（大地测量学与测量工程专业论文）基于神经网络模型的土地利用变化模拟.pdf

山东科技大学硕士学位论文 摘要 摘要 在全球环境变化研究中，土地利用覆被变化( l u c c ) 越来越被认为是一个关键而迫 切的研究课题，其中模拟和预测土地利用变化是区域分析和评价l u c c 的核心部分。本 文根据研究区域的实际情况，提出用人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) 来模 拟和预测土地利用变化。a n n 是一种分布式人工智能系统，它能够处理复杂的非线性问 题。构造a n n 是本文研究的重点，它们主要包括输入变量的预处理方法的选择、隐藏 层神经元数目的确定、如何初始化网络的自由参数和学习样本的选择方法。本文在比较 分析了有关a n n 设计的方法的基础上，通过反复试验构造了模拟土地利用变化的a n n 模型。 本文用构造的a n n 模拟和预测了泰安市泰山区和岱岳区的土地利用变化，取得了 较好的效果。首先，用e r d a s 处理了两期研究区域遥感数据，分别把它们作为当年的土 地利用( 1 9 8 7 ，2 0 0 2 ) 。然后，利用g i s 空间分析的方法，获得了研究区域内引起土地利 用变化的空间变量，作为人工神经网络的输入变量。最后，以1 9 8 7 年土地利用作为初始 状态，模拟了2 0 0 2 年的土地利用，对比模拟的土地利用和实际的地利用的差别，获得 对比结果的混淆矩阵，其总体模拟精度达到了7 5 。 论文最后总结了人工神经网络模型在预测土地利用变化问题上的特点和不足，以及 a n n 和g i s 结合方法。 关键字：土地利用变化，地理信息系统，遥感，人工神经网络 山东科技大学硕十学位论文摘要 a b s t r a c t l a n du s ea n dl a n dc o v e rc h a n g e sa r ec r u c i a la n du r g e n tr e s e a r c hs u b j e c t si n g l o b a l e n v i r o n m e n tc h a n g e sr e s e a r c h s i m u l a t i n ga n dp r e d i c t i n gl a n du s e c h a n g e si st h ec o r ep a r ti n l u c ca s s e s s m e n ta n dl o c a la n a l y s i s t h e s i sp u t sf o r w a r dam e t h o dt os i m u l a t el a n du s e c h a n g e sb yu s i n ga r t i f i c i a ln e u r a ln e t w o r k ( a n n ) t h ea r c h i t e c t u r eo fa n n i st h ei m p o r t a n t p a r ti nt h et h e s i s ，s u c ha ss e l e c t i n gt h em e t h o df o rp r e t r e a t m e n to fi n p u t s ，c o n f i r m i n gt h e n u m b e ro f h i d d e nl a y e r , s e l e c t i n gt h em e t h o df o ri n i t i a l i z i n gt h ep a r a m e t e r so fa n na n dt h e m e t h o do fs e l e c t i n gs t u d ya r e a t h e s i sc o n s t r u c t sa n nm o d e l st os i m u l a t el a n du s ec h a n g e s b yt r i a la n de r r o ro nc o m p a r i n gt h em e t h o d so f c o n s t r u c t e da n n t h e s i ss i m u l a t e sa n dp r e d i c t sl a n dl l s ec h a n g e si nt a i a nc i t yo ft w oc o u n t i e st a i s h a na n d d a i y u eb yu s i n gc o n s t r u c t e da n n t w or si m a g e s ( 1 9 8 7 ，2 0 0 2 ) a r ec o n v e r t e di n t ol a n du s e i m a g e sb yu s i n ge r d a s a n ni n p u t st h a tc a na f f e c tl a n du s ec h a n g e sa r eg e n e r a t