ambiguity)和不一致(discord)四個方面??偟目磥?,絕大多數(shù)觀點(diǎn)認(rèn)為空間數(shù)據(jù)的不確定性與空間數(shù)據(jù)質(zhì)量有關(guān),但并不局限于數(shù)據(jù)質(zhì)量問題??臻g數(shù)據(jù)的不確定性是指信息源沒有完全表達(dá)的程度,不僅包含能夠觀測的誤差要素,也包含復(fù)雜的、難于觀測的要素。從不同的角度,空間數(shù)據(jù)不確定性可劃分為不同類型。根據(jù)空間數(shù)據(jù)的時間、空間、屬性基本要素,可以分為時間不確定性、空間不確定性和屬性不確定性2、地理空間數(shù)據(jù)的不確定性類型1.空間數(shù)據(jù)不確定性的概念及類型空間數(shù)據(jù)的不確定性類型分為概念不確定性和量測不確定性。前者是指客觀實(shí)體特征向地理信息系統(tǒng)空間目標(biāo)轉(zhuǎn)化過程引起的不確定性,后者是指對空間目標(biāo)賦值的不確定性。不確定性還常常被分為隨機(jī)不確定性和模糊不確定性,分別由隨機(jī)性和模糊性引起。隨機(jī)性指不知是否會發(fā)生的事件中包含的不確定性,如人口的分布、遷移,泥石流、地震的發(fā)生等均具有隨機(jī)性;模糊性則是已經(jīng)出現(xiàn)或?qū)霈F(xiàn)但難以給出精確定義的事件中所包含的不確定性,如利用地理信息系統(tǒng)分析某城市繁華區(qū)人口密度時,難以給“密度大”、“密度較大”、“密度小”等詞語精確的定義,即是一種模糊不確定性。在現(xiàn)實(shí)世界中,有些事件往往既包含隨機(jī)不確定性,又包含模糊不確定性?!懊魈煜卵┑目赡苄院苄 ?,既包含隨機(jī)不確定性,又包含模糊不確定性。下不下雪是隨機(jī)的,具有隨機(jī)不確定性;可能性很小卻是模糊的,具有模糊不確定性。GIS空間數(shù)據(jù)的不確定性包括空間位置的不確定性、屬性不確定性、時域不確定性、邏輯上的不一致性及數(shù)據(jù)的不完整性。空間位置的不確定性指作為空間實(shí)體的點(diǎn)、線、多邊形或者柵格像素在圖形或圖像表達(dá)中與其真實(shí)值的誤差程度;屬性不確定性是在采集、描述和分析真實(shí)世界中客觀實(shí)體的過程中,實(shí)體屬性的量測、分析值圍繞其屬性真值,在時間和空間內(nèi)的隨機(jī)不確定性變化域;3、空間數(shù)據(jù)不確定性的研究內(nèi)容時域不確定性是指在描述地理現(xiàn)象時,時間描述上的差別;邏輯上的不一致性指數(shù)據(jù)結(jié)構(gòu)內(nèi)部的不一致性,特別是指拓?fù)溥壿嬌系牟灰恢滦?;?shù)據(jù)的不完整性是指GIS沒有盡可能完全地表達(dá)給定的目標(biāo)。地理信息系統(tǒng)不確定性研究還包括模型的不確定性、GIS數(shù)據(jù)產(chǎn)品的不確定性和GIS工程的不確定性等。3、空間數(shù)據(jù)不確定性的研究內(nèi)容智能化GIS是指與專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯、遺傳算法等相結(jié)合的GIS,即人工智能技術(shù)在GIS中的應(yīng)用。

4、智能化空間分析技術(shù)目前對智能化GIS有兩種理解:(1)是指在GIS系統(tǒng)中應(yīng)用人工智能技術(shù),建立智能化時空數(shù)據(jù)處理和分析模型,在人工智能理論支持下對時空信息進(jìn)行處理和分析,即在地學(xué)規(guī)律指導(dǎo)下,結(jié)合具體的地學(xué)知識和地理信息,通過地學(xué)分析和GIS、人工智能等技術(shù)獲得更精確的分析結(jié)果。

