本文關(guān)鍵詞：人工智能技術(shù)在GIS應(yīng)用中的研究，由筆耕文化傳播整理發(fā)布。

網(wǎng)友cdsqbyl近日為您收集整理了關(guān)于人工智能技術(shù)在GIS應(yīng)用中的研究的文檔，希望對(duì)您的工作和學(xué)習(xí)有所幫助。以下是文檔介紹：人工智能技術(shù)在 GIS 應(yīng)用中的研究摘要:人工智能技術(shù)與GIS相結(jié)合,能夠?qū)Ａ靠臻g地理數(shù)據(jù)中的結(jié)構(gòu)化和非結(jié)構(gòu)化知識(shí)進(jìn)行表達(dá)推理,預(yù)測(cè)未來發(fā)展趨勢(shì),智能化的解決復(fù)雜的現(xiàn)實(shí)問題。文中闡述了人工智能與 GIS 結(jié)合的研究熱點(diǎn),在智能化知識(shí)推理中給出了詳細(xì)解釋,并以實(shí)例具體描述了專家系統(tǒng)中自然語言輸入到結(jié)果輸出的運(yùn)行過程。關(guān)鍵詞:人工智能;人工神經(jīng)元網(wǎng)絡(luò);專家系統(tǒng)人工智能(Artificial Intelligence)是計(jì)算機(jī)科學(xué)、控制論、信息論、神經(jīng)生物學(xué)、心理學(xué)、語言學(xué)等多種學(xué)科互相滲透而發(fā)展起來的一門綜合性學(xué)科;是研究解釋和模擬人類智能、智能行為及其規(guī)律的一門綜合性的邊緣學(xué)科。它借助于計(jì)算機(jī)建造智能系統(tǒng),完成諸如模式計(jì)算識(shí)別、自然語言理解、程序自動(dòng)設(shè)計(jì)、定理自動(dòng)證明、機(jī)器人、專家系統(tǒng)等應(yīng)用活動(dòng);其主要任務(wù)是建立智能信息處理理論,進(jìn)而設(shè)計(jì)可以展現(xiàn)某些近似于人類智能行為的計(jì)算系統(tǒng)[1]。當(dāng)前普遍的 GIS 系統(tǒng)需要完成管理大量復(fù)雜的地理數(shù)據(jù)的任務(wù),目前, GIS 技術(shù)主要側(cè)重于解決復(fù)雜的空間數(shù)據(jù)處理與顯示問題,其推廣應(yīng)用遇到的最大困難是缺乏足夠的專題分析模型,或者說 GIS 的數(shù)據(jù)分析能力較弱,而這一能力的提高從根本上依賴于人工智能中的知識(shí)工程、問題求解、規(guī)劃、決策、自動(dòng)推理技術(shù)等的發(fā)展與應(yīng)用。從這一點(diǎn)上講,在不久的將來, AI 在 GIS 系統(tǒng)中的應(yīng)用,尤其是其智能化分析功能將大大改善傳統(tǒng) GIS 應(yīng)用范圍,將 GIS 應(yīng)用提高到一個(gè)新的層次。將 AI 應(yīng)用到 GIS 中,使之能夠?qū)Y(jié)構(gòu)化或非結(jié)構(gòu)化的知識(shí)進(jìn)行表達(dá)與推理。以構(gòu)成一個(gè)完整的智能化地理信息系統(tǒng)。通過增強(qiáng)其在問題求解、自動(dòng)推理、決策、知識(shí)表示與使用等方面的能力,使得 GIS 的專題分析模型能自動(dòng)地、智能化地解決復(fù)雜的現(xiàn)實(shí)問題,是 GIS 的重要發(fā)展方向之一[2]。1 AI 在 GIS 應(yīng)用領(lǐng)域人工智能與地理信息系統(tǒng)的結(jié)合,其產(chǎn)生的專題分析模型可以增強(qiáng)問題求解、自動(dòng)推理、決策、知識(shí)表示與使用等方面的能力,并能夠智能化的解決復(fù)雜的現(xiàn)實(shí)問題。具體應(yīng)用領(lǐng)域包括生態(tài)評(píng)估、環(huán)境保護(hù)、農(nóng)林土地建設(shè)、地圖制圖及數(shù)據(jù)獲取、交通運(yùn)輸、通訊電力網(wǎng)絡(luò)規(guī)劃、災(zāi)害預(yù)防、養(yǎng)殖副業(yè)、城市規(guī)劃等等。