面向计算智能的土地适宜性评价模型.pdfVIP

第! 卷 第# 期 武 汉 大 学 学 报 ·信 息科 学 版 ;(= ! (= # $% 年# 月 ’()*+,-. */0 1/2(3)*+,(/ 4-,’/-’ (2 567*/ 8/,9’3.,+: ?@3= $% 文章编号：CEB CADDE （$% ）#A$D!A% 文献标志码：? 基于计算智能的土地适宜性评价模型 C，$ C，$ 刘耀林 F 焦利民 （CF 武汉大学资源与环境科学学院，武汉市珞喻路C$G 号，#!BG ） （$F 武汉大学教育部地理信息系统重点实验室，武汉市珞喻路C$G 号，#!BG ） 摘F 要：将计算智能理论引入土地评价领域，构建了一个全新的土地适宜性评价模型。首先基于模糊逻辑和 人工神经网络构造了一个模糊神经网络模型，然后采用改进的遗传算法进行训练，能够快速收敛到最优解，对 初始的规则库进行修正，形成了一个自学习、自适应的评价系统。 关键词：土地适宜性评价；计算智能；模糊神经网络 中图法分类号： H$B! F F 常用的土地适宜性评价方法按照推理机制可 透明，采用遗传算法训练。 分为两大类：一是基于知识和规则的数理逻辑推 理，包括经验指数和法、模糊综合评判方法 ! 模糊神经网络模型构造 等［C，$ ］；二是基于自学习、自适应系统的样本学习 机制，如人工神经网络方法［$ ，! ］。模糊神经网络 != ! 模型设计思路 是一种两者相结合的新方法，它融合了模糊逻辑 按照不同的应用目的和设计思想，可以设计 和人工神经网络技术，如利用模糊神经网络进行 不同结构的模糊神经网络，但本质上都是模糊推 系统故障诊断［# ］ ［% ］ 、遥感图像分类 等。模糊神经 理技术和神经网络技术的结合。本文依据模糊综 网络在土地评价方面的研究正处于探讨阶段，并 合评判的思想来构造模糊神经网络模型。应用模 取得了一些成果［E ］。上述各种方法用于土地适 糊综合评判方法进行土地适宜评价的基本过程 宜性评价存在的主要问题是： 基于知识的逻辑 是：首先建立参评因子对每个适宜性等级的隶属 ! 推理方法不具有自学习性，对知识的依赖使得该 函数（一般采用高斯函数），并计算隶属度，建立 类方法受人为影响较大； 神经网络方法不能有 参评因子对各等级的隶属度矩阵；用权重系数表 效地利用已有的专家知识，并且其推理过程过于 示参评因子对土地适宜性的影响程度，构成权重 复杂，对其获取的规则进行解释很困难； 现有 矩阵。然后将权重矩阵与隶属度矩阵进行乘积运 # 的模糊神经网络模型，如通用模糊神经网络模型 算，得到一个综合评价矩阵，表示该土地单元对每 等，当系统输入变量较多、模糊集划分较多时，则 一个适宜性等级的隶属度，根据最大隶属度原则 会产生规则组合爆炸，导致系统过于庞大以致于 确定最终评判结果。因子隶属函数如图C 所示。 在现有的软硬件环境下无法正常工作，称为“规 下面设计模糊神经网络实现该过程的三个基本步 则灾”问题；文献［E ］提出的模糊神经网络模型虽 骤：计算单因素的隶属度、多因素隶属度的加权计 然避免了规则爆炸，但算法比较复杂，且具有一定 算、评判结果