资源描述：
《人工智能技术在gis应用中的研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、人工智能技术在GIS应用中的研究摘要:人工智能技术与GIS相结合,能够对海量空间地理数据中的结构化和非结构化知识进行表达推理,预测未来发展趋势,智能化的解决复杂的现实问题。文中阐述了人工智能与GIS结合的研究热点,在智能化知识推理中给出了详细解释,并以实例具体描述了专家系统中自然语言输入到结果输出的运行过程。关键词:人工智能;人工神经元网络;专家系统 人工智能(ArtificialIntelligence)是计算机科学、控制论、信息论、神经生物学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科;是研究解释和模拟人类智能、智能行为及其规律的一门综合性的边缘学科。它
2、借助于计算机建造智能系统,完成诸如模式计算识别、自然语言理解、程序自动设计、定理自动证明、机器人、专家系统等应用活动;其主要任务是建立智能信息处理理论,进而设计可以展现某些近似于人类智能行为的计算系统[1]。 当前普遍的GIS系统需要完成管理大量复杂的地理数据的任务,目前,GIS技术主要侧重于解决复杂的空间数据处理与显示问题,其推广应用遇到的最大困难是缺乏足够的专题分析模型,或者说GIS的数据分析能力较弱,而这一能力的提高从根本上依赖于人工智能中的知识工程、问题求解、规划、决策、自动推理技术等的发展与应用。从这一点上讲,在不久的将来,AI在GIS系统中的应用,尤其是其智能化
3、分析功能将大大改善传统GIS应用范围,将GIS应用提高到一个新的层次。 将AI应用到GIS中,使之能够对结构化或非结构化的知识进行表达与推理。以构成一个完整的智能化地理信息系统。通过增强其在问题求解、自动推理、决策、知识表示与使用等方面的能力,使得GIS的专题分析模型能自动地、智能化地解决复杂的现实问题,是GIS的重要发展方向之一[2]。1 AI在GIS应用领域 人工智能与地理信息系统的结合,其产生的专题分析模型可以增强问题求解、自动推理、决策、知识表示与使用等方面的能力,并能够智能化的解决复杂的现实问题。具体应用领域包括生态评估、环境保护、农林土地建设、地图制图及数据获
4、取、交通运输、通讯电力网络规划、灾害预防、养殖副业、城市规划等等。按GIS应用中涉及的具体AI方法来分,又有GIS与专家系统(ExpertSystem,ES)或基于知识的专家系统(Knowledge-basedExpertSystem,KBES)的结合,GIS与模糊推理的结合,GIS与模式识别(PatternRecognition,PR)的结合,GIS与决策支持系统(DecisionSupportSys-tem,DSS)的结合等。2 AI在GIS中的研究热点 现实的需求要求GIS不仅要完成管理大量复杂的地理数据的任务,更为重要的是实现与地理数据相关的分析、评价、预测和辅助决
5、策[3],从而解决复杂的规划和管理问题。所以,强化分析手段是拓展和深化地理信息系统应用的关键。2.1 空间信息智能化处理 空间分析的主要功能不是简单地从地理数据库中通过“检索”和“查询”提取空间信息,而是利用各种空间分析模型及空间操作对空间数据进行处理,从而发现新的知识。传统的GIS模型经过智能化改进可用于描述各类地理因素主要特征并预测系统将来的发展趋势[4]。模型如图1所示：人工神经网络是一种用计算机去模拟生物机制的方法,是一种不确定的方法。它们不要求对事物的机制有明确的了解,系统的输出取决于系统输入和输出之间的连接权,而这些连接权的数值则是根据历史上曾经发生过的事例训练
6、得到的,这种方式对解决机理尚不明确的问题特别有效。与传统的统计模型相比,人工神经网络和遗传算法更适合分布不明确的非线形问题。目前,比较成形的人工神经网络模型有:BP网、SOM(Sel-OrganizationFeatureMap)网、循环BP网、RBF(Ra-dialBasicFunction)网和PNN(ProbabilisticNeuraNetwork)等。BP网采用多层前向拓扑形状,由输人层、中间层和输出层组成,可用于分类、回归时间序列预测任务中。SOM神经网络模型适合对数据对象进行聚类,它的输入层由N个输人神经元组成,竞争层由m*m=M个输出神经元组成,输入层神经元与
7、竞争层神经元之间相互连接。地学现象的复杂性和独特性使得建立在各种理想条件之上的理论模型很难应用于实际,确定性的模型需要随着地点和时间的改变而不断修改模型参数甚至模型结构,因而在很大程度上失去了模型的普遍性。自然、社会、经济各因素的耦合使得这个复杂的系统具有一定程度的非线性和混沌特点,人工神经元网络和遗传算法为建立新的空间模型提供了一条可行的方法。我们知道多层前向神经网络的最重要属性在于它能够学会任何复杂性的映射(线性、非线性),利用这一特性可以在没有或有很少关于研究对象的领域知识的前提下,通过对大量空间