按 GIS 應(yīng)用中涉及的具體 AI 方法來分,又有 GIS 與專家系統(tǒng)(ExpertSystem, ES)或基于知識(shí)的專家系統(tǒng)(Knowledge-based ExpertSystem, KBES)的結(jié)合, GIS 與模糊推理的結(jié)合,GIS 與模式識(shí)別(Pattern Recognition, PR)的結(jié)合, GIS 與決策支持系統(tǒng)(Decision Support Sys-tem, DSS)的結(jié)合等。2 AI 在 GIS 中的研究熱點(diǎn)現(xiàn)實(shí)的需求要求 GIS 不僅要完成管理大量復(fù)雜的地理數(shù)據(jù)的任務(wù),更為重要的是實(shí)現(xiàn)與地理數(shù)據(jù)相關(guān)的分析、評(píng)價(jià)、預(yù)測(cè)和輔助決策[3],從而解決復(fù)雜的規(guī)劃和管理問題。所以,強(qiáng)化分析手段是拓展和深化地理信息系統(tǒng)應(yīng)用的關(guān)鍵。2.1 空間信息智能化處理空間分析的主要功能不是簡(jiǎn)單地從地理數(shù)據(jù)庫中通過“檢索”和“查詢”提取空間信息,而是利用各種空間分析模型及空間操作對(duì)空間數(shù)據(jù)進(jìn)行處理,從而發(fā)現(xiàn)新的知識(shí)。傳統(tǒng)的 GIS 模型經(jīng)過智能化改進(jìn)可用于描述各類地理因素主要特征并預(yù)測(cè)系統(tǒng)將來的發(fā)展趨勢(shì)[4]。模型如圖 1 所示:人工神經(jīng)網(wǎng)絡(luò)是一種用計(jì)算機(jī)去模擬生物機(jī)制的方法,是一種不確定的方法。它們不要求對(duì)事物的機(jī)制有明確的了解,系統(tǒng)的輸出取決于系統(tǒng)輸入和輸出之間的連接權(quán),而這些連接權(quán)的數(shù)值則是根據(jù)歷史上曾經(jīng)發(fā)生過的事例訓(xùn)練得到的,這種方式對(duì)解決機(jī)理尚不明確的問題特別有效。與傳統(tǒng)的統(tǒng)計(jì)模型相比,人工神經(jīng)網(wǎng)絡(luò)和遺傳算法更適合分布不明確的非線形問題。目前,比較成形的人工神經(jīng)網(wǎng)絡(luò)模型有: BP 網(wǎng)、SOM( anization FeatureMap)網(wǎng)、循環(huán) BP 網(wǎng)、RBF ( Ra-dial BasicFunction)網(wǎng)和 PNN (work)等。BP 網(wǎng)采用多層前向拓?fù)湫螤?由輸人層、中間層和輸出層組成,可用于分類、回歸時(shí)間序列預(yù)測(cè)任務(wù)中。SOM 神經(jīng)網(wǎng)絡(luò)模型適合對(duì)數(shù)據(jù)對(duì)象進(jìn)行聚類,它的輸入層由 N 個(gè)輸人神經(jīng)元組成,競(jìng)爭(zhēng)層由 m*m=M 個(gè)輸出神經(jīng)元組成,輸入層神經(jīng)元與競(jìng)爭(zhēng)層神經(jīng)元之間相互連接。地學(xué)現(xiàn)象的復(fù)雜性和獨(dú)特性使得建立在各種理想條件之上的理論模型很難應(yīng)用于實(shí)際,確定性的模型需要隨著地點(diǎn)和時(shí)間的改變而不斷修改模型參數(shù)甚至模型結(jié)構(gòu),因而在很大程度上失去了模型的普遍性。自然、社會(huì)、經(jīng)濟(jì)各因素的耦合使得這個(gè)復(fù)雜的系統(tǒng)具有一定程度的非線性和混沌特點(diǎn),人工神經(jīng)元網(wǎng)絡(luò)和遺傳算法為建立新的空間模型提供了一條可行的方法。