e db yu s i n g g i s t h es i m u l a t i o nw a se x e c u t e db yu s i n gt h el a n du s ei n19 8 7a si n i t i a l 鲥d s i m u l a t i n g l a n du s ep a t t e r n si n2 0 0 2 t h es i m u l a t i o ni sq u i t ea c c e p t a b l ew i t ho v e r a l la c c u r a c yo f7 6 b y u s i n gc o m p a r i n gt h es i m u l a t e da n da c t u a ll a n du s e si n2 0 0 2 a tl a s t ，t h e s i sp u t sf o r w a r dt h ec h a r a c t e r sa n dl i m i t a t i o ni ns i m u l a t i n gl a n du s ec h a n g e s b yu s i n ga n n a n dp u t sf o r w a r dt h em e t h o d st h a ti n t e g r a t i n gg i sa n da n n k e yw o r d s ：l a n du s ec h a n g e s ，g i s ，r s ，a n n 声明 本人呈交给山东科技大学的这篇硕士学位论文，除了所列参考文献和世所 公认的文献外，全部是本人在导师指导下的研究成果。该论文尚没有呈交于其 它任何学术机关作鉴定。 研究生签名： a f f i r m a r r i o n 同样文 p f 。6 。1 0 id e c l a r et h a tt h i sd i s s e r t a t i o n ，s u b m i t t e di nf u l f i l l m e n to ft h er e q u i r e m e n t s f o rt h ea w a r do fm a s t e ro fp h i l o s o p h y , i ns h a n d o n gu n i v e r s i t yo fs c i e n c ea n d t e c h n o l o g y , i sw h o l l ym yo w nw o r ku n l e s sr e f e r e n c e so fa c k n o w l e d g e t h e d o c u m e n th a sn o tb e e ns u b m i t t e df o rq u a l i f i c a t i o na ta n yo t h e ra c a d e m i c i n s t i t r i t e s i g n a t u r e ：忉嘞叉 d a t e ： m 6 。lo 山东科技大学硕士学位论文 绪论 1 绪论 1 1 土地利用覆盖变化的研究意义 国民经济飞速发展，使资源的利用在数量、种类和程度上产生了越来越广泛而深刻 的影响，土地资源的利用方式与资源类型构成已经发生了深刻变化，由此所引发和产生 的资源紧张和生态环境保护问题日见突出，得到了国内外的广泛关注，而且直接影响着 国民经济的可持续发展。尤其我国自从改革开发以后，大量的农业用地被建设用地所取 代，加上我国西北地区的土地沙漠化严重，直接导致了我国生态环境的恶化。因此如何 合理利用现有的土地资源成为我国可持续发展的重要课题。研究土地利用覆盖变化成为 当前重要研究课胚。 土地利用覆盖变化研究是全球环境变化研究的一个重要方面，同时也是从自然和社 会经济两方面综合研究全球和区域环境变化的突破口之，是地理学综合研究的国际性 前沿课题，在全球环境变化问题中，土地利用覆盖变化可以说是自然与人文过程交叉最 密切的问题“1 。它不仅需要大尺度的宏观研究，而且需要中小尺度研究加以配合。地理 学的区域性和综台性特点，为土地利用覆盖变化研究的开展提供了坚实的基础。我国地 域辽阔，自然环境和社会经济发展的空问差异显著，这就决定了土地资源的利用方式、 区域土地利用结构、土地利用程度具有明显的区域差异。选择较小空间范围的典型地区 进行区域综合性和空间差异性研究，是深入分析土地利用土地覆盖时空变化规律、及其 驱动机制的有效手段。开展这方面的研究不仅可以为地方经济发展提供决策支持，而且 对十丰富全球土地利用变化研究具有重要意义。 1 2 土地利用覆盖变化的研究内容 进入9 0 年代阻来全球环境变化研究领域逐渐加强丁对土地利用土地覆盖变化的 研究。这主要与该领域具有垒球影响的两大组织一i g b p 和i h d p 的推动有关。这两组织 之所以积极推动这方面的工作，其原因有二，首先，土地利用覆盖变化在全球环境变化 和可持续发展中占有重要的地位。人类通过对与土地有关的自然资源的利用活动，改变 地球陆地表面的覆盖状况，其环境影响不只局限于当地，而有可能影响到全球，而土地 覆盖变化对区域水循环、环境质量、生物多样性及陆地生态系统的生产力和适应能力的 影响则更为深刻。