节点文献

基于支持向量机的土地利用变化模拟模型

  • 推荐 CAJ下载
  • PDF下载
  • 不支持迅雷等下载工具,请取消加速工具后下载。

【作者】 熊华车珊珊

【机构】 武汉大学资源与环境科学学院武汉大学教育部地理信息系统重点实验室

【摘要】 要支持向量机(SVM)是基于统计学习理论的结构风险最小化原则,将最大分界面分类思想与基于核的方法结合,解决有限样本下机器学习的智能化方法。土地利用变化与其驱动力因子之间的关系往往是非线性的,难以用显形数学表达式模拟。本文以湖北省为例,选取5大类7个耕地利用变化驱动力因子,将1986~2000年数据作为样本训练数据,2001~2004年数据作为测试数据,与耕地变化进行基于支持向量机的回归模拟,用遗传算法对参数优化,并与BP、RFB神经网络模型进行对比实验。模拟结果精度分析显示,SVM模型较BP神经网络模型理想,与RFB神经网络接近。并运用该模型进行了湖北省2010年耕地利用变化的预测,结果合理。研究表明SVM模型有强的自学习、自适应能力,在土地利用变化模拟中有广泛的应用前景。

【基金】 国家自然科学基金项目(40771168);“863”项目“面向土地利用的时空数据挖掘模型”(2007AA12Z200)
  • 【会议录名称】 生态文明中的土地问题研究
  • 【会议时间】2008
  • 【分类号】F301;F224
节点文献中: 

本文链接的文献网络图示:

本文的引文网络