《第八章智能化空间分析ppt课件.ppt》由会员分享，可在线阅读，更多相关《第八章智能化空间分析ppt课件.ppt（22页珍藏版）》请在三一办公上搜索。
1、第八章 智能化空间分析,8.1 空间分析与人工智能 8.2 模糊空间分析,8.1 空间分析与人工智能,随着GIS应用水平的提高，越来越多的复杂问题对GIS的空间分析功能提出了更高的要求。因此，地学工作者将模糊数学、神经网络、遗传算法等人工智能技术与GIS相结合，将数值计算与语义表达、形象思维等高级智能行为联系起来，通过模拟人脑判断与推理的行为与过程，处理复杂的数据，提高GIS空间分析的功能。,一、 智能化空间分析技术1 智能化GIS 智能化GIS是指与专家系统、人工神经网络、模糊逻辑、遗传算法等相结合的GIS，即人工智能技术在GIS中的应用。 目前对智能化GIS 有两种理解： （1）是指在GI
2、S系统中应用人工智能技术，建立智能化时空数据处理和分析模型，在人工智能理论支持下对时空信息进行处理和分析，即在地学规律指导下，结合具体的地学知识和地理信息，通过地学分析和GIS、人工智能等技术获得更精确的分析结果。,（2）智能化GIS是GIS系统作为一种分析处理空间信息的通用技术应用于某一个领域，使管理水平、决策系统智能化。 例如，在智能交通系统中，通过采用电子技术、地理信息系统技术、通信技术等高新技术对传统的交通运输系统及管理体制进行改造，形成一种信息化、智能化和社会化的新型现代交通系统。,2 智能化空间分析技术 GIS空间分析是利用各种空间分析模型、空间操作技术对海量的空间数据进行有效处理
3、，发现新知识和规律，其中必然涉及各种智能分析方法的运用问题。 智能化的空间分析方法可以解决更加复杂的地理问题，并且提高解决地理问题的效率和精度。 从近几十年的发展来看，智能化空间分析方法主要经历了从决策树、基于知识的专家系统到基于智能计算分析方法的不同阶段。,智能化空间分析重点要解决空间知识的发现、表达、推理与计算等问题。 对于描述性知识来说，符号方法是一种重要的知识表达与推理手段，如逻辑（模糊与非模糊）、产生式系统、语义网、面向对象的技术以及综合方法等。 基于知识的决策可以由以知识工程及人工智能理论为基础的决策支持系统来完成，智能知识的表达与推理是智能化空间决策支持系统的核心。,在人工智能中
4、，地理现象、地理事实、地理概念、地理规律等统称地理知识，将地理知识应用在空间分析中则形成了“地理专家系统”。 20世纪8090年代，基于知识的地理专家系统是地理研究方法中比较流行的模式，例如wayre等人提出的有关铁路与高速公路交叉口安全管理与分析的基于知识的GIS；Lam David等人将专家系统、神经网络与GIS相结合建立了用于环境管理的决策支持系统；南京大学开发的用于寻找地下水的专家系统等，都较好地解决了有关的非线性地理问题。,美国学者James在1992年首次提出了智能计算技术的概念。智能计算以数据为基础，即使在对象模型和边界条件不够精确和完整的情况下，也能够获得合理的解释，因此能够有
5、效地解决系统中一些非线性和不确定性的问题。 智能计算技术是基于计算的，或者基于计算和基于符号物理相结合的各种智能理论、模型、方法的综合集成，对于具有大规模并行分布式的结构性知识分析处理，具有其他技术无可替代的优越性。,二、智能计算技术1 人工智能技术的产生与发展 智能是个体有目的的行为、合理的思维以及有效地适应环境的综合性能力。 人工智能（artificial intelligence，AI）是指通过对人类智力活动奥秘的探索与记忆思维的研究，开发人类智力活动的潜能、探讨用各种机器模拟人类智能的途径，使人类的智能得到物化、延伸和扩展的一门学科。它与生物工程和空间技术成为当今世界的三大尖端技术。,
6、人工智能发展简史,年代 主要发展方向 19301940s 理论思考 1950s 简单神经网络 1960s 启发式搜索 1970s 专家系统 1980s 神经计算、遗传算法和人工生命 1990s 遗传规划、模糊逻辑和混合智能系统,主要事件： 193040s，智能界主要进行机器智能的理论思考，数理逻辑和关于计算的新思想促成了人工智能的产生和发展。 1946年第一台电子计算机ENIAC面世，为AI的产生奠定了必要的技术基础。 1950年，英国数学家Turing在神经学和心理学的启发下，提出了计算机能够思维的论断，把符号处理过程中的形式推理上升到思维的高度，为AI奠定了理论基础。, 1943年，McC