其次，地球系统科学、全球环境变化及可持续发展涉及到自然和人文 影响则更为深刻。其次，地球系统科学、全球环境变化及可持续发展涉及到自然和人文 些查型垫盔兰堡主兰垡堡苎 一! 堕 多方面的问题，在这些方面加强自然与社会科学的综合研究，己成为两大学科领域众多 学者的共识。在全球环境变化问题中，土地利用覆盖变化可以说是自然与人文过程交叉 最密切的问题。 这两令组织自1 9 9 0 年起开始积极筹划全球性综合研究计划，于1 9 9 5 年共同拟定并 发表了土地利用土地覆盖变化科学研究计划旧，指出l u c c 计划研究的基本目标是 提高对全球土地利用和土地覆盖变化动力学( 动态过程) 的认识，并着重提高预测土地利 用和土地覆盖变化的能力。具体包含四个目标：一是更好地认识全球土地利用和土地覆盖 的驱动力；二是调查和描述土地利用和土地覆盖动力学中的时空分布性；三是确定各种 土地利用和可持续性间的关系；四是认识土地利用覆盖变化、生物地球化学和气候之的 相互关系。提出3 个研究重点： ( 1 ) 土地利用变化的机制。通过区域性案例的比较研究，分析影响土地使用者或管理 者改变土地利用和管理方式的自然和社会经济方面的主要驱动因子，建立区域性的土地 利用覆盖变化的经验模型； ( 2 ) 地覆盖变化的机制。着眼于通过遥感图像分析，了解过去2 0 年内土地覆盖的 时间和空间变化过程，并将其与驱动因子联系起来，建立解释土地覆盖时空变化和推断 未来1 0 2 0 年的土地覆盖变化的经验诊断模型： ( 3 ) 建立区域和全球尺度的模型。建立宏观尺度的，包括与土地利用有关的各经济部 门在内的土地利用1 地覆盖动态模型，根据驱动因子的变化来推断土地覆盖未来 ( 5 0 1 0 0 年) 的变化趋势，为制定相应对策和全球环境变化研究任务提供可靠的科学依 据。 由于土地利用覆盖变化的机制对解释土地覆盖的时空变化和建立土地覆盖变化的 预测模型起关键作用，是整个全球环境变化研究计划对土地利用覆盖变化项目的要求， 因而是l t c c 研究的焦点。但在进行区域性的土地利用覆盖变化研究时，由于驱动因子 和土地利用土地覆盖系统的变化机制是极为复杂的，而且变化的空间和时间尺度难以把 握，使得在土地利用覆盖变化研究中遇到许多困难。而建立正确和有效的预测模型可以 很好的验证土地利用覆盖变化机制。预测模型是深入了解土地利用覆被变化复杂性的 重要手段，它不但能反映、评价土地利用与覆盖变化历史及现状，阐明土地利用和覆盖 格局与其社会和自然驱动力之间的因果关系，而且还能根据土地利用和覆盖的变化规律 及对自然和社会条件所作的假设推断出未来土地利用和覆盖状况，为土地利用规划及制 定政策提供依据。 2 山东科技大学硕士学位论文 绪论 1 3 土地利用变化研究的趋势 土地利用变化研究的重点是对土地利用变化的驱动因素分析和土地利用变化影响的 分析，这些分析主要通过一系列模型来实现。目前虽然只有服务于不同分析目的描述模 型、解释模型和预测模型，尚无一个完善的土地利用变化模型，但模型研究对于土地利 用变化研究至少有三方面的好处：即进一步了解土地利用变化的成因和变化机理；预测 未来土地利用变化趋势；为制定适当的土地政策提供支持。因此模型研究将是土地利用 变化研究的主要发展趋势。 土地利用变化研究涉及自然和人文等多方面的问题，需要跨学科的综合研究。目前 己有自然科学、社会科学多方面的学者参与到土地利用变化研究中来，使得土地利用变 化研究出现了多学科的发展趋势。其中包括强调土地利用变化对全球变化影响的气候学 方向；强调变化过程分析的自然地理学方向；强调土地利用变化对社会经济影响和土地 管理的经济地理学方向；以及强调对生态环境影响的生态学方向等。随着研究的深化， 多学科发展的趋势将更为明显。 最后，土地利用变化研究最大的问题是目前还缺乏用以解释现有土地利用变化现象 和预测未来土地利用变化趋势的理论体系。随着土地利用土地覆被变化研究的深入，建 立理论体系将是国际土地利用变化研究共同努力的方向。 1 4 论文的主要内容 土地利用覆盖变化研究是全球环境变化研究的一个重要方面，而土地利用覆盖变 化模型是深入了解土地利用变化过程、机理和环境影响的重要手段。本文研究了区域土 地利用变化，用人工神经网络来预测多种土地利用类型变化，并结合泰安市一部分区域 进行实践。论文的主要内容如图1 1 ，有： 1 分析了当前主要的区域土地利用变化预测模型。 2 构造了结合g i s 和a n n 的区域土地利用变化预测模型。 3 r o a si m a g i n e 软件处理遥感影像。 4 a r c g i s 进行土地利用变化分析的数据组织。 5 g i s 和a n n 相结合的方法。 6 以泰安市一部分作为研究区域，进行案例研究。 3 山东科技大学硕士学位论文 图1 1 论文的内容 f i g 1 1 t h em a t t e ro f t h i sp a p e r 论文研究的主要内容是建立基于人工神经网络模型的多种土地利用变化模型。a n n 是一种人工智能方法，本文采用的是简单的三层网络和反向传播算法( b a c k u p p r o p a g a t i o na l g o r i t h m , b p ) 。