《地理信息系统导论》PPT课件.ppt

地理信息系统导论地理信息系统导论地理信息系统导论地理信息系统导论第十章第十章 空间建模与空间决策支持空间建模与空间决策支持1空间分析过程及其模型11空间分析过程空间分析过程空间分析的目的是解决某类与地理空间有关的问题，通常涉及多种空间分析操作的组合。一般步骤是：1）明确分析的目的和评价准则；2）准备分析数据；3）进行空间分析操作；4）进行结果分析；5）解释、评价结果（如必要，返回步骤1）；6）结果输出（地图、表格和文档）。例例1 道路拓宽改建过程中拆迁指标计算道路拓宽改建过程中拆迁指标计算这里将举例说明如何利用建立缓冲区、拓扑叠加和特征提取,计算一条道路拓宽改建过程中的拆迁指标。1）明确分析的目的和标准2）准备进行分析的数据3）进行空间操作4）进行统计分析5）将分析结果以地图和表格的形式打印输出。1空间分析过程及其模型12空间分析建模空间分析建模121地图模型的概念地图模型的概念为了解决复杂的空间问题，人们也试图建立一个简化的模型，模拟空间分析过程。空间分析建模，由于是建立在对图层数据的操作上的，又称为“地图建模”。它是通过组合空间分析命令操作以回答有关空间现象问题的过程，更形式化一些的定义是通过作用于原始数据和派生数据的一组顺序的、交互的空间分析操作命令，对一个空间决策过程进行的模拟。1空间分析过程及其模型反向用图形或符号将有关数据及其操作流程表示出来就得到一个地图模型。本例表示如图10-1：图10-1：提取坡度大于20度的计算流程矩形框为数据，箭头表示操作命令，方向表示操作顺序。1空间分析过程及其模型122地图模型实例地图模型实例地图模型有多种表示方法，为了进一步理解制图建模过程，下面给出三个不同领域的地图模型实例，分别采用了三种不同的表示方法。1）食草动物栖息地质量评价模型本例是一个食草动物栖息地质量评价简化模型，模型只考虑了影响食草动物生存的基本因子：水源、食物、和隐藏条件，以及景观单元的面积，连通性和破碎程度的度量指标。模型形式如图10-2所示：1空间分析过程及其模型 图10-2：食草动物栖息地质量评价模型1空间分析过程及其模型2）国家森林公园选址模型本例是一个为某地建立一国家森林公园确定大致范围，是一个数据源已知，需要进行空间信息提取的模型。数据源包括公路铁路分布图，森林分布图，城镇区划图。地图模型可以用下面的形式表示：表表10-1：国家森林公园选址模型：国家森林公园选址模型1空间分析过程及其模型3）木材毁坏量回归预测模型根据多年的统计数字和经验方程，本例是一个林场砍伐木材时木材毁坏量回归预测模型。模型的因变量有坡度，树径，树高，蓄积量，树木缺矢量。公式如下：地图模型可以表示成下面的形式（图10-3）：木材毁坏量回归预测模型木材毁坏量回归预测模型1空间分析过程及其模型123 地图模型实现地图模型实现大多数GIS软件提供了宏命令或脚本描述语言，可以将上述建立的各种地图模型表示成GIS的操作命令序列，自动批处理完成整个模型过程。还有一些GIS软件提供了高级的可视化的地图建模辅助工具，用户只需使用其提供的工具在窗口中绘出模型的流程图，指定流程图的意义、所用的参数，矩阵等即可完成地图模型的设计，而无需书写复杂的命令程序。1空间分析过程及其模型 图图10-4：通过流程图表现的：通过流程图表现的GIS模型模型1空间分析过程及其模型2空间决策支持模型区域规划、土地利用规划、设施位置选择、环境管理等都是有关空间行为的决策问题，这些问题的解决方案是由决策者或领域专家在专业领域知识和经验的启发下，在分析大量的空间和非空间信息的基础上得到的。空间决策问题大大超过了地理信息系统通常的空间分析功能的要求。21空间决策过程的复杂性空间决策过程的复杂性决策是一个决策者为达到某种目标或目标集合，根据一定的约束条件下在多种侯选方案里进行选择的复杂过程。当采用数学表述形式表达一般化决策问题时，包括以下几个构成部分：2空间决策支持模型1）方案集合：决策问题的方案集合是指可以选择的行动方案集合，记为A。2）状态集合：任何一个决策问题都面临一定的外界环境，称之为状态。系统各种可能的状态，称为状态集合，记为Q。3）损益函数：这是决策分析中的一个重要概念。