9智能化空间讲解.ppt

9.1 空间分析智能化 9.2 智能计算技术 9.3 模糊地理空间数据分析 9.4 基于人工神经网络的地理空间问题模拟 9.5 基于遗传算法的地理空间问题分析 9.6空间决策支持系统 ;随着GIS应用水平的不断提高，人们开始逐渐关注地理空间数据的模糊性、不确定性及其分析方法，显然，传统基于确定性数据的分析模型已经不能有效地解答这一问题。同时，越来越多的复杂应用问题也对GIS空间分析功能提出了更高的要求。 ;地学工作者把数学、计算机科学和信息科学领域的智能计算技术引入地学研究，将模糊数学、神经网络、遗传算法等人工智能技术与GIS相结合，试图把不确定的数据处理转换为可靠、精确的知识和信息分析，以提高GIS空间数据分析和空间问题模拟的准确度。智能计算将数值计算与语义表达、形象思维等高级智能行为联系起来，通过模拟人脑判断与推理的行为与过程，处理关系错综复杂的数据，使高维非线性随机、动态或混沌系统行为的分析、预测和决策问题通过软计算找到有效的解决途径。 ;1、 地理空间数据的不确定性概念 不确定性是指处于混沌或模糊边缘的现象，是客观世界的固有特征，存在于自然科学技术、社会经济和人文科学的各个领域。 地理空间数据是对地理空间现象和过程的抽象和近似表达，存在着广泛的不确定性。空间数据不确定性可以理解为关于空间位置、空间现象、过程和特征不能被准确确定的程度。不确定性问题贯穿于整个数据的生命周期，可能随时间发生变化，致使地理空间数据分析与管理极其复杂。;? Ronen（1988）在“Uncertainty Analysis”一书中指出，空间数据的不确定性一般指误差、精度、精确度、正确度和合理性； ? Heuvelink（1993）认为不确定性是误差的同义词； ? Michael Goodchild（1995）把不确定性看作比误差更为一般的数据质量问题，即数据不确定性的含义要比误差更为广泛； ? Vander Wel（2000）将数据中的不确定性理解为某个具体数据特征不能表达的和有关真值知识的有用概念；;? Gottsegen（2001）则认为不确定性概念比误差或精度以及限制性概念要广，它可以看作是知识多少有点不完备的数据，这些数据是不可信的和不知道的； ? Keith Beren（2002）认为不确定性是对模型可能输出结果的风险性评估，它是评估模型正确性的一种方法，与风险性相联系； ? Peter Fisher（2003）指出空间数据不确定性是用来表述所有已经发表的与位置信息不确定相关的研究和一些认为与数据质量互补的研究领域的研究，并将空间数据不确定性的研究分为误差（error）、模糊（vagueness）、歧义（ambiguity）和不一致（discord）四个方面。 ;总的看来，绝大多数观点认为空间数据的不确定性与空间数据质量有关，但并不局限于数据质量问题。空间数据的不确定性是指信息源没有完全表达的程度，不仅包含能够观测的误差要素，也包含复杂的、难于观测的要素。; 从不同的角度，空间数据不确定性可划分为不同类型。根据空间数据的时间、空间、属性基本要素，可以分为时间不确定性、空间不确定性和属性不确定性;1. 空间数据不确定性的概念及类型;空间数据的不确定性类型分为概念不确定性和量测不确定性。 前者是指客观实体特征向地理信息系统空间目标转化过程引起的不确定性，后者是指对空间目标赋值的不确定性。 ;不确定性还常常被分为随机不确定性和模糊不确定性，分别由随机性和模糊性引起。 随机性指不知是否会发生的事件中包含的不确定性，如人口的分布、迁移，泥石流、地震的发生等均具有随机性； 模糊性则是已经出现或将会出现但难以给出精确定义的事件中所包含的不确定性，如利用地理信息系统分析某城市繁华区人口密度时，难以给“密度大”、“密度较大”、“密度小”等词语精确的定义，即是一种模糊不确定性。 ;在现实世界中，有些事件往往既包含随机不确定性，又包含模糊不确定性。 “明天下雪的可能性很小”，既包含随机不确定性，又包含模糊不确定性。下不下雪是随机的，具有随机不确定性；可能性很小却是模糊的，具有模糊不确定性。 ;GIS空间数据的不确定性包括空间位置的不确定性、属性不确定性、时域不确定性、逻辑上的不一致性及数据的不完整性。 空间位置的不确定性指作为空间实体的点、线、多边形或者栅格像素在图形或图像表达中与其真实值的误差程度； 属性不确定性是在采集、描述和分析真实世界中客观实体的过程中，实体属性的量测、分析值围绕其属性真值，在时间和空间内的随机不确定性变化域； ;时域不确定性是指在描述地理现象时，时间描述上的差别； 逻辑上的不一致性指数据结构内部的不一致性，特别是指拓扑逻辑上的不一致性； 数据的不完整性是指GIS没有尽可能完全地表达给定的目标。 地理信息系统不确定性