构造该模型主要研究的问题： i 输入空间变量的预处理。 2 隐藏层神经元的最优数目。 3 初始权值的初始化问题。 4 学习样本的选择。 5 人工神经网络与地理信息系统的结合。 4 山东科技大学硕士学位论土地利用变化预测模型的国内外进展 2 土地利用变化预测模型的国内外进展 2 1 概述 土地利用变化是全球环境变化与可持续发展的重要研究内容l5 1 。受自然、人文因素 在不同时间、空间尺度上的相互作用f 6 l 。而综合研究模型是深入了解土地利用变化过程、 机理和环境影响的重要手段【l 。土地利用变化模型的研究能增进土地利用变化机制和原 因的理解；预测未来土地利用变化的速率，并支持政府制定相关政策。模型的建立不仅 有助于基本过程的研究，提供人类和自然扰动对未来l u c c 影响的定量认识，而且可用 来指导人类土地利用方式及l u c c 观测系统和试验设计嗍。 早期的土地利用变化模型着重于理解静态的空间格局，如杜能的农业区位论、韦伯 的工业区位论以及克利斯特勒的中心理论即为这类概念模型的代表。这类模型至今仍有 助于理解土地利用变化的规律。1 9 8 0 年以来，随着全球变化研究的兴起，地学界利用遥感 与g i s 技术对不同区域的土地利用变化现象进行了大量的案例研究。在这些案例研究的基 础上，陆续提出了系列分析区域土地利用变化的模型和模型框架。1 9 9 0 年以来，l u c c 模型的发展呈现出三种重要的趋势。首先是时间动态模型模拟与空间格局分析和地理信 息系统的结合。在区域和全球环境的研究中，空间的异质性受到越来越广泛的重视，因 而空间格局成为分析和理解地区内空间现象、过程和机制的重要因索。随着空间信息及 其分析技术的改进，系统过程模拟与空间格局分析的结合成为必然，而地理信息系统在 这一结合中发挥着关键作用。其二是遥感数据的广泛应用，遥感数据的特点在于其相对 客观性和高分辨率，对于辨别和分析土地利用土地覆被类型发挥着至关重要的作用。其 三是对自然要素和社会，经济和人文要素的结合。人类的社会和经济活动是近代和现代 土地利用和土地覆被变化的最根本的推动力。因此，要模拟l u c c 的动力和原因，就必须 将社会要素和过程纳入模型中。p e t e rt t v e r b u r g 等认为构造土地利用变化模型需要考虑 6 个方面的因素：1 ) 分析的层次；2 ) 多尺度模拟；3 ) 驱动因子；4 ) 空间相互作用和邻居影 响；5 ) 时空模拟；6 ) 整合的层次。 山东科技大学硕士学位论 土地利用变化预测模型的国内外进展 2 2 主要土地利用变化预测模型 2 2 1 马尔可夫链模型 马尔可夫分析是利用某一系统的现在状况及其发展动向预测该系统未来的状况，它 是一种概率预测分析方法与技术。在马尔可夫过程中，用的是一阶马尔可夫过程，即系 统转移到次一个状态的概率，仅取决于该系统前一个状态，与再往前的状态无关；其次， 土地利用类型之间相互转化过程包含着较多尚难用函数关系准确描述的事件。所以，用 m a r k o v 模型对土地利用土地覆盖变化有一定的可行性。先将土地利用系统按土地利用 类型划分为一系列相互演化的状态，各状态在系统中所占份额，即每种土地利用类型面积 占全部土地利用类型面积的百分比作为各状态的初始概率，从而构建各状态初始概率矩 阵。再根据土地利用的变化，将其分为一系列离散的演化状态，从一个状态到另一个状态 的转化速率，即为转移概率。它可通过一定时间段内某类土地利用类型的年平均转化率获 得，即某地类转化后的各土地利用类型面积占转化前该地类的年平均百分比。 因此，首先确定土地利用类型之间相互转化的初始转移概率矩阵p ，其数学表达式 为： p = ( p 。) = 。 p l 。 。p 2 -_ 。 p _ 4 ( 2 1 ) 式中：勘= 面c i _ j j ；n 为研究区域的土地利用类型数目，乃为初始到末期由类型i 转化为 类型_ ，的概率，c i ，表示由研究区域中研究期内第i 类土地利用类型转化为第，类的面 积，l u ；为研究期初第f 类土地利用类型面积，如它应满足以下条件 兰z 三艺省23 獬 眨z ， 1 舶= l ( = 1 ，再) 瞄“ 根据马尔可夫过程的无后效性及b a y e s 条件概率公式，有： p ( n ) = p ( n 一1 ) p( 2 3 ) 或p ( n ) = p ( o ) p ( 2 4 ) 用马尔可夫链模型对土地利用变化进行预测的结果来看，由于没有考虑每种土地 山东科技大学硕士学位论 土地利用变化预测模型的国内外进展 利用类型的空间分布，所以得到的变化也只是在数量上有所反映，并不能得知其在空间上 的变化，也就不能很好地从定性的角度对土地利用的变化进行评判。目前，一阶马尔可夫 模型多应用于较小空间尺度的植被变化与土地利用变化中，如预测草原退化格局的变化 。3 ，预测城市土地利用变化。”以及模拟土壤侵蚀变化信息等“。在更大空间尺度的应用 还很少。 2 2 2 i l u l t i - - a g e n t 模型 m u l t i - a g e n t 系统是一种分布式人工智能方法，它是由多个a g e n t 所构成的、相互 作用、相互关联的系统。