土地信息系统的应用模型.pptVIP

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） Application model of land information system §2 土地利用规划模型 §1 土地评价数学模型 §3 人口、土地需求预测模型 §4 土地利用变化模型 §1　土地评价数学模型 数学方法在土地评价结果中的应用，其本质是通过建立土地质量与影响土地质量的土地因素之间的数学模型，对土地进行分类与评价。 Mathematical model for land evaluation 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;) 式中：A、B、C——与土地质量LQ相关的土地特性的特征值。 其具体关系式取决于土地特性对土地质量的影响方式，要依靠土地评价中的定性分析来加以确定。因此，在一定意义上，数学方法在土地评价中的应用，是定性方法与定量研究相结合进行的土地评价。 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。 数学方法在土地评价中的应用 Mathematical model for land evaluation p158-169 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 Mathematical stastical model 数理统计分析主要用于数据分类和综合评价，数据的分类和评价问题通常涉及大量的相互关联的地理因素。 主成分分析法 层次分析法 系统聚类分析法 判别分析法 §6.1.1主成分分析法 设有n个样本，户个变量。将原始数据转换成一组新的特征值——主成分，主成分是原变量的线性组合且具有正交特征。即将x1，x2，…，xp综合成m（m＜p）个指标z1，z2，…，zm，即： z1=l11*x1+l12*x2+…+l1p*xp z2=l21*x1+l22*x2+…+l2p*xp … … zm=lm1*x1+lm2*x2+…+lmp*xp Principal Component Analysis 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。 主成分分析法(续） Principal Component Analysis §6.1.2　层次分析法 在土地信息系统中，有许多相关因素并无定量指标，因素之间的相互影响只是定性描述。 层次分析(AHP)法是把相互关联的因素按隶属关系分出层次，逐层进行比较，对各关联因素的相对重要性给出定量指标，从而将定性分析转化为定量计算。这种方法可为系统分析和决策提供定量依据。 Analytic Hierarchy Process 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叫做成对比矩阵，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。 层次分析法（续） Analytic Hierarchy Process 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。 §6.1.3聚类分析法 Analytic Classification Process 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 聚类分析分类 Q模式系统聚类分析 表示样品之间相似的指标； 对于包含多个样品之间的相似程度，规定一种表示方法； 将原来的类合并为新类； 将逐次并类的过程用图形形象地表示出来。 设原始数据矩阵，其中：i=1,2,…,n; k=1,2,…