基于计算智能和空间关系约束的非结构化土地评价规则挖掘

地理变量之间关系的非结构性是空间知识发现的瓶颈之一。土地评价规则表达土地多重属性与土地质量之间的复杂关系，具有多元、模糊性和非线性特征，涉及的地理变量具有空间自相关性、变量之间具有多重空间相关性，是高度非结构化的。现有的土地评价规则挖掘模型难以实现非结构化土地评价规则的表达和推理，没有考虑空间自相关等空间关系约束。本项目将计算智能、空间关系分析与非结构化空间知识挖掘相融合，建立非结构化土地评价规则表达的模糊系统方法和神经网络模型方法，提出非结构化土地评价规则挖掘系列模型，包括空间依赖规则挖掘的顾及空间自相关约束的模糊神经网络模型、空间分类的遗传优化模糊推理系统、"自学习分类-自组织聚类"的二阶计算智能混合算法模型等，并进行实证研究。项目注重计算智能算法和空间数据分析在实质上融合。该研究有助于解决非结构化空间知识挖掘这一前沿问题，促进地理信息技术由数据驱动向模型驱动、知识驱动和决策支持转变。

土地评价规则表达土地多重属性与土地质量之间的复杂关系，具有多元、模糊性和非线性特征，涉及的地理变量具有空间自相关性、变量之间具有多重空间相关性，是高度非结构化的。现有的土地评价规则挖掘模型难以实现非结构化土地评价规则的表达和推理，没有考虑空间自相关等空间关系约束。将计算智能、空间关系分析与非结构化空间知识挖掘相融合，研究了空间知识表达方法的模糊扩展和神经网络扩展，建立了非结构化土地评价规则表达的模糊系统方法和人工神经网络模型方法；构建了多元非线性空间依赖规则挖掘的BP神经网络模型，构建了顾及空间自相关约束的空间型BP神经网络模型；在土地评价规则挖掘的模糊神经网络模型基础上，构建了非线性高维空间分类规则挖掘的遗传优化模糊推理系统，实现了土地评价规则的自学习和自适应；建立了在空间紧凑度、邻近性等约束条件下的自组织土地评价级别分区模型方法。在实证研究区验证上述算法模型的有效性和泛化推广能力。面向一般非结构化空间知识规则挖掘问题、土地评价相关问题，开展了延伸研究，取得了部分成果。该研究有助于解决非结构化空间知识挖掘这一前沿问题。在本项目资助下，发表了学术论文10篇，其中SCI论文4篇，EI论文2篇，核心期刊论文4篇，参与编写教材1部待出版。参加国际合作研究一次，参加国际国内学术会议并发表会议论文报告多次。参与本项目的两位博士研究生、十位硕士研究生，分别完成博士/硕士学位论文，顺利毕业。