论文部分内容阅读
地理信息系统在现代社会中的作用越来越重要,这主要是因为地理信息系统不仅可为我们提供丰富的空间信息,而且通过其强大的空间分析能力为决策提供支持信息。地理信息系统为决策支持提供了强大的数据输入、存储、检索、显示的工具,但在分析模拟和推理方面的功能还比较薄弱,本质上是一个数据丰富但知识贫乏的系统,在解决复杂空间决策问题上缺乏智能推理功能。所以,为解决复杂的空间决策问题,需要在地理信息系统的基础上开发智能决策支持系统(Intelligent Spatial Decision Support Systems,简称ISDSS),用于数据获取、输入、存储、分析和输出;用于知识表达与推理;用于自动学习、系统集成、人机交互。它应该能够对结构化或非结构化的知识进行表达与推理。该系统应该以人工智能和知识工程作为知识表达和推理的手段;以软件工程作为系统开发和管理的工具;以空间信息系统作为数据处理和显示的基础框架,并使以上各部分以无缝的方式结合在一起,构成一个完整的空间决策支持系统 对于ISDSS来说,符号方法仍是一种重要的知识表达与推理手段。而对于具有大规模并行分布式结构的知识来说,采用人工神经元网络方法则会比符号方法有较大的优越性。不管ISDSS应用符号方法、神经网络或者混合方法,制约ISDSS发展的瓶颈都将是空间知识的自动获取。从空间数据库中发现(学习)知识的能力是衡量一个ISDSS成功与否的重要标志。因此研究人工神经元网络以及其它智能方法在空间知识的获取、表达以及推理中的应用,对于解决上述问题具有重要意义。本文针对人工神经元网络在空间智能决策支持系统中的应用进行了研究,主要工作有如下几方面: 1.人工神经元网络用于空间数学模型的建立 包含隐含层的BP网络模型,可以以任意精度逼近任何连续函数,因此该网络模型在GIS空间数据模型建立中具有重要的应用价值,是GIS应用领域建立空间数学模型的有效工具之一。采用人工神经网络,可以在有很少或没有关于待建模型先验知识的情况下,通过对样本知识的学习,建立变量之间的依赖关系,并且只要样本数据之间存在某种依赖关系,人工神经元网络就一定可以通过训练得到,否则神经网络不会收敛。这一点是常用的回归方法所不能比拟的。本文把人工神经元网络用于空间数学模型的建立,并在模型建立过程中引入关键神经元的概念,从而使网络减少冗余结点,使其能更好地反映空间要素之间的依赖关系。 2.人工神经元网络用于空间知识的表达与推理 知识的表达与推理是建立智能系统的关键问题。一个智能系统为了能够理解和对问题进行推理,该系统需要掌握有关该领域的先验知识。因为空间决策支持系统是一个用于空间推理的智能系统,所以空间知识的表达与推理具有非常重要的地位。文中对知识的常规表达与推理方法进行了介绍,并提出基于神经网络的知识表达与推理方法,由于具有较强的容错能力、大规模并行处理能力和自学习能力,因此将是对常规方法在空间决策支持系统中应用的一个替代或强有力的一个补充。文中对采用人工神经元网络表达确定或不确定空间知识进行了研究,引入了模糊神经网络用于实现不确定性空间知识的表达与推理,并经实例验证,认为这是一种可行的方法。3.人工神经元网络用于空间数据挖掘与知识发现 空间知识是构成智能空间决策支持系统的关键要素,同时也是智能空间决策支持系统的瓶颈所在,因此获取空间知识就成了建立空间决策支持系统的主要任务。空间数据挖掘与知识发现技术正是为满足这一需求而产生的。在空间数据库中,可以挖掘的空间知识种类很多,可用的方法也比较多。在空间数据挖拥方法中,统计学原理是其中使用的主要方法。统计学力一法存在的问题是要求数据附台一定的统计分布规律,同时算法所需要的上作量也较大。人[神经网络和机器学习为解决上述问题注入了新的思想和算法。文中把人工神经网络用于空间数据的聚类分析,并引入了一种具有动态结构的神经网络GSOM网络,由于GSOM可以通过自动生长新的神经元和删除冗余的神经元,来实现网络输出结构的自动选择,因此用于空间聚类分析时,效果较好,可以较好地解决空间数据库中高维数据的自动聚类问题。在空间聚类分析中,使用GSOM,可以实现在没有太多人工干预的情况下,实现自动聚类。