(2)智能化GIS是GIS系統(tǒng)作為一種分析處理空間信息的通用技術(shù)應(yīng)用于某一個領(lǐng)域,使管理水平、決策系統(tǒng)智能化。例如,在智能交通系統(tǒng)中,通過采用電子技術(shù)、地理信息系統(tǒng)技術(shù)、通信技術(shù)等高新技術(shù)對傳統(tǒng)的交通運(yùn)輸系統(tǒng)及管理體制進(jìn)行改造,形成一種信息化、智能化和社會化的新型現(xiàn)代交通系統(tǒng)。

智能化空間分析技術(shù)

GIS空間分析是利用各種空間分析模型、空間操作技術(shù)對海量的空間數(shù)據(jù)進(jìn)行有效處理,發(fā)現(xiàn)新知識和規(guī)律,其中必然涉及各種智能分析方法的運(yùn)用問題。智能化的空間分析方法可以解決更加復(fù)雜的地理問題,并且提高解決地理問題的效率和精度。從近幾十年的發(fā)展來看,智能化空間分析方法主要經(jīng)歷了從決策樹、基于知識的專家系統(tǒng)到基于智能計算分析方法的不同階段。決策樹(DecisionTree)是在已知各種情況發(fā)生概率的基礎(chǔ)上,通過構(gòu)成決策樹來求取凈現(xiàn)值的期望值大于等于零的概率,評價項目風(fēng)險,判斷其可行性的決策分析方法,是直觀運(yùn)用概率分析的一種圖解法。由于這種決策分支畫成圖形很像一棵樹的枝干,故稱決策樹。在機(jī)器學(xué)習(xí)中,決策樹是一個預(yù)測模型,他代表的是對象屬性與對象值之間的一種映射關(guān)系。決策樹專家系統(tǒng)是一個智能計算機(jī)程序系統(tǒng),其內(nèi)部含有大量的某個領(lǐng)域?qū)<宜降闹R與經(jīng)驗,能夠利用人類專家的知識和解決問題的方法來處理該領(lǐng)域問題。也就是說,專家系統(tǒng)是一個具有大量的專門知識與經(jīng)驗的程序系統(tǒng),它應(yīng)用人工智能技術(shù)和計算機(jī)技術(shù),根據(jù)某領(lǐng)域一個或多個專家提供的知識和經(jīng)驗,進(jìn)行推理和判斷,模擬人類專家的決策過程,以便解決那些需要人類專家處理的復(fù)雜問題,簡而言之,專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計算機(jī)程序系統(tǒng)。基于知識的專家系統(tǒng)人工智能(ArtificialIntelligence),英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計算機(jī)科學(xué)的一個分支,它企圖了解智能的實(shí)質(zhì),并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器,該領(lǐng)域的研究包括機(jī)器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能

智能化空間分析重點(diǎn)要解決空間知識的發(fā)現(xiàn)、表達(dá)、推理與計算等問題。對于描述性知識來說,符號方法是一種重要的知識表達(dá)與推理手段,如邏輯(模糊與非模糊)、產(chǎn)生式系統(tǒng)、語義網(wǎng)、面向?qū)ο蟮募夹g(shù)以及綜合方法等?;谥R的決策可以由以知識工程及人工智能理論為基礎(chǔ)的決策支持系統(tǒng)來完成,智能知識的表達(dá)與推理是智能化空間決策支持系統(tǒng)的核心。

在人工智能中,地理現(xiàn)象、地理事實(shí)、地理概念、地理規(guī)律等統(tǒng)稱地理知識,將地理知識應(yīng)用在空間分析中則形成了“地理專家系統(tǒng)”。