在决策问题中，如果采用策略，假定系统状态出现，系统收益。因此定义映射为决策问题的损益函数。在A、Q可数的情况下，可获得损益表如下所示（表10-2）。2空间决策支持模型 表表10-2：决策损益表：决策损益表4）目标函数（决策准则）：记为F。损益函数只给出了系统的实际收益情况，但没给出收益的评价标准，即“抉择”时的优化准则。决策准则对于不同的决策者、问题、方法都是不同的，它最终决定了方案的形成。2空间决策支持模型决策学常规方法用于解决普通决策问题，这类问题满足以下条件：存在决策者希望达到的明确目标；存在可供决策者选择且可以明确组分的侯选方案；存在不受决策者控制的系统状态，系统状态集与侯选方案集相互独立；损益值可以精确数量化，A，Q均为可数集合。2空间决策支持模型总之，空间决策是一个涉及多目标和多约束条件的复杂过程，通常不能简单地通过描述性知识或程式式知识进行解决，往往要求综合地使用信息，领域专家知识和有效地交流手段。图图10-5：空间决策过程：空间决策过程2空间决策支持模型地理信息系统为决策支持提供了强大的数据输入、存储、检索、显示的工具，但是在分析、模拟和推理方面的功能比较弱，本质上是一个数据丰富但理论贫乏的系统，在解决复杂空间决策问题上缺乏智能推理功能。所以，为解决复杂的空间决策问题，需要在地理信息系统的基础上开发智能决策支持系统，用于数据获取、输入、存储、分析、输出；用于知识表现和推理；用于自动学习，系统集成，人机交互。2空间决策支持模型22空间决策分析的理论和方法空间决策分析的理论和方法221效用理论效用理论是决策分析的基础。事物的不确定性可看作是许多简单随机事件的复合。每一个简单随机事件是由两个互斥事件Z1 和Z2组成的。事件Z1发生的概率为P，事件Z2发生的概率为1P，则随机事件记为L（Z1，P，Z2）。在简单随机事件内引进“优先”或“偏好”的概念，并在随机事件集合的基础上建立公理体系，即假设在随机事件集合中存在下列条件：2空间决策支持模型1）相对偏好顺序；2）偏好关系具可传递性；3）简单随机事件间的可比性；4）偏好关系可以量化；5）不确定性可以量化；6）等价随机事件可相互代换。2空间决策支持模型222决策树决策分析中最常用的方法之一是决策树方法，图10-6为典型的决策树。图中长方形小框表示由人选择的决策点。把需要作决策的问题过程画成示意图，由图的最左边出发，在作决策之前先作试验。决策树的方法是顺着树的各个分校进行分析，并计算各种可能情况的概率大小，最后计算在这些条件下最终出现的后果的效用，将各种效用加以比较，从中选取最佳效用所对应的试验与决策作为应取的决策。2空间决策支持模型 图图10-6：决策树示例：决策树示例2空间决策支持模型223贝叶斯决策由于决策总是在事件发生之前做出，而事件是否发生又不是确定的，因此常采用统计学中贝叶斯公式对事件发生的概率作先验估计，这就是贝叶斯方法。2空间决策支持模型23空间决策支持系统空间决策支持系统决策支持系统（DSS）是辅助决策者通过数据、模型、知识以人机交互方式进行半结构化或非结构化决策的计算机应用系统。它为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。DSS的基本结构主要由四个部分组成，即数据部分、模型部分、推理机部分、人机交互部分，如图10-7所示。2空间决策支持模型 图图10-7：DSS的组成部分的组成部分2空间决策支持模型24 智能空间决策支持系统结构体系智能空间决策支持系统结构体系空间决策支持系统的建立可以解决特定领域的决策问题。但是它的建立过程是一个花费很长时间的工程，而且它也只能用在特殊的领域，所以建立空间决策支持系统最经济和灵活的方式是使用软件工程和知识工程的方法开发空间决策支持系统开发环境（外壳或产生器），这样领域专家就可以使用它快速高效地建立多种领域空间决策支持系统。也就是说开发一个通用的开发工具，决策者可以用来定制、修改、调整、扩展空间决策支持系统以解决特定的空间决策问题。