文档介绍:2 2 2
第 29 卷第 6 期武汉大学学报·信息科学版 Vol. 29 No. 6
2004 年 6 月 Geomatics and Information Science of Wuhan University J une 2004
文章编号:1671 8860 (2004) 06 0513 04 文献标识码:A
土地适宜性评价的模糊神经网络模型
焦利民1 刘耀林1
(1 武汉大学资源与环境科学学院,武汉市珞喻路 129 号,430079)
2 2
摘要:基于神经网络来构造模糊系统,建立了土地适宜性评价的模糊神经网络模型;根据神经网络误差反向
修正的原理,设计和推导了该模型的学****算法。实验结果表明,该模型应用于土地适宜性评价具有高效、客
观、准确等优点。
关键词:土地适宜性评价;模糊系统;模糊神经网络
中图法分类号: P271
近年来,对人工神经网络在土地适宜性评价中 BP 网络已具有对任意连续函数的良好逼近能力,
的应用研究取得了一定的成绩[1~3 ] ,人工神经网络因此选用三层前向 BP 网络来逼近某一参评因子
具有自学****和自适应的特征。将模糊逻辑和神经对各模糊集合(因子的等级划分) 的模糊隶属关系,
网络结合成一个系统进行研究,并称其为模糊神经构成网络的隶属函数部分。在网络设计之前,分用
网络或模糊神经系统。模糊神经网络通过向输入途分别建立初步的土地适宜性评价指标体系。为
输出样本学****可以对隶属函数和规则集进行自适简便起见,这里以因子数较少的单项评价为例来说
应调整,使模糊系统成为自适应的模糊系统。这方明该模型的结构。如宜林地评价选取了 3 个因子,
面的研究正处于探讨阶段,并取得了一些成果,如并初步划分了各因子的分级标准,指标体系见
利用模糊神经网络进行系统故障诊断[4 ] 、遥感图像表 1。设计的网络结构共有五层,如图 1 所示。
[5 ]
分类,将模糊超球神经网络用于研究图像识表 1 宜林地类评价因子及指标表
别[6 ] 、模糊聚类等。但是,随着因子数的增加,常用 Tab . 1 Factors System of the Evaluation for Wood Use
的模糊神经网络模型,在规则层都是全连接的,等参评因子权重ⅠⅡⅢⅣ
有机质含量/ % 0. 3 > 3 3~2 2~1 < 1
价于一个模糊系统,其规则节点数目都会随着输入
土壤质地 0. 2 中壤、重壤轻粘、轻壤砂壤砂土、中粘
节点的增加而急剧增长,仍然存在“规则灾”问题, 土层厚度/ cm 0. 5 > 20 20~15 15~10 < 10
限制了其在多因素评价领域的应用。
1 土地适宜性评价的模糊神经网络
模型的建立
根据土地适宜性评价的过程,本文设计的用于
土地适宜性评价的模糊神经网络模型为五层前向
网络。前三层为隶属函数层,第四层为模糊推理
层,即规则层,第五层为输出层。在没有任何先验
知识的前提下模糊系统的隶属函数部分应具有较
, 图 1 模糊神经网络结构图
大的调整空间,而不局限于某一种形式。三层前向 Fig. 1 Structure of the Fuzzy work
收稿日期:2004 03 20 。
项目来源:国家自然科学基金资助