20世紀(jì)80~90年代,基于知識的地理專家系統(tǒng)是地理研究方法中比較流行的模式,例如wayre等人提出的有關(guān)鐵路與高速公路交叉口安全管理與分析的基于知識的GIS;LamDavid等人將專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)與GIS相結(jié)合建立了用于環(huán)境管理的決策支持系統(tǒng);南京大學(xué)開發(fā)的用于尋找地下水的專家系統(tǒng)等,都較好地解決了有關(guān)的非線性地理問題。

美國學(xué)者James在1992年首次提出了智能計算技術(shù)的概念。智能計算以數(shù)據(jù)為基礎(chǔ),即使在對象模型和邊界條件不夠精確和完整的情況下,也能夠獲得合理的解釋,因此能夠有效地解決系統(tǒng)中一些非線性和不確定性的問題。智能計算技術(shù)是基于計算的,或者基于計算和基于符號物理相結(jié)合的各種智能理論、模型、方法的綜合集成,對于具有大規(guī)模并行分布式的結(jié)構(gòu)性知識分析處理,具有其他技術(shù)無可替代的優(yōu)越性。1人工智能技術(shù)的產(chǎn)生與發(fā)展智能是個體有目的的行為、合理的思維以及有效地適應(yīng)環(huán)境的綜合性能力。

人工智能(artificialintelligence,AI)是指通過對人類智力活動奧秘的探索與記憶思維的研究,開發(fā)人類智力活動的潛能、探討用各種機(jī)器模擬人類智能的途徑,使人類的智能得到物化、延伸和擴(kuò)展的一門學(xué)科。它與生物工程和空間技術(shù)成為當(dāng)今世界的三大尖端技術(shù)。9.2智能計算技術(shù)人工智能發(fā)展簡史

年代主要發(fā)展方向

1930~1940s理論思考

1950s簡單神經(jīng)網(wǎng)絡(luò)

1960s啟發(fā)式搜索

1970s專家系統(tǒng)

1980s神經(jīng)計算、遺傳算法和人工生命

1990s遺傳規(guī)劃、模糊邏輯和混合智能系統(tǒng)主要事件:

1930~40s,智能界主要進(jìn)行機(jī)器智能的理論思考,數(shù)理邏輯和關(guān)于計算的新思想促成了人工智能的產(chǎn)生和發(fā)展。

1946年第一臺電子計算機(jī)ENIAC面世,為AI的產(chǎn)生奠定了必要的技術(shù)基礎(chǔ)。

1950年,英國數(shù)學(xué)家Turing在神經(jīng)學(xué)和心理學(xué)的啟發(fā)下,提出了計算機(jī)能夠思維的論斷,把符號處理過程中的形式推理上升到思維的高度,為AI奠定了理論基礎(chǔ)。

1943年,McCullonch和Pitts根據(jù)動物神經(jīng)元的生理特點(diǎn)提出了人工神經(jīng)元的數(shù)學(xué)模型,即MP神經(jīng)元模型,多個MP神經(jīng)元組成的MP神經(jīng)網(wǎng)絡(luò)可以完成一些簡單的邏輯功能。

1950s開始,神經(jīng)網(wǎng)絡(luò)成為人工智能的主要研究領(lǐng)域,建立了第一個真正的人工神經(jīng)網(wǎng)絡(luò)模型,到60年代初,神經(jīng)網(wǎng)絡(luò)研究收到科學(xué)界的高度重視,人工智能研究進(jìn)入高潮。

1970s,專家系統(tǒng)在人工智能界顯示出強(qiáng)大的生命力,建立了各領(lǐng)域的應(yīng)用專家系統(tǒng)?!?980年代,專家系統(tǒng)和知識工程在世界范圍內(nèi)得到迅速發(fā)展,實(shí)現(xiàn)了從理論研究走向?qū)嶋H應(yīng)用,從一般思維規(guī)律的探討走向?qū)iT知識運(yùn)用的突破?!?970年代初,Holland提出了遺傳算法的基本定理。遺傳算法(Geneticalgorithms,GA)起源于對生物系統(tǒng)進(jìn)行的計算機(jī)模擬研究,是模擬生物在自然環(huán)境中的遺傳和進(jìn)化過程而形成的一種自適應(yīng)優(yōu)化概率搜索算法。80年代后遺傳算法得到廣泛的應(yīng)用?!?980年代末以后,神經(jīng)網(wǎng)絡(luò)、模糊邏輯與遺傳算法開始進(jìn)行交叉和結(jié)合,形成了人工智能的新的研究方向——智能計算(Computationalintelligence)。2智能計算的概念智能計算也稱為“軟計算”,迄今為止沒有統(tǒng)一的定義,大體有以下幾種:

