本文關鍵詞：人工智能技術在GIS應用中的研究，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于人工智能技術在GIS應用中的研究的文檔，希望對您的工作和學習有所幫助。以下是文檔介紹：人工智能技術在 GIS 應用中的研究摘要:人工智能技術與GIS相結合,能夠對海量空間地理數(shù)據(jù)中的結構化和非結構化知識進行表達推理,預測未來發(fā)展趨勢,智能化的解決復雜的現(xiàn)實問題。文中闡述了人工智能與 GIS 結合的研究熱點,在智能化知識推理中給出了詳細解釋,并以實例具體描述了專家系統(tǒng)中自然語言輸入到結果輸出的運行過程。關鍵詞:人工智能;人工神經(jīng)元網(wǎng)絡;專家系統(tǒng)人工智能(Artificial Intelligence)是計算機科學、控制論、信息論、神經(jīng)生物學、心理學、語言學等多種學科互相滲透而發(fā)展起來的一門綜合性學科;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科。它借助于計算機建造智能系統(tǒng),完成諸如模式計算識別、自然語言理解、程序自動設計、定理自動證明、機器人、專家系統(tǒng)等應用活動;其主要任務是建立智能信息處理理論,進而設計可以展現(xiàn)某些近似于人類智能行為的計算系統(tǒng)[1]。當前普遍的 GIS 系統(tǒng)需要完成管理大量復雜的地理數(shù)據(jù)的任務,目前, GIS 技術主要側重于解決復雜的空間數(shù)據(jù)處理與顯示問題,其推廣應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工程、問題求解、規(guī)劃、決策、自動推理技術等的發(fā)展與應用。從這一點上講,在不久的將來, AI 在 GIS 系統(tǒng)中的應用,尤其是其智能化分析功能將大大改善傳統(tǒng) GIS 應用范圍,將 GIS 應用提高到一個新的層次。將 AI 應用到 GIS 中,使之能夠對結構化或非結構化的知識進行表達與推理。以構成一個完整的智能化地理信息系統(tǒng)。通過增強其在問題求解、自動推理、決策、知識表示與使用等方面的能力,使得 GIS 的專題分析模型能自動地、智能化地解決復雜的現(xiàn)實問題,是 GIS 的重要發(fā)展方向之一[2]。1 AI 在 GIS 應用領域人工智能與地理信息系統(tǒng)的結合,其產(chǎn)生的專題分析模型可以增強問題求解、自動推理、決策、知識表示與使用等方面的能力,并能夠智能化的解決復雜的現(xiàn)實問題。具體應用領域包括生態(tài)評估、環(huán)境保護、農(nóng)林土地建設、地圖制圖及數(shù)據(jù)獲取、交通運輸、通訊電力網(wǎng)絡規(guī)劃、災害預防、養(yǎng)殖副業(yè)、城市規(guī)劃等等。按 GIS 應用中涉及的具體 AI 方法來分,又有 GIS 與專家系統(tǒng)(ExpertSystem, ES)或基于知識的專家系統(tǒng)(Knowledge-based ExpertSystem, KBES)的結合, GIS 與模糊推理的結合,GIS 與模式識別(Pattern Recognition, PR)的結合, GIS 與決策支持系統(tǒng)(Decision Support Sys-tem, DSS)的結合等。2 AI 在 GIS 中的研究熱點現(xiàn)實的需求要求 GIS 不僅要完成管理大量復雜的地理數(shù)據(jù)的任務,更為重要的是實現(xiàn)與地理數(shù)據(jù)相關的分析、評價、預測和輔助決策[3],從而解決復雜的規(guī)劃和管理問題。所以,強化分析手段是拓展和深化地理信息系統(tǒng)應用的關鍵。2.1 空間信息智能化處理空間分析的主要功能不是簡單地從地理數(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空間數(shù)據(jù)進行處理,從而發(fā)現(xiàn)新的知識。傳統(tǒng)的 GIS 模型經(jīng)過智能化改進可用于描述各類地理因素主要特征并預測系統(tǒng)將來的發(fā)展趨勢[4]。模型如圖 1 所示:人工神經(jīng)網(wǎng)絡是一種用計算機去模擬生物機制的方法,是一種不確定的方法。