从神经网络中抽取土地评价模糊规则

为了明确土地评价中所训练神经网络的含义,使土地评价工作者可轻松地理解、判断所得到土地评价模型的正确性和合理性,提出从神经网络中抽取土地评价模糊规则的方法。现有的大多数从神经网络中提取方法,神经网络的输入属性要么局限于连续的,要么只适应于离散的,而土地评价因子往往既包含连续的又包含离散的、标称的,该文首先提出了一种输入属性值适应于这三种类型数据的模糊神经网络建立方法,进而给出一种从建立的神经网络中抽取其中较主要模糊规则的算法。试验表明,所提出的土地评价方法,可直接从样本中学习评价规律,使土地评价工作者易于理解,当出现抽取的规则与实际情况不吻合时,可重新训练神经网络和抽取规则,所得到的评价结果比BP网络的评价结果更准确,从而提高了土地评价的准确性。     

基于带权值的模糊关联规则的土壤质量评价

Fuzzy association rules (FARs) can be powerful in assessing regional soil quality, a critical step prior to land planning and utilization; however, traditional FARs mined from soil quality database, ignoring the importance variability of the rules, can be redundant and far from optimal. In this study, we developed a method applying different weights to traditional FARs to improve accuracy of soil quality assessment. After the FARs for soil quality assessment were mined, redundant rules were eliminated according to whether the rules were significant or not in reducing the complexity of the soil quality assessment models and in improving the comprehensibility of FARs. The global weights, each representing the importance of a FAR in soil quality assessment, were then introduced and refined using a gradient descent optimization method. This method was applied to the assessment of soil resources conditions in Guangdong Province, China. The new approach had an accuracy of 87%, when 15 rules were mined, as compared with 76% from the traditional approach. The accuracy increased to 96% when 32 rules were mined, in contrast to 88% from the traditional approach. These results demonstrated an improved comprehensibility of FARs and a high accuracy of the proposed method.     

基于Boosting的决策树集成土地评价

传统的土地评价方法易受人为因素的限制,探索更科学合理的土地资源评价方法,对土地利用与规划具有重要意义.由于决策树具有分类精度高、分类器可解释性强的优点,特别是C5.0采用了提高决策树分类精度的Boosting技术,提出利用Boosting技术的决策树集成C5.0进行土地评价的方法.采用C5.0算法对广东省七地资源进行了评价,对不使用Boosting的决策树和使用Boosting决策树集成的评价结果进行了分析和比较.研究结果表明利用决策树进行土地质量评价能够得到较高的评价精度,且Boosting决策树集成的土地评价精度高于不使用Boosting的决策树的精度.     

基于土地评价的基本农田划定方法

为了在基本农田划定中实现数量与质量并重的目标,该文以辽宁省东港市为例,借助GIS技术,从耕地的自然条件和立地条件两方面考虑,选取耕地等别、坡度、道路通达度、水利设施状况以及与相邻土地利用类型的适宜性等因素作为评价指标,建立一种以土地评价为基础的“按质定量”的基本农田划定方法。研究结果表明：东港市评价分值≥90分的耕地较少,只占耕地总面积的23.73%,且无规律地散步在整个区域内;若使其基本农田保护率达到国家规定的指标,评价分值≥70分的耕地区域是理想的基本农田保护区。实证研究表明此种方法可以减少基本农田划定中人为因素的干扰,使得基本农田的划定更为科学合理。     

国内基于GIS的土地评价研究进展

在国内土地评价研究中,GIS的应用起步较晚但发展较快,迄今为止,GIS主要是为土地资源评价提供辅助服务.本文从土地评价的模型和方法入手,依据土地评价单元之间的相互影响和评价区域的单一性与否,将基于GIS的土地评价研究划分为单一区域非空间模型、单一区域空间模型以及多区域模型3类,其中GIS及其相关技术的应用能较好地体现土地评价单元之间静态或动态的影响.本文对这3类研究进行了较全面的阐述,是对近年来国内基于GIS的土地评价研究较系统的总结和归纳.     