(1)智能計算就是受自然界或生物界規(guī)律的啟迪,根據(jù)其原理模擬設(shè)計求解問題的算法,如人工神經(jīng)網(wǎng)絡(luò)技術(shù)、遺傳算法、進(jìn)化規(guī)劃、模擬退火技術(shù)和群集智能技術(shù)等。

(2)智能計算(包括神經(jīng)網(wǎng)絡(luò)、進(jìn)化、遺傳、生態(tài)等理論)作為第二代人工智能方法,是連接主義、分布式人工智能和自組織系統(tǒng)理論共同發(fā)展的結(jié)果。

(3)智能計算是用計算機(jī)模擬和再現(xiàn)人類的某些智能行為。從方法論的角度,計算智能大體可以分為三種基本類型:

◆以符號操作為基本特征的符號機(jī)制,從抽象層次模擬和再現(xiàn)人類的某些智能行為,演繹方法構(gòu)成其主要的邏輯框架;◆以人工神經(jīng)網(wǎng)絡(luò)為代表的聯(lián)結(jié)機(jī)制,從神經(jīng)元相互作用的層次模擬再現(xiàn)人類的智能行為;◆以遺傳算法為代表的進(jìn)化機(jī)制,從自然進(jìn)化的角度探尋智能的形成方式。

(4)智能計算廣義地講就是利用仿生學(xué)思想,基于生物體系的生物進(jìn)化、細(xì)胞免疫、神經(jīng)細(xì)胞網(wǎng)絡(luò)等某些機(jī)制,用數(shù)學(xué)語言抽象描述的計算方法,用以模擬生物體系和人類的智能機(jī)制。從方法論的角度和目前的研究狀況看,智能計算有下面幾種基本類型:◆處理不確定信息的模糊數(shù)學(xué)和粗集理論;◆再現(xiàn)人類某些智能行為的神經(jīng)網(wǎng)絡(luò);◆以模擬生物進(jìn)化規(guī)律為特征的遺傳算法;◆以免疫操作為基本特征的免疫算法;◆以DNA復(fù)制為基本特征的DNA計算。3智能計算技術(shù)的特點(diǎn)及組成(1)智能計算技術(shù)的特點(diǎn)◆智能性智能計算技術(shù)的智能性包括自適應(yīng)、自組織和自學(xué)習(xí)性等,這些特征使得該技術(shù)能夠根據(jù)環(huán)境的變化自動發(fā)現(xiàn)環(huán)境的特性和規(guī)律?!舴€(wěn)健性穩(wěn)健性是指在不同環(huán)境和條件下算法的適用性和有效性,利用智能計算技術(shù)求解不同問題時,只需要設(shè)計相應(yīng)的適應(yīng)性評價函數(shù),不需要修改算法的其他部分?!舨淮_定性智能計算的不確定性是伴隨其隨機(jī)性而來的,其主要操作都含有隨機(jī)因子,從而在算法的進(jìn)化過程中,事件發(fā)生與否帶有較大的不確定性?!魪?qiáng)化計算智能計算不需要很多待求解的背景知識,而主要依賴于大量快速的運(yùn)算,從數(shù)據(jù)集中尋找規(guī)則或者規(guī)律,這是智能計算的主要特征?!羧蒎e性神經(jīng)元網(wǎng)絡(luò)和模糊推理系統(tǒng)都有很好的容錯性,從神經(jīng)元網(wǎng)絡(luò)中刪除一個神經(jīng)元,或從模糊推理系統(tǒng)中去掉一條規(guī)則,并不會破壞整個系統(tǒng),由于具有并行和冗余的特征,系統(tǒng)可以繼續(xù)工作?!羧謨?yōu)化傳統(tǒng)的計算方法一般采用的是梯度下降的爬山策略,遇到多峰函數(shù)時容易陷入局部最優(yōu),遺傳算法能在解空間的多個區(qū)域內(nèi)同時進(jìn)行搜索,并且能夠以較大的概率跳出局部最優(yōu)以找出整體最優(yōu)解。(2)智能計算技術(shù)的組成