我們知道多層前向神經(jīng)網(wǎng)絡(luò)的最重要屬性在于它能夠?qū)W會(huì)任何復(fù)雜性的映射(線性、非線性),利用這一特性可以在沒有或有很少關(guān)于研究對(duì)象的領(lǐng)域知識(shí)的前提下,通過對(duì)大量空間數(shù)據(jù)(樣本)進(jìn)行學(xué)習(xí),來建立空間要素之間的依賴關(guān)系,以滿足人們對(duì)空間數(shù)學(xué)模型的需求。智能空間分析重點(diǎn)要解決的問題是空間知識(shí)的發(fā)現(xiàn)、表達(dá)與推理問題。對(duì)于描述性知識(shí)來說,符號(hào)方法仍然是一種重要的知識(shí)表達(dá)與推理手段。而對(duì)于具有大規(guī)模并行分布式結(jié)構(gòu)的知識(shí),神經(jīng)網(wǎng)絡(luò)和遺傳算法則具有其它方法無可替代的優(yōu)越性�？臻g知識(shí)的自動(dòng)獲取是制約空間分析發(fā)展的瓶頸。從空間數(shù)據(jù)庫中發(fā)現(xiàn)知識(shí)的能力是評(píng)價(jià)空間信息智能化的重要標(biāo)志。神經(jīng)網(wǎng)絡(luò)與遺傳算法的結(jié)合使其具有較強(qiáng)的知識(shí)學(xué)習(xí)能力成為可能。2.2 空間推理空間推理是利用空間理論和人工智能技術(shù)對(duì)空間對(duì)象進(jìn)行建模、描述與表示,并據(jù)此對(duì)空間對(duì)象間的空間關(guān)系進(jìn)行定性或定量分析和處理的過程�？臻g推理有淺層推理和深層推理之分。深層次的推理結(jié)合了人工智能技術(shù),涉及到空間知識(shí)的獲取、表達(dá)與利用,也稱為基于規(guī)則知識(shí)的空間推理。知識(shí)可以是從空間數(shù)據(jù)本身內(nèi)在的規(guī)律提取的事實(shí)性知識(shí),也可以是人為規(guī)定的或常識(shí)性的認(rèn)知知識(shí)[5]。2.2.1 知識(shí)表達(dá)空間推理的首要前提是要講規(guī)則知識(shí)進(jìn)行識(shí)別,這就涉及到知識(shí)表達(dá)問題。在人工智能中有多種知識(shí)表達(dá)方法,如:謂詞邏輯、產(chǎn)生式規(guī)則、單元、語義網(wǎng)絡(luò)、概念從屬、框架和腳本等。本文中我們以框架為例實(shí)現(xiàn)地理知識(shí)的表達(dá)�；诳蚣芫W(wǎng)絡(luò)結(jié)構(gòu)模型的知識(shí)表達(dá)方法中心內(nèi)容是采用知識(shí)的框架網(wǎng)絡(luò)結(jié)構(gòu)描述地學(xué)環(huán)境的實(shí)體單元,將各級(jí)專家知識(shí)的表示以指針鏈接,形成了由知識(shí)到語義的專家知識(shí)表示框架網(wǎng)絡(luò)(圖 2)。該知識(shí)庫由事實(shí)庫、規(guī)則庫和映射庫組成,事實(shí)庫用于存儲(chǔ)推理需要的判斷性知識(shí)以及構(gòu)成信息實(shí)體的事實(shí);規(guī)則庫用于存儲(chǔ)推理所用的專家知識(shí)和引導(dǎo)推理的元知識(shí),可以用產(chǎn)生式規(guī)則表示;知識(shí)庫中的事實(shí)和規(guī)則表面上是分開存儲(chǔ)的,而在知識(shí)的內(nèi)部表示中,使用映射庫中的映射集反映規(guī)則對(duì)事實(shí)的引用和操作[6]。基于框架網(wǎng)絡(luò)結(jié)構(gòu)模型的知識(shí)表示方法適合表示以實(shí)體為中心的多層次地理專家知識(shí),并且與 GIS 的數(shù)據(jù)模式相對(duì)應(yīng),同時(shí)框架的繼承性和附屬過程為信息動(dòng)態(tài)獲取提供了方便。在框架系統(tǒng)中,框架的槽分為 Structure、Function、Measurement、Estimation 等幾類

12>

  本文關(guān)鍵詞：人工智能技術(shù)在GIS應(yīng)用中的研究，由筆耕文化傳播整理發(fā)布。