土地利用规划模型.docx

人工神经网络及在土地集约利用评价中的应用
摘要:土地资源是人类赖以生存和发展的、无法替代的自然环境资源,它既是环境的重要部分,又是其他自然环境资源和社会经济资源的载体。土地规划方案的优与劣,对土地及其衍生物有着直接或间接的影响。人工神经网络是人工智能的重要分支,具有自适应、自组织和自学习的特点,已经在信息、医学、经济、控制等领域得到广泛应用。本文主要对人工神经网络的发展,基本原理做了介绍,并举例分析了其在土地集约利用评价中的应用。
关键词:人工神经网络;土地利用规划;土地集约利用;原理;应用;
1 人工神经网络概述
人工神经网络(ANN)是在现代神经科学研究成果基础上提出的,试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理的一种智能化方法。人工神经网络反应了人脑功能的基本特性,但并不是人脑的真实描述,只是人脑的抽象、简化与模拟。它是一门涉及医学、神经生理学、信息学、人工智能、数理学、计算机学等多个领域的新兴前沿学科,它具有复杂的非线性动力学特性、并行处理机制、学忆功能,以及高度自组织、自适应能力和灵活性。因此吸引了众多的神经生理学家、心理学家、数理学家、计算机与信息科学家及工程师对人工神经网络进行研究和应用。人工神经网络作为人工智能的一个分支,在近二十年来日益成为当代高新科技领域中竞争的热点。
目前关于人工神经网络的定义尚不统一,结合人工神经网络的来源、特点及定义,可将其表述为:人工神经网络是模仿脑细胞结构和功能、脑神经结构以及思维处理问题等脑功能的新型信息处理系统。

人工神经网络的研究始于1943 提出的神经网络最早的数学模型,称为MP模型,从而开创了人工神经网络研究的时代。人工神经网络的发展过程总体可以分为四个阶段:
(1)形成时期
第一个神经元模型(M-P 模型),他们的努力奠定了网络模型和以后神经网络开发的基础。1951 年,心理学家Donala O. Hebb 提出了连接权值强化的
Hebb 法则,为构造有学习功能的神经网络模型奠定了基础。1954 年,les 提出的真实突触的分流模型为神经网络模拟突触的功能提供了原型和生理学的证据。1956 年,Uttley 发明了一种由处理单元组成的推理机,用于模拟行为及条件反射。1960 年,Widrow和Hoff 提出了自适应线性元件Adaline网络模型。这些研究对于神经网络的基础理论与应用发展起到关键作用。
(2)低谷时期
在第一次神经网络研究热潮中,人们忽视了其本身的局限性。1969 年Minskyh 和Papert 经过多年的研究,提出了对当前成果的质疑,指出当前的网络只能应用于简单的线性问题,却不能有效地应用于多层网络,由此开始了神经网络的低谷期。。1972 年,芬兰的Kohonen 教授,提出了自组织映射(SOM)理论,1980 年福岛邦彦发表的“新认知机”(Neocognitron)是视觉模式识别机制模型。低谷时期的许多重要研究成果都为日后神经网络理论研究打下了坚实的基础。
(3)复兴时期
1982 年,美国物理学家Hopfield 博士提出了Hopfield 模型理论,他证明了在一定条件下,网络可以达到稳定的状态。在他的影响下, 大量学者又重新开始了对神经网络的研究。1986 年,由美国的Rumelhart kekkand 提出了PDP网络思想,再一次推动了神经网络的发展。。1995 年,Jenkins 等人开始研究光学神经网络(PNN),建立了光学二维并行互连与电子学混合的光学神经网络系统。经过多年的发展,目前已有上百种的神经网络模型被提出与应用。
(4)发展时期
20 世纪80 年代, 随着人工神经网络在世界范围内的复苏,我国也逐步掀起了对其的研究热潮。1987年,在美国加州召开了第一届国际神经网络学会。90 年代,国内外许多学者进一步完善和发展了神经网络领域。特别是通过神经网络方法来解决非线性系统的控制问题,并取得了突出的成果。1995 年Jenkins 等人研究了光学神经网络(PNN),建立了光学神经网络系统。2000 年,Setiono 提出了快速规则抽取算法。2004 年, 提出了用于计算混沌神经网络最大Lyapunov 指数的一种算法,基于最大指数的计算,研究网络混沌区域的分布和特征,可以合理的选择网络参数。如今的人工神经网络仍处于快速发展之中。

人工神经网络是在人类对其大脑神经网络认识理解的基础上人工构造的能够实现某种功能的神经网络。它是理论化的人脑神经网络的数学模型,是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。它实际上是由大量简单元件相互连接而成的复杂网