Zadeh提出的智能計算的組成

模糊邏輯(fuzzylogic)

神經(jīng)網(wǎng)絡(luò)(neuralnetwork)

概率推理(probabilisticreasoning)

進(jìn)化計算(evolutionalcomputation)

學(xué)習(xí)理論(learningtheory)

置信網(wǎng)絡(luò)(beliefnetwork)

混沌理論(chaotheory)其中進(jìn)化計算包括遺傳算法、進(jìn)化策略和進(jìn)化規(guī)劃等三個分支。

有些研究者認(rèn)為智能計算還應(yīng)當(dāng)包括非線性科學(xué)中的小波分析、混沌動力學(xué)、分形幾何理論、免疫算法(immunealgorithms)、DNA計算、模擬退火技術(shù)(simulatedannealingalgorithms)、多智能體系統(tǒng)(multi-agent)以及粗集(roughsets)理論和云理論(cloudytheory)等。智能計算并不是單一的方法,而是眾多方法和技術(shù)的集合,實(shí)際應(yīng)用中更多的是將多種方法有機(jī)結(jié)合起來,尋求效率的最大化。模糊一詞源于英文Fuzzy,具有“不分明的”或“邊界不清楚”的含義。1965年,美國加利福尼亞大學(xué)扎德(L.A.Zadeh)教授首次提出“模糊集合”的概念,并給出模糊概念的定量表示法,從此誕生了對模糊信息進(jìn)行理論分析和數(shù)學(xué)求解的模糊理論。9.3模糊地理空間數(shù)據(jù)分析自然界的許多現(xiàn)象很難用“是”或“不是”、“對”或“不對”這樣非此即彼的精確語言來描述,地理空間信息分析本質(zhì)上具有某種程度的模糊性。不同土地類型的界線是模糊的;天氣預(yù)報中說的“局部地區(qū)有小雨”,局部地區(qū)指的是哪里,它的邊界有多大?1.模糊集合模糊集合是一組具有連續(xù)隸屬度的元素所組成的集合。在經(jīng)典的集合論中,一個元素x相對于集合S的關(guān)系可表示如下:

而在模糊集合論中,x是否屬于S由0到1之間的數(shù)即屬于的程度用隸屬度來表示,且:

。也就是說,它允許表示一個元素部分地屬于某一集合的情況。9.3.1模糊集合與模糊邏輯例如,利用普通集合理論,難以描述兩種土壤類型間的漸變區(qū)域,因此很難確切地描述土壤類型的空間擴(kuò)展、分布,應(yīng)用模糊集合理論可以解決該問題。把土壤類型定義為一個具有空間擴(kuò)展的集合體,其邊界區(qū)域可以用隸屬度函數(shù)定義一個傳遞區(qū)域,該隸屬度函數(shù)可用于描述空間內(nèi)任何一點(diǎn)屬于該土壤的程度。模糊集合理論在處理不確定性問題時,用自然語言進(jìn)行有關(guān)的空間查詢具有較大的優(yōu)勢。例如要實(shí)現(xiàn)這樣一個查詢,靠近某一監(jiān)測站的范圍在哪里?“靠近某一監(jiān)測站臺”區(qū)域可以用空間域中的模糊子集來描述。模糊集合可以用于處理空間數(shù)據(jù)的不確定性。