7、ullonch和Pitts根据动物神经元的生理特点提出了人工神经元的数学模型，即MP神经元模型，多个MP神经元组成的MP神经网络可以完成一些简单的逻辑功能。 1950s开始，神经网络成为人工智能的主要研究领域，建立了第一个真正的人工神经网络模型，到60年代初，神经网络研究收到科学界的高度重视，人工智能研究进入高潮。 1970s，专家系统在人工智能界显示出强大的生命力，建立了各领域的应用专家系统。,1980年代，专家系统和知识工程在世界范围内得到迅速发展，实现了从理论研究走向实际应用，从一般思维规律的探讨走向专门知识运用的突破。 1970年代初，Holland提出了遗传算法的基本定理。遗传算法（
8、Genetic algorithms，GA）起源于对生物系统进行的计算机模拟研究，是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应优化概率搜索算法。80年代后遗传算法得到广泛的应用。1980年代末以后，神经网络、模糊逻辑与遗传算法开始进行交叉和结合，形成了人工智能的新的研究方向智能计算（Computational intelligence）。,2 智能计算的概念 智能计算也称为“软计算”，迄今为止没有统一的定义，大体有以下几种： （1）智能计算就是受自然界或生物界规律的启迪，根据其原理模拟设计求解问题的算法，如人工神经网络技术、遗传算法、进化规划、模拟退火技术和群集智能技术等。 （2）
9、智能计算（包括神经网络、进化、遗传、生态等理论）作为第二代人工智能方法，是连接主义、分布式人工智能和自组织系统理论共同发展的结果。,（3）智能计算是用计算机模拟和再现人类的某些智能行为。从方法论的角度，计算智能大体可以分为三种基本类型： 以符号操作为基本特征的符号机制，从抽象层次模拟和再现人类的某些智能行为，演绎方法构成其主要的逻辑框架； 以人工神经网络为代表的联结机制，从神经元相互作用的层次模拟再现人类的智能行为； 以遗传算法为代表的进化机制，从自然进化的角度探寻智能的形成方式。,（4）智能计算广义地讲就是利用仿生学思想，基于生物体系的生物进化、细胞免疫、神经细胞网络等某些机制，用数学语言抽
10、象描述的计算方法，用以模拟生物体系和人类的智能机制。 从方法论的角度和目前的研究状况看，智能计算有下面几种基本类型： 处理不确定信息的模糊数学和粗集理论； 再现人类某些智能行为的神经网络； 以模拟生物进化规律为特征的遗传算法； 以免疫操作为基本特征的免疫算法； 以DNA复制为基本特征的DNA计算。,3 智能计算技术的特点及组成（1）智能计算技术的特点 智能性 智能计算技术的智能性包括自适应、自组织和自学习性等，这些特征使得该技术能够根据环境的变化自动发现环境的特性和规律。 稳健性 稳健性是指在不同环境和条件下算法的适用性和有效性，利用智能计算技术求解不同问题时，只需要设计相应的适应性评价函数，
11、不需要修改算法的其他部分。,不确定性 智能计算的不确定性是伴随其随机性而来的，其主要操作都含有随机因子，从而在算法的进化过程中，事件发生与否带有较大的不确定性。 强化计算 智能计算不需要很多待求解的背景知识，而主要依赖于大量快速的运算，从数据集中寻找规则或者规律，这是智能计算的主要特征。,容错性 神经元网络和模糊推理系统都有很好的容错性，从神经元网络中删除一个神经元，或从模糊推理系统中去掉一条规则，并不会破坏整个系统，由于具有并行和冗余的特征，系统可以继续工作。 全局优化 传统的计算方法一般采用的是梯度下降的爬山策略，遇到多峰函数时容易陷入局部最优，遗传算法能在解空间的多个区域内同时进行搜索，
12、并且能够以较大的概率跳出局部最优以找出整体最优解。,（2）智能计算技术的组成 Zadeh提出的智能计算的组成 模糊逻辑（fuzzy logic） 神经网络（neural network） 概率推理（probabilistic reasoning） 进化计算（evolutional computation） 学习理论（learning theory） 置信网络（belief network） 混沌理论（chao theory） 其中进化计算包括遗传算法、进化策略和进化规划等三个分支。,有些研究者认为智能计算还应当包括非线性科学中的小波分析、混沌动力学、分形几何理论、免疫算法（immune algorithms）、DNA计算、模拟退火技术（simulated annealing algorithms）、多智能体系统（multi-agent）以及粗集（rough sets）理论和云理论（cloudy theory）等。 智能计算并不是单一的方法，而是众多方法和技术的集合，实际应用中更多的是将多种方法有机结合起来，寻求效率的最大化。,8.2 模糊空间分析,