a g e n t 是这些模型中的关键部分，a g e n t 具有以下特性：它们的 行为是自治的；通过相互联系、相互作用共享同一个环境等。很多实体例如，原子、生 物单元、动物、人类和组织都可以是a g e n t 。在l u c c 研究中，a g e n t 包括人类行为、政 府政策等，这些a g e n t 共享一个共同的系统空间。它们之间相互作用、相互联系并且它 们的行为是它们各自的观测，因此该系统能够模拟突发的现象。但是由于模型的复杂性， 直到最近几年随着科学计算能力的提高，m u l t i a g e n t 系统在l u c c 研究中才得到应用， 其中最有名的系统是s w a r m 模型，该模型模拟了生态系统变化和土地利用变化。 m u l t i a g e n t 系统虽然能够很好的解决复杂系统的模拟问题，并且这种模型最明显的 特征是各个主体之问相互作用，从而能够模拟土地利用的突发事件。但是这种突发事件 都是宏观上的事件，而不能从独立的实体上观察到，并且m u l t i a g e n t 系统需要在不同环 境下大量的社会经济数据的支持，而这些数据的获得又是非常困难的。因此大多数m u l t i - - a g e n t 模型仅仅能够模拟一些简单或理想的景观。例如s i m p o p 模型仅仅模拟居民地的 演化城市变迁。大多数m u l t i - - a g e n t 模型的有效性取决于获得数据的准确性“”。另外， 如果有大量、复杂的a g e n t 构建这种模型会使模型的构建带来困难。 2 2 3c l u e 模型 c l u e 模型是由隶属于l u c c 第三小组的荷兰瓦赫宁根农业大学v e r b u r g 等人开发的用 于模拟土地利用空间变化的模型，已被成功地应用在哥斯达黎加、厄瓜多尔、马来西亚 等国。它通过对影响土地利用变化的自然和人文驱动力的定量化来确定土地利用的类型， 是一个空间多尺度、定量描述土地利用变化空间分布的模型，常用来模拟较短时间内的 土地利用变化( 一般为2 0 年) 。整个模型分为两个部分：非空间的土地类型需求分析和 空间土地类型分配分析。其中，第一部分是依据土地利用变化的人文驱动力得出对各土 地类型需求，第二部分是结合各驱动力的空间位置进行各土地类型的分配。p h v e r b u r g 等在该模型的基础上创建了c l u s s 模型“，该模型具有模拟区域土地利用时空动态变化 7 山东科技大学硕士学位论 土地利用变化预测模型的国内外进展 的能力。c l u s s 模型是基于栅格图形数据构建而成的，要完成对区域土地利用时空动态 变化的模拟，必须输入以下三类栅格图形数据或模型参数：模拟土地初期各土地利用类 型的空间分布格局及其相应的驱动因素的关系系数；各土地利用类型的转换规则；历年 各土地利用类型的面积“。其中驱动因素的关系系数是通过l o g i s t i c 回归方程求得。转 换规则是根据实际情况对模拟期间各土地利用类型进行一些特殊设置，它主要包括2 种 类型，第一种规则主要是对研究区域内的特殊地类进行标注，并通过图形数据的形式输 入模型，使局部标注的特殊保护用地( 如自然保护区或基本农田保护区等) 不参与模型 的迭代分配，从而保证这些特殊用地在模拟期间不发生变化。第二种规则主要是根据专 业经验通过模型参数e l a s 对研究区域内各土地利用类型的稳定性进行设置。在确定参数 后进行迭代。 在我国，此模型的应用实例也较为丰富。在全国尺度上，应用c l u e 模型，模拟了我 国大陆土地利用变化的趋势“。在地方尺度上，或利用c l u e s 模型的理论框架，构建了 太仆寺旗土地利用变化系统动力学模型模拟了太仆寺旗未来近2 0 年时间内土地利用变 化的敏感地带“。以奈曼旗和科尔沁沙地为例，运用c l u e s 模型，较为成功地模拟区 域土地利用时空动态变化，其研究结果对完善科尔沁沙地及其周围地区土地利用变化的 动态管理具有重要意义。该模型在确定转换参数时需要丰富的专业经验知识。 2 2 4 细胞自动机( c e ll l i ta u t u m a l ：a c a ) 模型 c a 是复杂系统的重要研究方法之一，属于数学、物理学、计算机科学、生物学和系 统科学等多学科的交叉和边缘研究领域，最早由数学家s t a n i s l a wm u l a m 在2 0 世纪 4 0 年代提出，并由v o n n e u m a n n 用于研究自复制系统的逻辑特性，而c o n w a y 在1 9 7 0 用 年编制的“生命游戏”是最著名的一个在计算机上实现的典型的元胞自动机模型。美国 圣巴巴拉州大学地理系的h e l e nc o u c l e l i s 对c a 模型在地理学中，尤其在城市扩展动态 模拟中，进行了开创性的研究工作“”。 标准的c a 系统是个由细胞( c e l l s ) ，状态( s t a t e s ) ，临域( n e i g h b o r s ) 和规则 ( r u l e s ) 构成的四元组，所有细胞是相互离散的，构成一个细胞空间；在某个时刻一个 细胞只能有一种状态，而且该状态取自一个有限集合；邻域是细胞周围按一定形状划定 的细胞组合，它们影响该细胞下一个时刻的状态，邻域关系有v o n n e u m a n n 和m o o r e 两种 见图2 1 ；细胞规则定义了细胞状态转换的规则。