模糊邏輯是智能計算的一個重要分支,采用模糊邏輯可以用直觀的規(guī)則代替復(fù)雜的數(shù)學(xué)模型。“模糊邏輯本身絕不模糊”從技術(shù)角度看,模糊邏輯是一種直覺經(jīng)驗和啟發(fā)式進(jìn)行工作且能涵蓋基于模型系統(tǒng)的技術(shù),是一種可以用來設(shè)計、優(yōu)化和相對易于實(shí)現(xiàn)較復(fù)雜系統(tǒng)的有效方法。它既可看作是一種有助于實(shí)現(xiàn)具有魯棒性和可容忍系統(tǒng)缺陷的系統(tǒng)工程法則,也是一種模仿人的思考方式接受不精確不完全信息進(jìn)行推理的技巧。2.模糊邏輯模糊邏輯是由二值邏輯到無限值邏輯的推廣。模糊邏輯不僅將二值邏輯的真假值域從{0,1}擴(kuò)充到閉區(qū)間[0,1],而且還在無限值邏輯中插入了模糊集和模糊關(guān)系。(1)命題的條件、結(jié)論甚至命題本身是模糊的“若水土保持專家系統(tǒng)的智能效果好,則該系統(tǒng)是李四開發(fā)的”,該命題的結(jié)論是二值邏輯,但條件是模糊的;“若遙感圖像是來自陸地衛(wèi)星的,則分辨率是較高的”,該命題的條件是二值邏輯,但結(jié)論是模糊的;“若某幅遙感圖像的分辨率高,則這幅遙感圖像的質(zhì)量好”,該命題中“分辨率高”和“質(zhì)量好”都是模糊的,故命題本身是模糊的。用模糊邏輯處理的幾種情況:(2)事實(shí)和規(guī)則的條件只是近似吻合時的推理這類問題在專家系統(tǒng)中特別突出。因為任何一個專家系統(tǒng)都不可能包括所有規(guī)則,更不可能考慮與規(guī)則近似的特殊規(guī)則。若河流總長度是6300km,則該河流為長江?,F(xiàn)在已知某河流長度為6105km,該如何做出結(jié)論,即“該河流是什么河”這樣的問題就是模糊邏輯所要解決的問題。(3)命題的條件和結(jié)論綴有模糊量詞如果在條件和(或)結(jié)論中帶有諸如很大、很好、能力強(qiáng)、很高這樣一些模糊量詞,二值邏輯將無法處理,只有模糊邏輯能很好地處理這類問題。1.模糊空間信息表達(dá)9.3.2模糊空間信息的表達(dá)與度量圖9.4表示了C地塊是否種植玉米的情況,μx表示種植玉米的隸屬度,μx=1表示完全種植玉米,μx=0表示未種植任何玉米圖9.5C可能全部種植玉米;也可能一半種植玉米,另一半種植高梁;還可能30%種植玉米,70%種植高粱。在經(jīng)典集合論中,可以設(shè)1表示湖泊,0表示沼澤地,如圖9.6(b)所示在模糊集合中,該影像信息分為兩層?xùn)鸥駭?shù)據(jù)來表示,即湖泊層和沼澤層,每層的值表示所在位置具有某類屬性的隸屬度,各層同一位置的隸屬度總和應(yīng)滿足歸一化條件,即為1。