基于反向传播算法的地理实体数值型时空数据预测模型

【摘 要】基于反向传播神经网络（BP-ANN）算法,本文提出了地理实体数值型时空数据预测的模型,并探讨了模型中BP模块、知识库和空间数据库的开发方法.

【关 键 词 】神经网络 BP GIS预测

一、引言

目前,应用型地理信息系统（GIS）有三个强大的功能特点：时空数据管理功能、空间信息表达能力和信息分析能力.同时在用户体验和Web怎么写作中得到快速发展.但是,因为传统GIS研究在智能分析领域的缺失,导致此类GIS的在地理信息预测、综合评价、辅助决策等智能GIS方面的应用中有着天生的缺陷,而信息预测更是智能GIS的核心功能之一.在此情况下,如何建立地理信息预测模型成为了建立智能GIS的一个重要步骤[1].

二、BP传播算法模型

BP网络（反向传播网络）实际上是一个基于神经元数学模型的多层感知器,它可以在典型前馈型网络体系结构的基础上进行误差信号的反向传播,能够对任意非线性映射进行良好的逼近,从而拥有了表达各种复杂映射的能力.BP网络是在对模型运算速度要求不高的离线预测模型系统中使用最广泛的神经网络模型之一[1-4].BP网络拥有三条突出的特征：

(一)网络中每一个神经元模型都包括一个非线性激活函数,即sigmoid函数：

它能够有效解决非线性问题.

(二)网络包含一层或多层神经元的隐藏层,能够逐步从输入模式中提取更多的有用特征,可以使网络学习复杂的任务.

(三)网络的连接强度由网络突触决定,网络连接的改变可以通过改变突触连接的数量即改变权值来实现[5].

三、BP算法用于GIS预测的方法及核心库的建立

(一)嵌入式BP模块的开发

BP网络为GIS提供预测、评价等决策支持功能时,可根据实际需求,进行集成二次开发.数据库管理系统可对各类空间数据、属性数据、模型数据等进行相应的调整,再经过GIS主系统把相关数据提供到BP模块完成分析处理.BP模块会把最后的处理结果返回,根据

GIS的时空表达能力,将已经存在的数据资源完成整合分析,整理生成综合评价,可给用户提供信息支持与辅助决策支持.BP支持的GIS结构图如图3.1所示：

其中评价因子从专家/知识库获得；样本则由GIS主系统进行数据的处理后,输入BP模块进行训练、预测,然后返回GIS主系统输出结果.

(二)建立知识库

知识库的主要作用就是将领域专家的知识,通过某一种表达形式存到计算机里,同时可对其进行管理.知识库在神经网络评价决策支持系统中占主要组成部分,它的组织形式、结构形式、知识的质量和数量都直接影响到整个决策支持系统的质量和效率.所以,迫切需要研究和开发一个功能齐全的知识库和知识库管理系统.

而一般知识库系统的功能总结分为五点：

1.知识表示方法多样化.2.对知识的存储进行具体分类管理,有规划,统筹管理.这样就能使知识变得有调理,对知识的搜索有了一定的范围,使其更加方便、简洁.3.可快速有效的对知识库里的知识进行查询和检索.为用户提供更有效的查询功能和检索工具,还可以实现精确条件查询.4.可根据需要随时进行知识库增、减、删、改的操作.由于人类知识存在不断的变化和更新,每一次的更新和变化都需要在知识库里完成最新的存放.5.定期对知识进行维护和管理.主要指对知识库使用权限的确认,对知识库内容进行修改的权限的确认,另外还要定期对知识库进行安全检查,并完成文件的管理工作,这样即能对知识库进行有效维护,又可避免部分违法的操作方式给知识库造成损坏.

(三)空间数据库的建立

通常情况下数据的采集、标准化、综合和自动录入是GIS数据采集的主要功能.地理信息系统的数据来源十分广泛,野外实测、遥感、航拍、GPS生成的矢量数据或栅格数据都是其来源,一些已成的统计表格、文字也可根据需要,输入到空间数据库中.

空间数据库中存储的数据包括分层矢量数据、数字高程模型（DEM）的高程数据、图像数据等.DEM数据主要通过基于区域的模型来实现,矢量图中的数据根据基于对象的模型来实现,其中包括空间数据和属性数据.空间数据库的数据组织简单的说就是对各类数据的管理,主要有空间数据、属性数据、图形数据等.空间地物可根据点、线、面等来完成对象的分类.按照几何对象对空间地物进行分配,标识符号为OID,在工程中多空间地物的属性数据进行统一管理,将数据一一例入统一的表格中进行存档[5].

四、总结

本文基于BP算法提出了用于GIS预测的一种BP预测模型组织结构,并阐述了模型中数据库和知识库的构建方法.但在实际预测过程中,原始数据的选择和归一化方法同样是模型能否建立的一个重要方面.如何进行数据的有效选择,提高预测效率,仍然是需要进一步研究的课题.