c a 系统的时间也是离散的，它不具有 物理意义，和时态g i s 中的系统时间具有相似的含义，用集合的语言可以将c a 模型描述 些查型苎查兰堡主堂堡堡 如f ： 上地利用变化预测模型的国内外进展 s ，。= f ( s ，) ( 2 5 ) 式中：s 位有限集合，代表细胞状态；n 代表细胞临域；t 表示时间；f 位局部转换规则。 图2 i v o n n e u m t m n 和m c o r e 临域关系 f i g 2 1 * 4 0 n n e r a h a r ma n dm o o r en e l 曲l b o r h o o d c a 模型以其框架简单、开放和可以模拟十分复杂的系统行为而具有很强的生命力， 从目前研究看，它具有以下特点“： 1 c a 模型采用“自下而上”的构模方式，而且没有一个既定的数学方程，只是一个 建模规则，因此具有很好的开放性和灵活性。这和运用微分方程或物理模型从宏观上描 述客观现象是对立的，前者更符合人们认识复杂事物的思维方式。 2 c a 模型是一个基于微观个体相互作用的时空动态模拟模型，将地珲实体的空间和 时问特性统一在模型中，通过划分研究对象的细胞空间和研究初始状态及状态转换规则， c a 模型就可以自行迭代运算，模拟系统演化过程，而g i s 则不具备迭代运算的能力。 3 c a 模型将空间和时间离散化，适合于建立计算机模型和并行计算特征，因为计算 机对客观世界的表示是离散的。 4 c a 模型具有不依赖比例尺的概念，细胞只提供了一个行为空间，本身不受细胞空 间测度和时问捌度的影响，时空铡度的影响通过转换规则体现。因此c a 模型可以用来模 拟局部的、区域的或大陆级的演化过程。 5 从数据类型的角度看，c a 模型中的细胞和基于栅格g i s 的栅格一样，所以c a 模 型易于和g i s 、遥感数据处理等系统集成。 上述可知道，c a 模型较适合空问信息的列空动态分析，尤其是时空动态过程的模拟， 为g i s 中时空动态分析提供了一个框架思路和建模方法，但是由于地理信息系统的复杂 性，标准的c a 模型需要扩展和改进，才能满足地理时空模拟的需要，更加真实地模拟地 理实体的演化过程。 9 些变型垫奎堂堡圭兰焦丝圭些型里壅些堡型堡型墼里塑! ! 垄墨 地理细胞空间扩展：地理细胞空间不再是一个抽象的空间，而是和笛卡儿坐标系下 的地理空间相对应。细胞空间的划分不一定是矩形，可以是各种几何形状( 如六边形) ， 而且每一个细胞可以具有地理含义，如最小地理单元，或地理区划单元。 细胞状态的扩展：标准的细胞状态集是一个有限的、离散的集合，当c a 用来进行地 理时空分析时，地理细胞的状态集合可以定义为表征地理实体或现象的指标、编码或等 级的集合，如土地的适宜性指标、土地利用类型时编码，而土地质量则是等级。 细胞状态转换规则的扩展：标准c a 模型的规则是局部的，由空间排列决定的映射函 数。但地理现象和地理实体的动态演化确十分复杂，除受局部个体间相互作用的影响， 还受各区域的和更大尺度因素的影响，因此c a 模型中状态转换规则必须从微观，区域和 宏观上建立综合的多层次规则，才能有效模拟地理实体的演化过程。而且规则在细胞空 间和时间上应该是不同构的，随区域差异和时间而调整。细胞转换规则的扩展是地理细 胞自动机与标准细胞自动机本质上的区别。 时间概念的扩展：c a 模型中的模拟时间必须和地理实体演化中的真实时间建立对应 关系，否则，地理时空建模就失去了利用价值。一般采用历史数据和其他模型预测数据 来建立二者之间的关系。 邻居关系的扩展：标准的邻居关系有v o n n e u m a n n 和m o o r e 两种，基于几何和属性综合 作用确定元胞邻居空间或邻居集合，将使模型更加真实。基于属性和几何综合的邻居关 系描述模型可以解决标准元胞自动机单纯基于几何方式的邻居关系描述模型的局限性。 由于c a 模型在地理时空模拟方面的优势，因此很多模型与c a 模型相结合来模拟土 地利用变化，主要有以下几种模型： m a r k o v c a 模型“” m a r k o v c a 模型，用m a r k o v 模型对土地利用变化进行预测的结果来看，由于没有考 虑每一种土地利用类型的空间分布，所以得到的变化也只是在数量上有所反映，但不能得 知其变化在空间上的程度，也就不能很好地从定性的角度对土地利用的变化进行评判。 利用c a 模型具有的空间概念，且能模拟空间复杂系统变化的能力，在m a r k o v 模型分析 的基础之上，加入能使结果具有空间特征的c a 模型，对土地利用土地覆盖变化进行模 拟预测，以便从空间上把握土地利用土地覆盖的变化情况。 f u z z y c a 模型 传统的c a 模型的转换规则般用数学公式来定义，w u 在他的研究中，引入了模糊 逻辑控制( f u z z yl o g i cc o n t r o l ，f l c ) 的概念来模仿土地利用换过程。