元素隸屬于模糊集合的程度可以通過一個一般化的特征函數(shù)來度量,該函數(shù)稱為隸屬函數(shù)。一個模糊集合以隸屬函數(shù)和隸屬度進(jìn)行描述與量化,因此,隸屬函數(shù)是描述模糊概念的關(guān)鍵,是模糊集理論的基石。2.確定隸屬函數(shù)的方法從理論上講,隸屬函數(shù)的確定過程是客觀的,但事實(shí)上現(xiàn)在還沒有一個完全客觀的評定標(biāo)準(zhǔn)。在通常情況下確定粗略的隸屬函數(shù),然后通過“學(xué)習(xí)”和實(shí)踐檢驗逐步修改和完善,已經(jīng)提出和應(yīng)用的確定隸屬度的方法有主觀評分法、模糊統(tǒng)計法、蘊(yùn)含解析定義法、可變模型法、相對選擇法、濾波函數(shù)法及二元對比排序法等。在處理模糊空間信息時,常用主觀評分法和借助模糊分布來確定隸屬函數(shù)。1.模糊單詞在模糊集合論中,通常用隸屬函數(shù)表示模糊單詞。例如,一組監(jiān)測站點(diǎn)離沼澤邊距離為1~10km,距離“近”、“中等”、“遠(yuǎn)”可表示如圖9.9。其中,“遠(yuǎn)”的隸屬函數(shù)為9.3.4模糊查詢模糊查詢語言中有些詞放在另一些單詞前面,用來調(diào)整、修飾原來的詞義,這些詞可看成是一種算子。算子有很多類型,經(jīng)常使用的有語氣算子、模糊化算子和判定化算子。(1)語氣算子:如“極”、“非常”、“相當(dāng)”、“比較”等,放在另一些詞前面,可以修飾這些詞的肯定程度;(2)模糊化算子:“大概”、“近乎”、“大約”等詞綴在一個單詞前面,可以把該詞的意義模糊化;(3)判定化算子:“偏向”、“多半是”、“傾向于”等詞的作用為化模糊為比較粗糙的判斷,故稱為判定化算子。結(jié)構(gòu)化查詢語言SQL是標(biāo)準(zhǔn)的關(guān)系查詢語言,其一般形式為:SELECT<字段名>FROM<表名>WHERE<查詢條件>2.模糊擴(kuò)展SQL表達(dá)例如,某區(qū)域水庫狀況的數(shù)據(jù)庫文件如表9.3所示。若查詢集雨面積為320km2、總庫容為3.54億m3、年均發(fā)電量為4200萬千瓦時的水庫,用標(biāo)準(zhǔn)SQL可表示如下:SELECT水庫FROM表9.3WHERE集雨面積=320AND總庫容=3.54AND年均發(fā)電量=4200查詢結(jié)果為{水庫3}。若要查詢集雨面積較大、總庫容約為3.5億m3、年均發(fā)電量偏低的水庫,用模糊擴(kuò)展SQL可表示如下:SELECT水庫FROM表9.3WHERE集雨面積=‘較大’AND總庫容=‘約3.5’