基于关联规则数据挖掘算法的应用

数据挖掘,又称数据库中的知识发现,作为一门新兴的研究领域,主要目的是从数据集合中发现隐含的、事先未知的、对决策有潜在价值的用户感兴趣的知识,数据挖掘是当前数据库领域中最受瞩目的研究方向之一。在数据挖掘研究中,关联规则挖掘作为数据挖掘研究中的一个重要部分,引起了越来越多的关注。本文利用SQL Server 2005数据挖掘工具,对已测得的土壤数据,利用关联规则算法对土壤的地力等级进行了预测。     

基于土地评价与立地评估的泾阳县耕地定级

该文基于美国的土地评价与立地评估（land evaluation and site assessment,LESA）方法,对陕西省泾阳县耕地进行了定级研究。把整个定级过程分为两个部分,前一部分为土地的自然质量特征评价;后一部分为土地的社会经济质量特征评价,在这两部分的评价中,采用主成分分析法选择评价因子。采用特尔菲法确定各因子的权重。最后在这两部分评价的基础上,对这两部分评价指数加权求和,得到定级单元总指数,这两部分的权重确定采用耕地质量综合指数与标准粮产量相关分析的方法来确定。结果表明,泾阳县耕地质量较高,全县耕地分为5级,一级耕地占全县耕地面积的14.43%,二级、三级、四级和五级分别占耕地面积的26.23%、26.07%、19.39%和13.88%。该文认为,LESA方法是土地定级的好方法之一。     

基于SFAM神经网络集成的土地评价

SFAM(Simplified Fuzzy ARTMAP,简化的模糊ARTMAP)神经网络具有自组织反馈、增量式学习和高度复杂映射等特点,是一种较BP神经网络和RBF神经网络等前馈神经网络更优秀的自组织神经网络.为克服SFAM神经网络受输入样本顺序的影响,提高土地评价的精度,提出利用SFAM神经网络集成进行土地评价的方法.并用SFAM神经网络、SFAM神经网络集成、BP神经网络、BP神经网络集成、RBF神经网络和RBF神经网络集成等方法对广东省中山市的土地进行了评价,对评价结果进行了分析和比较,结果表明SFAM神经网络具有比BP神经网络和RBF神经网络更优越的评价性能;对于这三种不同的神经网络,神经网络集成的土壤评价精度分别高于单个神经网络的精度.     

基于模糊规则提升理论的马病辅助诊断专家系统

为解决中国马产业发展过程中马病兽医专家严重缺乏的问题,该文在系统地挖掘马病专家临床经验与诊断思维的基础上,全面改进了传统的专家系统推理机制与知识表示方法,采用对象-属性-值三元组法(object-attribute-value,O-A-V三元组法)对马病知识进行表示,应用置信系数多值逻辑对知识模糊性进行评价,并在系统中集成模糊规则提升理论(fuzzy rule promotion theory),利用该机制不断调整提升置信系数(promote confidence factor,PCF),进而实现规则置信度的动态、实时调整与优化。最终采用Microsoft.Net操作平台,SQL Server 2008数据库管理工具,研制开发了基于B/S结构的马病辅助诊断专家系统。结果应用临床上已经确诊的大量病例对系统的规则置信度进行动态调整,通过13次样本病例测试,系统诊断符合率由原来的56.47%提高并维持在92.28%。结果表明,该文采用的置信系数多值逻辑知识评价方法与模糊规则提升理论可显著提高系统诊断准确率,为马病辅助诊断专家系统的临床应用奠定了基础,同时也为开发其他动物疾病的诊断专家系统提供了新的思路。     