在土地利用变化 1 0 山东科技大学硕士学位论 土地利用变化预测模型的国内外进展 中，所有可能的变化首先用模糊集描述，而状态变化可以根据这些模糊集来确定。”。 a n n c a 模型。1 黎夏等利用a n n 来确定c a 模型的转换规则和一些转换参数，认为c a 模型在模拟多种 类型变化时，需要使用更多的空间变量和参数，确定这些参数值和模型结构有很大的困 难。模型用三层人工神经网络利用经验数据获得模型的参数和转换规则，模拟了东莞市 多种土地利用类型变化取得了很好的效果。 山东科技大学硕士学位论文 人工神经网络模型 3 人工神经网络模型 3 1人工神经网络的发展”1 现代的神经网络开始于m c c u l l o o h 和p i t t s ( 1 9 4 3 ) 的开拓性工作。m c c u l l o c h 用 2 0 年的时问考虑神经系统中关于事件的表示问题，p i t t s l 9 4 2 年加入m c c u l l o c h 的工作， 在他们的论文里m c c u l l o c h 和p i t t s 结合了神经生理学和数理逻辑的研究描述了一个神 经网络的逻辑运算。他们的神经元模型假定遵循一种所谓“有或无”( a l l o r n o n e ) 规则，如果如此简单的神经元数目足够多和适当设置突触连接并且同步操作，m c c u l l o c h 和p it t s 证明这样构成的网络原则上可以计算任何函数。这是一个有重大意义的结果， 有了它就标志着神经网络和人工智能学科的诞生。 神经网络第二个重要发展是1 9 4 9 年的h e b b 的书柑托o r g a n i z a t i o no fb e h a v i o r ) 的出版，他在书中第一次清楚的说明了突触修正的生理学学习规则。特别是，h e b b 提出 人脑的连接方式在机体学习不同功能任务是连续变化的，神经组织就是通过这种变化创 建起来的。h e b b 的书是学习系统和自适应系统计算模型发展的灵感的源泉。 2 0 世纪5 0 年代t a y l o r ( 1 9 5 6 ) 开始研究联想记忆。接着s t e i n b u c h ( 1 9 6 1 ) 引入 学习矩阵；这个矩阵由插在成行的“感觉”接收器和“马达”效应器之间的开关平面网 络构成。在1 9 6 9 年，w i l l s h a w ，b u n e m a n 和l o n g u e t - - h i g g i n s 发表了关于非全息照相 技术的联想记忆的优秀论文。这篇论文给出了两类网络模型：实现相关矩阵的简单光学 系统和由光学记忆提出的与之相关的神经网络。 在m c c u l l o c h 和p i t t s 的经典论文发表1 5 年后，r o s e n b l a t t ( 1 9 5 8 ) 在他有关感 知器的研究中提出了模式识别问题的新方法，一种新的监督学习方法。同时w i d r o w 和 h o f f 引进了最小均方( l m s ) 并用于单层感知器。但是，m i n s k y 和p a p e r t ( 1 9 6 9 ) 利用 数学证明了单层感知器的所能计算的根本局限。 7 0 年代神经网络的研究进入潜伏期，在8 0 年代神经网络的理论和设计主要在几个 方面取得了成绩，随之神经网络的研究工作进入恢复期。1 9 8 3 年k i r p a t r i c k ，g e l a t t 和v e c c h i 提出解决模拟退火的新方法。 1 2 山东科技大学硕士学位论文 人工神经网络模型 3 2 人工神经网络技术的应用领域 人工神经网络技术可用于函数逼近、感知模拟、多目标跟踪、联想记忆和数据 恢复等。从8 0 年代初神经网络的研究再次复苏并形成热点以来，由于它的计算能力、对 任意连续映射的逼近能力、学习理论以及动态网络的稳定性分析能力，在应用上已经扩 展到了许多领域，主要研究领域有”1 ： ( 1 ) 模式识别与图像处理 印刷体和手写体字符识别，语音识别，签字识别，指纹、人脸识别，r a n 与d n a 序 列分析，癌细胞识别，目标检测与识别，心电图、脑电图分类，油气藏检测，加速器故 障检测，电机故障检测，图像压缩、复原等： ( 2 ) 控制及优化 化工过程控制，机械手运动控制，运载体轨迹控制，电弧炉控制等： ( 3 ) 金融预测与管理 股票市场预测，有价证券管理，借贷风险分析，信用卡欺骗检测等： ( 4 ) 通信 自适应均衡，回声抵消，路由选择，a t m 网络中呼叫接纳识别及控制，导航，多媒 体处理系统等。 人工神经网络理论在其应用领域主要用于解算以下问题：模式信息处理和模式识 别、最优化问题的计算、信息的智能化处理、复杂控制和信号处理等。 3 3 人工神经网络的结构 人工神经网络的信息处理是通过处理单元( 神经元) 之间的相互作用来实现的，知识 与信息的存储表现为网络中处理单元互连分布式的物理联系，网络的学习和识别则决定 于各个处理单元的连接权值的动态演化过程。 3 3 1 神经元模型“” 神经元是人工神经网络操作的基本处理单位，是人工神经网络设计的基础，如图3 1 所示为神经元模型。神经元模型包括三种基本元素： 1 突触或连接链，每个都由其权值或者强度作为特征。 