基于RBF神经网络的地理时空信息预测推理方法

广西师范大学学报（自然科学版） ›› 2014, Vol. 32 ›› Issue (4): 59-65.

基于RBF神经网络的地理时空信息预测推理方法

李景文^1,2, 王珂^1,2, 叶良松^1,2, 刘华尧³, 王翰钊⁴

1.桂林理工大学广西矿冶与环境科学实验中心,广西桂林541004;
2. 桂林理工大学广西空间信息与测绘重点实验室,广西桂林,541004;
3.广西有色勘察设计研究院,广西南宁530031;
4.郑州测绘学校,河南郑州450015

收稿日期:2014-03-12 发布日期:2018-09-26
通讯作者: 李景文(1971-),男,内蒙古赤峰人,桂林理工大学教授,博士。E-mail: lijw@glut.edu.cn
基金资助:
国家自然科学基金资助项目(41461085),广西自然科学基金重点项目(2014GXNSFDA118032);广西教育厅科学技术研究项目(YB2014164)

An Inference Prediction Method of Spatiotemporal Information of Geographical Entity Based on RBF Neural Network

LI Jing-wen^1,2, WANG Ke^1,2, YE Liang-song^1,2, LIU Hua-yao³, WANG Han-zhao⁴

1. Guangxi Mining and Environmental Science Experimental Center, Guilin University of Technology, Guilin Guangxi 541004, China;
2. Spatial Information and Key Laboratory of Surveying and Mapping in Guangxi,Guilin University of Technology, Guilin Guangxi 541004, China;
3. Guangxi Survey and Design Institute of Nonferrous Metals,Nanning Guangxi 530031,China;
4. Zhengzhou Surveying and Mapping School, Zhengzhou Henan 450015,China

Received:2014-03-12 Published:2018-09-26

摘要/Abstract

摘要： 本文在深入分析地理实体时空特征的基础上,对地理实体进行抽象和标准化处理,提出一种针对特征复杂地理实体的地理信息预测推理方法。该方法重点研究了基于RBF网络学习方法的地理实体时空信息预测推理的理论、模型方法和具体过程,通过对地理实体对象化抽象描述和标准化处理,建立时空信息融合的超曲面,并利用RBF神经网络超强的非线性拟合能力,构建了复杂地理实体的时间、空间和属性信息的一体化预测和推理模型,并以桂林漓江阳朔段流域水质中溶解氧(DO)的含量的预测推理验证该方法的可行性,为时空数据处理过程中智慧决策和推理分析提供了有效途径。

关键词: 时空数据, 超曲面, 径向基函数, 推理预测

Abstract: Based on in-depth analysis of the temporal and spatial characteristics of the geographical entity, by abstracting and standardizing the geographical entity,this paper puts forword a reasoning prediction method according to the characteristics of complex geographical entity. The method focused on the predictive inference theory, model method and procedure of RBF network learning method based on temporal information of geographic entities. Through the abstract description and standardization of geographical entity object, hypersurface temporal information fusion is established. Using the strong nonlinear fitting ability of RBF neural network, a prediction and inference model is constructed with integration of a complex geographical entity with time, space and attribute information. And The method, by predicting the content of the dissloved oxygen (DO) in Lijiang River in Yangshuo section as an example, is proved to be feasible. This method provides an effective way for the intelligent decision and reasoning of spatiotemporal data processing.

Key words: spatiotemporal data, hyper surface, RBF, data reasoning

中图分类号:

P208

李景文, 王珂, 叶良松, 刘华尧, 王翰钊. 基于RBF神经网络的地理时空信息预测推理方法[J]. 广西师范大学学报（自然科学版）, 2014, 32(4): 59-65.

LI Jing-wen, WANG Ke, YE Liang-song, LIU Hua-yao, WANG Han-zhao. An Inference Prediction Method of Spatiotemporal Information of Geographical Entity Based on RBF Neural Network[J]. Journal of Guangxi Normal University(Natural Science Edition), 2014, 32(4): 59-65.

参考文献

[1] 吕效国,王金华,马阿芹,等.自回归模型的自回归分析及其应用[J].扬州大学学报:自然科学版,2010,13(3):31-33,57.
[2] 胡晓华,吉承儒,虞敏.灰色预测法的进一步推广及应用[J].大学数学,2013,29(1):117-121.
[3] 李彩虹.两类组合预测方法的研究及应用[D].兰州:兰州大学,2012.
[4] OPENSHAW S, OPENSHAW C. Artificial intelligence in geography[M]. New York: John Wiley and Sons, 1997.
[5] 黎夏,刘小平,李少英. 智能式GIS与空间优化[M]. 北京:科学出版社, 2010.
[6] 张艳秋.基于神经网络算法的知识获取研究[D].南京:南京师范大学,2011.
[7] HAYKIN S. 神经网络原理[M]. 叶世伟,史忠植,译.北京:机械工业出版社,2004:183-187.
[8] 张千宏,邵远夫,刘璟忠.随机时滞模糊细胞神经网络均方指数稳定性分析[J].江西师范大学学报:自然科学版,2013,37(2):195-198.
[9] 毋河海.关于GIS缓冲区的建立问题[J].武汉测绘科技大学学报,1997,22(4):358-366.
[10] 郭仁忠.空间分析[M].2版.北京:高等教育出版社,2001:4-7.
[11] 李景文,傅玮佳,叶良松,等.基于对象的GIS时空数据模型设计方法[J].地理与地理信息科学,2010,26(6):11-14.
[12] 周永权,戴祯杰.代数超曲面神经元的空间几何分析及其代数表示理论[J].广西科学院学报,2002,18(2):49-52.
[13] 董钧祥,李勤.基于遗传算法优化RBF网络的预测混沌时间序列[J].科技通报,2012,28(8):66-68,71.
[14] 孙毅刚,战强.一种用于径向基函数(RBF)神经网络训练的有效方法[J].哈尔滨工业大学学报,1997,29(4):103-106.
[15] HUANG Ming-yu, LIU Xing-gao, LI Jiu-bao.Melt index prediction by RBF neural network with an ICO-VSA hybrid optimization algorithm[J].Journal of Applied Polymer Science. 2012,126(2):519-526.
[16] QU Yi, LI Zhan-ming, LI Er-chao.Fault detection and diagnosis for non-Gaussian stochastic distribution systems with time delays via RBF neural networks[J].ISA Transactions. 2012,51(6):786-791.
[17] 王翰钊.基于RBF网络的地理实体信息推理方法研究[D].桂林:桂林理工大学,2012: 40-42.
[18] 王翰钊. 基于神经网络推理的GIS信息预测方法[J].管理工程师,2013(3):53-55.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed