Fisher算法及加权马尔可夫链模型的耕地需求量预测方法——以山东省聊城市为例

根据聊城市1949-2007年的耕地数据,以耕地变化率来描述耕地数量变化的速率,借助Fisher最优分割法将耕地变化率状态分为5个等级,利用规范化后的各阶自相关系数为权重,运用加权马尔可夫链模型对聊城市耕地需求量进行预测。结果表明,预测值与实际值的相对误差为0.01%,预测结果非常理想,同时也验证了加权后的马尔可夫预测法更具科学性和实用性。     

马尔可夫链改进的MMF沉降预测模型及应用

针对地基沉降机理复杂及随机性特点,结合马尔可夫链理论,本文建立了一种马尔可夫链改进的MMF沉降预测模型。首先采用部分实测沉降数据,利用CurveExpert软件拟合MMF模型;然后根据MMF模型预测相对误差大小,并按照马尔可夫理论划分状态区间,构建状态转移概率矩阵,预测下一个沉降量所处的状态,从而得到了马尔可夫链改进的MMF预测值;最后将本文模型应用于深圳滨海大道市政工程软土路基沉降预测中,并对模型的预测效果进行精度分析。结果表明,马尔可夫链改进的MMF模型的预测精度较单一的MMF有明显提高,建模方法合理,可用于类似的工程预测。     

基于灰色-马尔柯夫链预测模型的耕地需求量预测研究

讨论了耕地总量预测的方法，在分析现有耕地预测方法的基础上，针对灰色GM(1，1)预测与马尔柯夫链预测的优点和不足，提出了基于灰色一马尔柯夫链的耕地需求量预测模型，并以湖北省耕地需求量为例，时该模型进行了实例验证和应用。     

地籍测绘

CH20041945基于灰色-马尔柯夫链预测模型的耕地需求量预测研究=Prediction of Gross Arable Land Based on Grey-Markov Model/刘耀林,刘艳芳,张玉梅(武汉大学资源与环境科学学院)∥武汉大学学报·信息科学版．- 2004,29(7)．-575-579,596 讨论了耕地总量预测的方法,在分析现有耕地预测方法的基础上,针对灰色GM(1,1)预测与马尔柯夫链预测的优点和不足,提出了基于灰色-马尔柯夫链的耕地需求量预测模型,并以湖北省耕地需求量为例,对该模型进行     

土地利用规划中农作物单产预测的灰色-马尔可夫链方法

考虑到自然因素、社会因素对农作物单产影响的后效性,通过灰色系统建模,并应用马尔可夫链的状态转移概率矩阵,对农作物单产进行预测,其预测结果合理,产量年景基本正确。     

土地利用规划中农作物单产预测的灰色—马尔可夫链方法

考虑到自然因素、社会因素对农作物单产影响的后效性,通过灰色系统建模,并应用马尔可夫链的状态转移概率矩阵,对农作物单产进行预测,其预测结果合理,产量年景基本正确。     

改进灰色马尔科夫模型在基坑预测中的研究

基坑预测问题关系到工程施工的安全,在施工过程中对基坑进行周密的监测和变性预测分析显得尤为重要。针对传统预测模型存在固有偏差和可靠性低的缺点,采用新陈代谢的原理对无偏灰色加权马尔科夫模型进行改进。该模型先用无偏灰色模型拟合系统的总体变化趋势,然后,对拟合残差进行马尔可夫状态划分,并根据各阶权重对不同步长的转移矩阵进行加权处理,用加权后的无偏灰色马尔科夫模型进行预测。在每一步的预测中,利用新陈代谢的原理不断更新建模所使用的数据。将该模型用于基坑沉降预测,并通过实例进行验证。实验表明:基于新陈代谢的无偏灰色加权马尔科夫模型提高了基坑沉降预测的精度和可靠性,预测精度与未改进模型相比提高了8.54%。     

基于粮食安全策略的耕地需求量预测研究--以湖北省为例

常见的耕地需求量预测方法主要是采用回归分析法、灰色预测法,缺乏对自然和社会因素的内在分析,忽略了国家粮食安全策略的影响。但是耕地保护与粮食安全之间存在着相当密切的联系,因此,本文基于国家粮食安全策略考虑进行耕地需求量的预测。结合国民经济发展及各用地部门需求,考虑规划期间耕地减少和增加的各种可能性,最终确定耕地需求的合理规模。     

面向城市建成区扩展模拟的CA-Markov模型改进

对城市建成区扩展的预测是防止城市蔓延的重要管理依据。目前,元胞自动机-马尔可夫链模型,已成为城市建成区扩展预测的重要方法。该模型对指标权重的赋值方法较为敏感,以往的单一指标赋值法,影响了城市建成区扩展预测的精度和可信度。为此,本研究提出整合传统权重赋值法的AHP和逻辑回归模型改进CA-Markov模型。研究选择云南省大理市为案例,对2020、2030年的城市建成区扩展进行模拟和预测,最后进行精度验证。研究结果表明：①Kappa指数可达到96.8%,预测结果有较好的一致性。②大理市的城市建成区扩展均表现为继续向外扩展,以东南、西北方向和两片建成区之间为主要扩展方向。研究提供了组合权重赋值法改进CA-Markov模型,这将为规划者在未来规划中提供强有力的支持。     

基于灰色马尔科夫链预测系统的设计与实现

通过对灰色GM[1,1]模型的算法改进,将改进后的灰色模型与马尔科夫链结合,既可以发挥灰色系统预测精确的特点,又可以利用马尔科夫链对准确预测波动性数据的优势。在灰色马尔科夫链模型的算法基础上,采用Visual Studio 2005开发环境,进行灰色马尔科夫链预测系统的设计。最后利用南方某地区十年来土地利用数据进行系统验证,结果表明,灰色马尔科夫链模型能很大地提高预测的精度和效果,符合实际要求。     

基于模糊神经网络的土地合理储备量预测研究

将神经网络和模糊理论相结合建立模糊神经网络模型,从模糊神经网络角度并运用灰色系统理论对建设用地量进行预测,并应用于重庆市2005～2010年的建设用地量预测.计算分析结果表明,该模型具有良好的可行性和合理性,可以为确定土地合理储备量提供依据.     

一种土地使用模糊空间决策方法

基于空间土地信息 ,提出了一种用地负荷预测的模糊空间决策方案 ,建立了土地利用模糊空间规则和隶属函数 ,并考虑决策的多因素影响 ,采用了多目标决策方法用于土地规划 ,并给出了土地利用决策的实际案例和计算结果 ,表明方法的有效性     

土地利用图中线状要素综合的质量评价

作为土地利用图综合的一个重要组成部分，线状要素综合质量的好坏对于有效提高自动制图综合的正确率具有重要意义。本文基于模糊综合评判理论对土地利用图中线状要素的综合进行了质量评价。首先，基于制图综合约束，确定评价指标体系，组成评价因素集；其次，在确定评判集和权重集的基础上，建立线状要素综合质量评价模型；最后，利用试验验证了评价方法的有效性。该研究为客观评价土地利用图中线状要素的综合质量提供了新的思路。     

基于计算智能的土地适宜性评价模型

将计算智能理论引入土地评价领域，构建了一个全新的土地适宜性评价模型。首先基于模糊逻辑和人工神经网络构造了一个模糊神经网络模型，然后采用改进的遗传算法进行训练，能够快速收敛到最优解，对初始的规则库进行修正，形成了一个自学习、自适应的评价系统。     

Model of Land Suitability Evaluation Based on Computational Intelligence

A novel model of land suitability evaluation is built based on computational intelligence (CI). A fuzzy neural network (FNN) is constructed by the integration of fuzzy logic and artificial neural network (ANN). The structure and process of this network is clear. Fuzzy rules (knowledge) are expressed in the model explicitly, and can be self-adjusted by learning from samples. Genetic algorithm (GA) is employed as the learning algorithm to train the network, and makes the training of the model efficient. This model is a self-learning and self-adaptive system with a rule set revised by training.     

模糊数学在土地利用更新调查质量评定中的应用探讨

土地利用现状数据已成为土地管理工作中的一项基础数据,为政府开展宏观调控、科学决策提供科学依据。本文针对土地利用更新调查中质量评定的模糊特性,运用模糊教学理论,提出运用模糊综合评判原理评定更新调查质量的方法,抛砖引玉,目的是借助科学的手段和方法限制和缩小人们对检查产品带有感情色彩的评定,客观地、科学地反映产品质量。     

GIS图上地理区域空间不确定性的分析

区域是GIS空间分析的基本单元。它是环境科学、土壤科学等领域中广泛存在的一类地理实体。这类实体抽象概括为GIS中空间目标时不可避免地带有模糊性。利用模糊集这个强有力的数学工具，首先基于场模型提出了表达GIS中模糊区域目标的方法，分析了其空间不确定性。继而，建立了模糊区域的形态描述模式，即模糊区域边界、内部和外部，并指出了Cohn给出的定义中的不足。在此基础上，对Egenhofer提出的九元组进行了扩展，构建了适合于描述确定和模糊区域目标间拓扑空间关系的模型。     

GRACE时变重力场各向异性高斯组合滤波方法

受测量误差等因素影响，直接使用GRACE时变重力场模型的地表质量变化反演结果呈现严重条带噪声，必须采用滤波消除。本文对不同滤波方法进行了试验分析，以信噪比最大为准则，确定了不同滤波方法的最优滤波参数，并在此基础上提出了一种各向异性组合滤波方法。该方法根据时变重力场模型球谐系数误差特性，结合各向异性高斯滤波和均方根滤波特点，对精度较高的低次项系数采用较大权重以保留更多有效信号，而对精度较差的高次项系数采用较小权重以压制噪声。不同于传统的两步法组合滤波，该方法仅需进行一步滤波处理。试验结果表明，本文提出的各向异性组合滤波方法计算步骤简单，能够有效消除条带噪声；与单一滤波和传统两步法组合滤波方法相比，提高了反演结果信噪比，保留了更多真实信号。     

基于模糊神经网络的模糊空间对象生成方法研究

随着对GIS中的空间对象模型和自然地理特征表达的研究深入,模糊空间对象被提出。针对模糊空间对象表达的特点,提出了一种基于模糊神经网络的模糊空间对象生成方法。该方法将模糊技术与神经网络相结合,利用神经网络的学习能力调整模糊隶属函数和模糊规则,使系统具备自适应的特性。实验表明,这种基于模糊神经网络的生成模糊空间对象的方法比传统方法大大的提高了成果的精度。     

体现主客观信息的土地定级因素综合集成赋权法研究

应用云模型、特尔斐法、关联分析法研究了土地定级中各影响因素的合理赋权问题，提出了体现主客观信息的土地定级因素综合集成赋权方法，并依据武汉市土地定级指标体系和有关数据，对武汉市土地定级影响因素进行了权重挖掘。