基于地理实体特征的bp网络推理方法分析及应用-analysis and application of bp network reasoning method based on geographic entity features.docxVIP

桂林理工大学硕士 学位论文 优秀毕业论文 精品参考文献资料  I 摘 要 随着 GIS 分析工作中数据采集技术的快速发展和空间分析推理的要求越来越高，传 统 GIS 空间分析方法难以对迅速增长的时空数据进行全面、细致的分析，因此结合人工 智能数据分析方法研究海量复杂地理信息数据的推理已成为 GIS 领域研究的热点问题 之一。本文针对地理实体数据中隐含信息推理困难等问题，从地理实体数据的构成着手， 采用 BP 神经网络方法对地理实体数据隐含的规律进行分析，建立基于地理实体时空特 征的 BP 网络的实体状态预测推理模型。实现了地理实体空间数据、属性数据的标准化、 一体化组织，并解决了在 GIS 领域中采用神经网络方法进行推理模型构建的问题。主要 研究内容有以下几个方面： （1）分析地理实体信息推理方法的国内外研究现状。在论述地理实体数据组织方 法的研究现状和时空数据推理方法的研究现状基础上，比较了地理实体不同的认知方法 并确定了适合于本文研究内容的认知方法。研究分析了实体数据推理的神经网络方法的 基础，确定本文采用的神经网络类型。 （2）对地理实体数据进行分析和定义，化简并标准化地理实体的时空数据，并映 射成一体化的形式，使其能够较好的在数学模型中进行处理。结合 BP 网络对时空数据 抽象得出的高维空间数据进行插值拟合，解决地理实体数据在 BP 网络推理模型处理过 程中地理实体数据与 BP 网络输入要求不匹配的问题。 （3）在对地理时空数据有效组织的基础上，探讨以地理实体时空数据推理为主的 BP 网络推理模型的设计，主要包括数据推理方法、BP 推理算法及模型、推理机的设计 等内容。 （4）结合地理实体数据构成和 BP 网络推理模型，以水环境分析中水体质量推理为 应用方向，设计地理实体信息推理模型的数据架构及数据库，最后以简单的示例实现了 推理过程。 本文对地理实体的空间数据及数值型属性数据的构成进行研究，简化复杂地理实体 的构成并对地理实体时空数据进行标准化、一体化组织，解决了由于不同地理实体数据 结构不同进而引发的推理模型适应性不强的问题。在此基础上，使用 BP 网络对??体化 组织的地理实体时空属性数据进行分析，进而发掘其中隐含的规律，建立基于 BP 网络 的推理模型，为地理实体数据推理的推理及决策支持研究提供新的思路。 关键词：地理实体认知，一体化，BP 网络，推理  桂林理工大学硕士 学位论文 桂林理工大学硕士 学位论文 V IV Abstract With the development of data gathering technology of GIS analysis, it is difficult to conduct a comprehensive and meticulous analysis of the fast-growing spatiotemporal data with traditional spatial analysis function of GIS, thus studying immerse amounts of geographical information data with AI (artificial intelligence) data analysis method has been one of the hot topic in GIS field. For the uncertain and potential questions of difficult knowledge inference on the geographical entity data and starting with the composition of geographical entity data, this thesis analyzes the implied rules of geographical entity data with the BP neural network approach, extracts the useful information to predict the future state of geographical entity, and then constructs the knowledge inference model in entity state based on BP network. It solves the problems that apply integrative organization and artificial neural network method of geographical spa