AND年均發(fā)電量=‘偏低’模糊查詢的關(guān)鍵是如何將模糊擴(kuò)展SQL查詢語言轉(zhuǎn)化為標(biāo)準(zhǔn)SQL形式。主要有兩種轉(zhuǎn)化方法:(1)正向法按查詢條件將要查詢的字段值代入相應(yīng)的隸屬函數(shù)中,計算出隸屬度表,設(shè)定總隸屬度閾值,再進(jìn)行隸屬度查詢。(2)反向法通過給定一個隸屬度的值,計算出該隸屬度閾值相應(yīng)字段的取值范圍,再將該取值范圍取代原來字段應(yīng)滿足的“模糊”條件。3.模糊查詢的實(shí)現(xiàn)①解譯擴(kuò)展SQL語句,將SELECT和FROM部分原封不動地拷入相應(yīng)的標(biāo)準(zhǔn)SQL;②提取擴(kuò)展SQL語句中的WHERE部分,將其存入一字符串;③對該字符串進(jìn)行解譯,提取出每一字段名和等號后字符串部分。逐一顯示字段名和字段名后的字符串部分,由用戶選擇適當(dāng)?shù)碾`屬函數(shù)。若系統(tǒng)中缺乏合適的隸屬函數(shù),用戶可以自行鍵入。然后,由用戶給出適當(dāng)?shù)碾`屬閾值,系統(tǒng)將自動計算出相應(yīng)的字段取值范圍并取代等號后的字符串部分,再通過AND和OR組成標(biāo)準(zhǔn)SQL的WHERE語句。具體實(shí)現(xiàn)步聚如下:地理現(xiàn)象和過程的非平衡性、多尺度性、層次性、不確定性、自相似性、隨機(jī)性、交互性等特點(diǎn)決定了地理空間是一個復(fù)雜性系統(tǒng)。研究具有描述、模擬空間復(fù)雜現(xiàn)象的新一代空間分析模型,是地理學(xué)重要課題之一。非線性理論和方法對于模擬和揭示具有非線性、自組織性、開放性等特征的地理復(fù)雜系統(tǒng)及其規(guī)律具有明顯的優(yōu)勢。9.4基于人工神經(jīng)網(wǎng)絡(luò)的地理空間問題模擬人工神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用類似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型。在工程與學(xué)術(shù)界也常直接簡稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是一種運(yùn)算模型,由大量的節(jié)點(diǎn)(或稱神經(jīng)元)和之間相互聯(lián)接構(gòu)成。每個節(jié)點(diǎn)代表一種特定的輸出函數(shù),稱為激勵函數(shù)(activationfunction)。每兩個節(jié)點(diǎn)間的連接都代表一個對于通過該連接信號的加權(quán)值,稱之為權(quán)重,這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)的連接方式,權(quán)重值和激勵函數(shù)的不同而不同。而網(wǎng)絡(luò)自身通常都是對自然界某種算法或者函數(shù)的逼近,也可能是對一種邏輯策略的表達(dá)。又稱為人工神經(jīng)系統(tǒng)(ArtificialNeuralSystem,ANS)、神經(jīng)網(wǎng)絡(luò)(NeuralSystem,NN)、自適應(yīng)系統(tǒng)(AdaptiveSystems)、自適應(yīng)網(wǎng)(AdaptiveNetworks)、聯(lián)接模型(Connectionism)等。它是一個并行的分布處理結(jié)構(gòu),由多個處理單元及其聯(lián)結(jié)的無向訊號通道互連而成。這些處理單元(ProcessingElement,PE)具有局部內(nèi)存,并可以完成局部操作。每個處理單元有一個單一的輸出聯(lián)結(jié),這個輸出可以根據(jù)需要被分支成希望個數(shù)的許多并行聯(lián)結(jié),且這些并行聯(lián)結(jié)都輸出相同的信號,即相應(yīng)處理單元的信號大小不因分支的多少而改變。人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)基于人工神經(jīng)網(wǎng)絡(luò)的地理分類問題一般可在GIS中建立空間信息庫,選取樣本數(shù)據(jù),訓(xùn)練Kohonen’sSOM,然后對“未知”樣本進(jìn)行分類預(yù)測和容錯檢驗。Kohonen’sSOM(自組織人工神經(jīng)網(wǎng)絡(luò)模型)模型憑藉較強(qiáng)的識別能力、處理非線性問題的適應(yīng)性更適合于多因子非線性判別分類問題,即使輸入信息誤差增大,模型也不會引起分類的錯誤。(1)初始化:定義數(shù)據(jù)源幾何維度和神經(jīng)元陣列的大小;(2)每個神經(jīng)元有一個權(quán)重向量(Weight),設(shè)定這些權(quán)重的初始值;(3)選擇一個數(shù)據(jù)案例,該案例包含變量值并且對數(shù)據(jù)應(yīng)用任何相關(guān)的度量噪聲;(4)尋找距離該數(shù)據(jù)案例最近或與該數(shù)據(jù)案例最相似的神經(jīng)元;(5)調(diào)整所有獲勝神經(jīng)元拓?fù)溧徲虻臋?quán)重;(6)化簡學(xué)習(xí)參數(shù)和鄰域權(quán)重;(7)重復(fù)(3)~(6)步直至收斂,通常需要運(yùn)算100000至1000000次甚至更多;(8)標(biāo)注神經(jīng)元,檢查

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論