基于模糊自组织神经网络的土地用途分区研究.pdfVIP

第 3O卷 ， 第 6期 圄土 活科技 笤理 Vo1．30．No．6 2013年 l2月 15 日 ScientificandTechnologicalManagementofLandandResources Dec．15，20l3 基于模糊 自组织神经网络的 土地用途分区研究 袁 满，刘耀林 ，危小建 (武汉大学 资源与环境科学学院，湖北 武汉 430072) 摘 要 ：传统土地用途分 区方法存在人为主观 因素影响较大 、操作性不强且过于粗略等缺 陷。为 了克服 上述不足，将模糊 自组织神经 网络算法引入土地用途分 区问题 中，建立用途分 区模 型 ，构建分 区问题与 神经网络的映射关系，设计了顾及空间及属性的聚类距离，并制定了用途分区确定规则。实验选取湖北 省陆溪镇 以验证模型的有效性 。结果表 明模型合理地划分 了基本农 田保护区、一般农地 区、林业用地 区、城镇建设用地区、乡村建设用地 区、独立工矿 区、水区域 7个土地用途 区，分区结果与农用地分等定 级结果基本相符 ，模型能够有效提高用途分区的确定效率 。 关键词 ：土地利用规划 ；用途分 区；模糊 自组织神经 网络 ；空间聚类 中图分类号 ：F30l 文献标志码 ：A 文章编号 ：1009—4210(2013)06 074—07 土地用途分区是指依据土地资源的特点 、社会 入了禁忌遗传混合智能优化算法 ，提出GIS辅助下 经济发展需要和上级规划的要求 ，按照统一的土地 的土地用途分 区计算模式 。Iiu等 依据土地利用 利用管制规则划分土地用途区l】]。土地用途分区是 优化配置 问题的解决思路 ，建立了基 于多 目标微粒 土地利用总体规划的核心问题 ，科学合理的分 区对 群算法的土地用途分 区模型。牛继强 建立 了面 向 指导土地规划工作意义深远 ]。传统的土地用途分 土地用途分区的空间数据挖掘框架 ，应用混沌免疫 区方法主要包括德尔菲法 、指标法 、因素 限制法 、叠 克隆选择算法解决土地用途分区问题。 图法等 ，这些方法在具体的土地用途分 区问题中具 通过 以上研究发现 ，土地用途分 区本质上是一 有一定 的科学性 ，但受主观因素影响较大，操作性不 个组合优化问题 ，空间聚类是解决组合优化问题的 强且过于粗略 ，不能满足土地利用管理实际工作的 典型方法 ，因此在土地用途分区中可使用聚类方法 。 要求 ，有明显缺陷 ]。近年来，许多学者将智能算 空间聚类是在海量空问数据集中通过度量空间实体 法与 GIS相结合 ，用以解决土地用途分区问题 ，取 问的相似程度 ，来逐步为空间实体划分类别 ，使类间 得了一定的成果 。苏黎兰 在土地用途分区领域引 差异最大而类内差异最小[7J。传统的聚类方法有一 收稿 日期 ：2013—05—20 基金项 目：武汉大学博士研究生 自主科研项 目(2012205020213) 作者简介 ：袁 满 (1989一)，男 ，博士研究生 ，从事智能地理计算研究 。 第 6期 袁 满，等：基 于模糊 自组 织神经 网络的土地 用途分 区研究 定的局限性 ，如对输入参数敏感 (K均值聚类)、聚类 它与该类聚类中心的距离，用公式 (1)计算样本属于 精度低(网格类算法)、收敛速度慢容易早熟(遗传算 各类的隶属度 ；并根据公式(2)计算学习速率Olij。 法)等。因此 ，本文面向空 间数据 的海量、高维等复 1