2 加法器，用于求输入神经元的相应突触加权的和。这个操作构成一个线性组合器。 l3 山东科技大学硕士学位论文人工神经网络模型 3 激活函数，用来限制神经元输出振幅。 在3 1 图中的神经元模型也包括一个外部偏置b 。偏置的作用是根据其值为正或 为负，相应地增加或降低激活函数的网络输入。从图3 1 得到 = 。 y l = 9 ( “ + b k ) ( 3 1 ) ( 3 2 ) 式中：“t 是输入信号的线性组合器的输出：y 。是神经元的输出；h 是神经元到神经 元丘的连接权；z 是输入信号；b k 是输入偏置；妒( ) 是激活函数。 偏置 钆 图3 1 神经元的非线性模型 输出 _ y t f i g 3 1 t h em o d e lo f n o n l i n e a rn e u r o n 激活函数是人工神经网络的核心部分，决定着人工神经网络的功能，尤其非线性激 活函数能够模拟非线性问题。下面是三种基本的激活函数 1 闽值函数。可写为公式( 3 3 ) ： 吣，= 忆戮笔 慨。， 2 分段线性函数。可写为公式( 3 4 ) ： c o ( v ) = 2 1 4 五 也 ； k 厂，、， 入号输信 43 。卜2。一：。 一 v v 矿 l 一2 + _ 二 轨 当奎型苎查堂堡主兰垡堡苎 三塑丝堕堑堡型 3 s i g m o i d 函数。此函数是s 形的，在构造人工神经网络中最常用的激活函数。它是严 格的递增函数，在线性和非线性行为之间显现较好的平衡。它的一个例子是l o g i s t i c 函数，定义公式( 3 5 ) ： 妒( v ) 2 南 3 5 ) 其中a 是s i g m o i d 函数的倾斜参数。改变参数a 就可以改变倾斜程度。实际上，在 原点的斜度等于a 4 。在极限的情况下，倾斜参数趋于无穷，s i g m o i d 就变成了简单的阙 值函数。而s i g m o i d 的值域是0 到1 的连续区间。并且s j g m o i d 函数是可微分的。 3 3 2 人工神经网终的拓扑结构“” 神经网络中的神经元的构造方式是和训练网络的学习算法紧密连接的。因此，我们 可以说，用于网络设计的学习算法( 规则) 是被构造的。下面首先讨论两种基本不同的 网络结构。 1 前馈网络 在分层网络中，神经元以层的形式组织。在最简单的分层网络中，源节点构成输入 层，直接投射到神经元输出层( 计算节点) 上去，而不是相反。也就是说，这个网络是 严格的无圈的或前馈的。这种网络有单层前馈网和多层前馈网。单层网指的是就算节点 ( 神经元) 就是输出层。而多层前馈网有一层或多层隐藏节点层，相应的计算节点称为 隐藏单元或隐藏神经元。隐藏神经元的功能是以某种有用的方式介入外部输入和网络输 出之中。加上一个或多个隐藏层，网络可以引出高阶统计特性。如图3 2 所示为多层前 馈网。 源节点输入层 穗藏神经元层输出神经元层 图3 2 前馈网络结构 f i g ，3 2t h es t r u c t u r eo f f e c df o a r dn e u r a ln e t w o r k 1 5 山东科技大学硕士学位论文人工神经网络模型 2 递归网络 递归网络和前馈网络的区别在于它至少有一个反馈环。如图3 3 所示，递归网络可 以是这样，单层网络的每个神经元的输出到反馈到自己的输入中去。图中有一个反馈环， 反馈环的存在，对网络的学习能力和它的性能有深刻的影像。并且，由于反馈环涉及使 用单元延迟元素( 记为z _ 1 ) 构成的特殊分支，假如神经网络包含非线性单元，这导致非 线性的动态行为。 l 输出 图3 3 递归网络的结构 f i g 3 3t h es t r u c t u r eo f f e a d b a c k i l e b l a ln e t w o r k 3 3 3 人工神经网络的学习过程 学习是一个过程，通过这个过程神经网络的自由参数在其嵌入的环境的激励过程下 得到调节。学习的类型由参数改变的方式决定。解决学习问题的一个恰当定义的规则集 合称作学习算法。下面介绍一下误差一修正学习。 厂 ( n ) i l 工：( n ) l x ij ，( h ) l i 靠( n ) l 图3 4 误差修一修正学习( 输出神经元) f i g 3 4e r r o r - c o r r e c t i o nl e a r n i n g ( o d t p u ti i u r o n ) 1 6 吐( 一) 些蔓型垫查兰堡主堂堡堡兰 三! ! 丝塑丝堡型 考虑如图3 4 所示一个神经元膏构成前馈神经网络输出层的唯一计算节点的情况。 神经元k 被一层或多层隐藏神经元产生的信号向量x ( 而驱动，这些隐藏神经元自身由作 用于神经网络的源节点( 也就是输入层) 的输入向量驱动。参数n 表示离散时间。神经 元冉的输出信号由y 。( n ) 表示。神经网络唯一输出的信号与巩( n ) 表示的目标输出比较， 由此产生e 。( ) 表示的误差信号。由定义，有： e k ( n ) = d k ( n ) 一y ( n ) ( 3 6 ) 这里误差信号气( ) 是驱动控制机制，其目的是修正作用于神经元的七的