它們不要求對事物的機制有明確的了解,系統(tǒng)的輸出取決于系統(tǒng)輸入和輸出之間的連接權,而這些連接權的數(shù)值則是根據(jù)歷史上曾經(jīng)發(fā)生過的事例訓練得到的,這種方式對解決機理尚不明確的問題特別有效。與傳統(tǒng)的統(tǒng)計模型相比,人工神經(jīng)網(wǎng)絡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)采用多層前向拓撲形狀,由輸人層、中間層和輸出層組成,可用于分類、回歸時間序列預測任務中。SOM 神經(jīng)網(wǎng)絡模型適合對數(shù)據(jù)對象進行聚類,它的輸入層由 N 個輸人神經(jīng)元組成,競爭層由 m*m=M 個輸出神經(jīng)元組成,輸入層神經(jīng)元與競爭層神經(jīng)元之間相互連接。地學現(xiàn)象的復雜性和獨特性使得建立在各種理想條件之上的理論模型很難應用于實際,確定性的模型需要隨著地點和時間的改變而不斷修改模型參數(shù)甚至模型結構,因而在很大程度上失去了模型的普遍性。自然、社會、經(jīng)濟各因素的耦合使得這個復雜的系統(tǒng)具有一定程度的非線性和混沌特點,人工神經(jīng)元網(wǎng)絡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)絡的最重要屬性在于它能夠學會任何復雜性的映射(線性、非線性),利用這一特性可以在沒有或有很少關于研究對象的領域知識的前提下,通過對大量空間數(shù)據(jù)(樣本)進行學習,來建立空間要素之間的依賴關系,以滿足人們對空間數(shù)學模型的需求。智能空間分析重點要解決的問題是空間知識的發(fā)現(xiàn)、表達與推理問題。對于描述性知識來說,符號方法仍然是一種重要的知識表達與推理手段。而對于具有大規(guī)模并行分布式結構的知識,神經(jīng)網(wǎng)絡和遺傳算法則具有其它方法無可替代的優(yōu)越性�？臻g知識的自動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)知識的能力是評價空間信息智能化的重要標志。神經(jīng)網(wǎng)絡與遺傳算法的結合使其具有較強的知識學習能力成為可能。2.2 空間推理空間推理是利用空間理論和人工智能技術對空間對象進行建模、描述與表示,并據(jù)此對空間對象間的空間關系進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。深層次的推理結合了人工智能技術,涉及到空間知識的獲取、表達與利用,也稱為基于規(guī)則知識的空間推理。知識可以是從空間數(shù)據(jù)本身內(nèi)在的規(guī)律提取的事實性知識,也可以是人為規(guī)定的或常識性的認知知識[5]。2.2.1 知識表達空間推理的首要前提是要講規(guī)則知識進行識別,這就涉及到知識表達問題。在人工智能中有多種知識表達方法,如:謂詞邏輯、產(chǎn)生式規(guī)則、單元、語義網(wǎng)絡、概念從屬、框架和腳本等。本文中我們以框架為例實現(xiàn)地理知識的表達�；诳蚣芫W(wǎng)絡結構模型的知識表達方法中心內(nèi)容是采用知識的框架網(wǎng)絡結構描述地學環(huán)境的實體單元,將各級專家知識的表示以指針鏈接,形成了由知識到語義的專家知識表示框架網(wǎng)絡(圖 2)。該知識庫由事實庫、規(guī)則庫和映射庫組成,事實庫用于存儲推理需要的判斷性知識以及構成信息實體的事實;規(guī)則庫用于存儲推理所用的專家知識和引導推理的元知識,可以用產(chǎn)生式規(guī)則表示;知識庫中的事實和規(guī)則表面上是分開存儲的,而在知識的內(nèi)部表示中,使用映射庫中的映射集反映規(guī)則對事實的引用和操作[6]�；诳蚣芫W(wǎng)絡結構模型的知識表示方法適合表示以實體為中心的多層次地理專家知識,并且與 GIS 的數(shù)據(jù)模式相對應,同時框架的繼承性和附屬過程為信息動態(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>

  本文關鍵詞：人工智能技術在GIS應用中的研究，由筆耕文化傳播整理發(fā)布。