基于关联规则的渔业信息推荐系统设计与实现

为了快速便捷的获取渔业科学数据信息,基于Web日志挖掘技术对渔业科学数据共享平台用户频繁访问模式进行分析,用于发现用户访问规则,进行信息推荐服务。对分析挖掘中涉及的算法进行了分析与改进,提出了IASR(IP agent session referrer)用户识别算法和关联规则Apriori算法的改进算法,试验研究表明,IASR算法将用户识别准确性提高了13%,速度是通用算法的2倍。当事务数目大于500时,改进算法的执行效率远远优于Apriori算法,速度提高6倍以上。在此基础上,讨论了系统的关键设计与实现方法,开发了渔业信息推荐系统。系统采用JAVA、AJAX开发,数据库SQL Server2005,操作系统为Windows XP。应用结果表明,系统可使用户方便快捷地获取自己感兴趣的渔业数据信息,从而提高信息服务的质量。     

基于GIS和模糊数学方法的多方案下农用土地多宜性评价

在可持续发展理论的指导下,以湖北省潜江市后湖农场流塘分场为研究对象,运用地理信息系统(GIS)和模糊综合评价方法,建立了最大生产潜力和最高经济效益两种方案下的土地评价系统.系统中针对不同方案、不同作物分别确立不同的评价指标体系及评价指标分级标准,采用标准化函数的方法对分级标准及评价指标值进行标准化,应用模糊综合评判法和GIS技术确定各评价单元的适宜性等级并绘制土地多宜性评价专题图.结果表明流塘分场的大部分地区在两种方案下多宜性均较好,该结果符合当地实际,客观可行.     

基于模糊证据权模型的青藏高原区土地适宜性评价

在中国耕地保护形势日益严峻的情况下,如何在青藏高原区有效地开发耕地后备资源备受关注,开展自然质量适宜性评价研究是进行耕地后备资源开发利用的重要前提。该文以西藏一江两河流域为典型研究区,选取地形地貌、气候、土壤和水资源状况等4个方面的8个因子,引入知识与数据驱动一体化的模糊证据权模型,得出全域耕地后备资源自然质量适宜性等级,并与综合指数模型评价结果进行对比分析。结果表明：1）模糊证据权模型的评价结果显示, 99.38%的耕地"参照物"处于适宜性三等以上,说明该模型能有效评价耕地后备资源自然质量适宜性;2）对比综合指数模型评价结果中90.83%的耕地"参照物"处于三等以上,说明模糊证据权模型较综合指数模型在某种程度上能够更好地克服评价因子权重确定的主观性和自然条件多样化所带来的计算复杂性等问题;3）研究区11 434.1 km2耕地后备资源在自然质量上具有不同程度的适宜性,其中一等占9.6%,二等占5.5%,三等占38.6%,四等占22.8%,五等占23.4%;耕地后备资源开发可以重点关注日喀则市、贡嘎、扎囊、拉孜、乃东、拉萨市和白朗等县市。该文可为耕地后备资源适宜性评价提供方法借鉴,并为西藏一江两河流域耕地后备资源的合理开发提供依据。     

基于多季相光谱混合分解和决策树的干旱区土地利用分类

该文利用2015年Landsat 8多季相数据,以民勤县为例探讨了干旱区土地覆被/利用分类方法。首先进行了研究区多季相遥感数据的主成分变换,确定了Landsat OLI光谱空间的内在维数。其次通过对各季相主成分空间的分析,确定了光谱混合分解的端元类型及各自的代表性季相。获取端元光谱之后,采用全约束线性光谱混合模型分解各个季相的遥感影像,估计各端元组分占像元的面积百分比（端元丰度值）。最后利用端元丰度值的多季相估计结果,依据先验知识和训练样本建立决策树分类规则进行土地覆被/利用分类。分类方法的总体精度达到90.94%,Kappa系数为0.90。研究表明：将物理意义明确的端元丰度值作为分类变量,能够快速、有效地获取分类规则,生成树的结构简单、合理、清晰,对训练数据的依赖性较低,因此具有应用于整个旱地系统土地覆被/利用分类的潜力。     

