第六章土地信息系统的应用模型-四川农业大学课程解释.pptVIP

第六章 土地信息系统的应用模型;本章要点;§1　土地评价数学模型;任一土地质量LQ与土地因素特征的关系可以用下列关系式表示： （LIS:p158;);在土地评价方法中应用得比较广泛的方法主要涉及数理统计、模糊数学、灰色系统等方面的数学模型与方法。;在土地评价中应用较广泛的数学方法有：主成分分析、关联度分析、模糊集合综合评价、聚类分析、层次分析、模糊神经网络方法、土地定级估价模型等。 ;§6.1数理统计模型;§6.1.1主成分分析法; 这样决定的综合指标z1，z2，…，zm分别称做原指标的第一，第二，…，第m主成分。其中z1在总方差中占的比例最大，其余主成分z2，z3，…，zm的方差依次递减。 ;§6.1.2　层次分析法; 比较n个因素y=|y1, y2,… ,yn|对门标z的影响，确定它们在z中的比重，每次取两个因素yi和yj，用aij表示yi与yj对z的影响之比．全部比较结果可用矩阵A=(aij)nxn表示，A叫做??对比矩阵，它应满足： aij0，aji=1/ aij(i,j=1,2, … ,n) 使上式成立的矩阵称互反阵，不难看出必有aij =1。; 聚类分析法在土地评价单元中是应用比较广泛的一种数学方法。 　　聚类分析的主要依据是把相似的样本归为一类，而把差异大的样本区别开来。在由m个变量组成的m维的空间中，可以用多种方法定义样本之间的相似性和差异性统计量。它是一种定量方法，从数学分析的角度，给出一个更准确、细致的分类。;Q模式系统聚类分析 R模式系统聚类分析 模糊聚类分析 图论聚类分析 灰色聚类分析 ;Q模式系统聚类分析; 设原始数据矩阵，其中：i=1,2,…,n; k=1,2,…,m;n为样品数，m为变量数。将X矩阵均值记为Xk，列标差为Sk。其数据处理方法有以下几种可供选择： 数据中心化 设与变量Xik相应的变换后的变量记为X′ik ，则数据中心化为：;对数变换;　明考夫斯基距离 设d代表距离，下角标表示土地单元序号，第i个和第j个土地单元之间的距离dij（q）定义为：;当q=1时，称为绝对距离，记为： 当q=2时，称为切比雪夫距离，记为： 当q=∞时，称为切比雪夫距离，记为：; 兰氏距离 仍采用上述条件，定义为： *该距离仅适用于一切Xij同号的情况，距离越小，关系愈密切。; 判别分析依其判别类型的多少与方法的不同，可分为两类判别、多类判别和逐步判别等。 通常在两类判别分析中，要求根据已知的地理特征值进行线性组合，构成一个线性判别函数Y，即： Y= c1*x1+c2*x2+…+ck*xp; 式中，ck（k＝1，2，…，m）为判别系数，它可反映各要素或特征值作用方向、分辨能力和贡献率的大小。只要确定了ck，判别函数Y也就确定了。在确定判别函数后，根据每个样本计算判别函数数值，可以将其归并到相应的类别中。常用的判别分析有距离判别法、Bayes最小风险判别、费歇准则判别等等。;§6.1.5关联度分析法;关联系数　灰色系统理论中做了明确的定义：对于一个参考数列X0有好几个比较数列X1 ，X2 ，…，Xn的情况，可以用下述表示个比较曲线与参考曲线在各点（时刻）的差。; 是第K个时刻比较曲线与参考曲线的相对差值，这种形式的相对差值称为对在K时刻的关联系数。; 关联系数的个数很多，信息过于分散，不便比较，为此有必要将各个时刻关联数集中为一个值，这个值便是关联度，其中一般表达式为：;§6.1.6　模糊集合综合评价法;评价等级论域U 设评价等级有n个，其评价等级论域U可以表示为： 评价因素论域V 设有m个评价因素，评价因素论域V表示为： 每个评价因素中又包含k个评价因子（子因素）即; 模糊评价矩阵R 在规定好评价论域之后，便可以根据评价等级论域U和评价因素论域V之间存在的模糊关系，建立模糊评价矩阵R，即：; 式中，rij(0≤rij≤1)，表示第i个评价等级因素ri隶属于j等级Vj的等可能程度，即隶属度；rij数值的求得需建立隶属模型。;Landuse Layout Model; 线型规划模型的目标函数和约束条件均是线性的。设有n个变量m个约束条件，则线型规划模型常见形式如下： 目标函数为： maxz=c1x1+ c2x2+…+ cnxn 约束条件为：;式中，aij——系数i=1,2,…,m;j=1,2,…,n） bj——常数（i=1,2,…,m） ci——目标系数（i=1,2,…,n） ;§6.2.2灰色线型规划方法p182-185;平均增长法;式中：N——规划年人口数 N0——基本年人口数 K——年平均增长率 N——规划年到基本年