基于HJ-CCD数据和决策树法的干旱半干旱灌区土地利用分类

为了实现干旱半干旱灌区地表信息低成本、高效率的动态监测,利用HJ-CCD数据的多时相和多光谱信息,探讨了平罗县土地利用遥感分类方法。首先建立研究区内典型地物的NDVI时间序列曲线,提取反映该区物候模式的时序特征参数;然后对土壤信息丰富的3月份多光谱影像进行主成分变换,选取第1主成分(PC1)作为光谱特征参数,最后基于分类回归树(classification and regression tree,CART)算法进行决策树监督分类。总体分类精度达到92.26%,Kappa系数为0.91,比最大似然法分类结果精度提高了2.58%。研究表明:构建的NDVI时间序列曲线对研究区内的地类具有较强的代表性,提取的时间维和光谱维的分类参数对各地类均有很好地区分性,CART决策树算法分类结果清晰准确且精度较高。该方法为HJ小卫星在干旱半干旱区等区域的深入应用提供科学依据和实证基础。     

基于模糊综合分析法的农用地分等方法

针对农用地评价因素的复杂性和模糊性,而传统的多因素综合评价法在农用地分等时易对评价因素以及等别进行"硬性划分"的不足。该文以湖北省安陆市为例,首次提出将模糊综合评判法与模糊聚类分析法结合(简称模糊综合分析法),以模糊综合评判的矩阵成果作为模糊C-均值聚类分析的数据源来对划分农用地等别方法进行探讨,并将模糊综合评判法的分等结果与传统方法分等结果进行比较,得出2种方法分等结果中约有80%相同。采用安陆市各村的粮食平均播面单产对2种方法分等结果存在差异的地区进行独立检验,得到模糊综合评判法和传统方法的分等成果同播面单产的线性相关系数分别为0.87和0.82。研究结果表明:运用模糊综合分析法进行农用地分等具有可行性;将模糊综合分析法运用到农用地分等中比传统方法更能客观准确地说明土地质量的优劣程度。     

"退耕还林"政策驱动下的农户土地转用决策及其土地利用变化影响研究——基于江西省丰城市农户问卷调查的一个分析

在分析“退耕还林”政策驱动下的农户土地转用决策机理的基础上,以江西丰城市的农户调查资料建立了“退耕还林”政策与农户土地利用变化的计量分析模型,结果表明:(1)退耕收益补偿对比值对土地利用变化有显著的影响;(2)“退耕还林”政策中对土地产权的安排对土地利用变化强度影响不大;(3)在不同区域,土地利用变化强度的影响因素不同,土地资源丰度、农户择业行为对土地利用变化强度影响较大。并进一步就推进生态友好的土地利用方式、合理引导土地利用变化提出了相关建议。     

基于改进决策树模型的矿区土地复垦适宜性评价

针对矿区传统的土地复垦适宜性评价方法,运用模糊数学的隶属函数法,对决策树的1D3算法加以改进,建立基于改进决策树的矿区土地复垦适宜性评价方法.以平禹二矿为研究区,将改进的评价模型运用到塌陷区土地复垦适宜性评价中,选取7个评价指标作为测试属性,提取100个已确定复垦方向的评价单元作为样本,运用改进的ID3算法,构建研究区土地复垦适宜性评价决策树,然后运用生成的决策树分类规则,对各评价单元按其属性进行分类,最终确定各评价单元的复垦方向,并将分类结果与模糊综合评价方法得到的评价结果进行对比分析.结果表明:基于改进决策树模型的矿区土地复垦适宜性评价方法,不依赖于经验知识,依靠样本的自主学习,制定分类规则,得到的分类结果较为客观合理,而且决策树分类规则确定后,可以直接应用于同一地区的其他待评价区,且分类过程简单明了,便于操作,避免传统评价方法中较为繁琐和复杂的计算过程,提高矿区土地复垦适宜性评价的效率,为矿区土地复垦适宜性评价工作提供一种新的思路.