2空间决策支持模型 图图10-8：通用空间决策支持系统的结构体系图：通用空间决策支持系统的结构体系图2空间决策支持模型系统的核心是一个专家系统壳，它可以单独作为专家系统开发工具，直接控制着SDSS的控制流和信息流，提供表达和存储非结构化领域知识，它还包含了推理控制、系统和用户界面和对外交流的元知识，以及非结构化空间知识的推理机。专家系统壳有一个与外部数据库的接口，包括GIS，关系数据库和遥感信息系统。模型管理系统管理和处理程式知识包括算法、统计程序和数学模型，它也有一个与专家系统壳的接口，可以通过专家系统壳的元知识进行调用。除了与数据库管理系统、模型管理系统的接口外，友好的用户界面和知识获取模块也是专家系统壳的基本组成部分。2空间决策支持模型25 空间决策支持系统的模型管理系统空间决策支持系统的模型管理系统为解决自然和人文过程中出现的各种复杂的空间问题，多年来学者们提出了大量的结构化模型，包括统计方法、数学模型、启发式程序、算法等，这些模型与描述性的知识不同，具有高度结构化的格式和固定的执行程序。空间决策支持系统需要适当地挑选和组织有关的模型，与管理空间和非空间数据的数据库管理系统相对应的，要有一个模型管理系统。2空间决策支持模型模型管理系统应具有下列功能：帮助用户选择与分析有关的模型；对多种类型的模型进行分类和维护以支持各种层次的决策过程；能将模型子模块组合复杂的模型；提供恰当的数据结构满足查询、分析、显示；满足与数据库的嵌入或数据交换；满足模型与描述性知识的交流；提供用户咨询和结果解释的友好界面；2空间决策支持模型下面给出一个分类示例：1）决策问题分类第一级分类：环境问题土地利用规划问题资源分配问题设施配置问题网络问题水文问题地质问题海岸线问题2空间决策支持模型假设关心的是网络问题，第二级分类，如下所示：最短路径最少搜索路径问题货郎担问题多点通讯问题运输问题商品流问题对于每个选择的问题，还可以继续细分成更专的类型，如商品流问题，可以继续分成单商品和多商品流问题。要选择某个专用的模型，用户通过一系列“是或否”的问题向导，直到找到需要的解决问题的模型。2空间决策支持模型2）按技术条件分类表表10-3：决策问题的分类示例：决策问题的分类示例2空间决策支持模型空间决策支持系统除了模型选择的问题外，模型与数据库的交互也是一个重要的问题。不同的模型具有不同的数据结构和不同的模型与数据库的交互方式。模型要在GIS环境下运行，还有一个与GIS数据结构的兼容性问题。2空间决策支持模型3专家系统31专家系统的基本组成专家系统是人工智能在信息系统中的应用，它是一个智能计算机程序系统，其内部具有大量专家水平的某个领域知识与经验，能够利用人类专家的知识和解决问题的方法来解决该领域的问题。专家系统的主要功能取决于大量的知识。设计专家系统的关键是知识表达和知识运用。一般的专家系统包括数据库，知识库，推理机，解释器及知识获取五个部分组成，它的结构如图10-9所示。图图10-9：专家系统结构图：专家系统结构图3专家系统1）知识库知识库用于存取和管理所获取的专家知识和经验，供推理机利用，具有知识存储、检索、编辑、增删、修改和扩充功能。2）数据库用来存放系统推理过程中用到的控制信息，中间假设和中间结果。3）推理机用于利用知识进行推理，求解专门问题，具有启发推理、算法推理；正向、反向或双向推理；串行或并行推理等功能。3专家系统4）解释器解释器用于作为专家系统与用户的“人机”接口，其功能是向用户解释系统的行为，包括：（41）咨询理解（42）结论解释5）知识获取器知识获取是专家系统与专家的“界面”。知识库中的知识一般都是通过“人工移植”方法获得，“界面”就是知识工程师，采用“专题面谈”，“口语记录分析”等方式获取知识，经过整理后，再输入知识库。为了提高知识工程师获得专家知识的效率，可以借助“知识获取辅助工具”来辅助专家整理知识或辅助扩充和修改数据库。3专家系统32专家系统的知识处理专家系统的知识处理321人工智能与专家系统人工智能与专家系统人工智能的目的是用计算机模拟人类，其中包括模拟人类的动作机器人，模拟人类的视听能力计算机视觉、听觉的模式识别，模拟人类语言计算机自然语言，模拟人脑电脑。人工智能主要的目的是模拟人脑的功能，但是目前人们对人脑的思维过程并不十分清楚，因此人工智能的概念也不可能非常清楚。许多人工智能的研究只局限于形式逻辑的推导，凡是超出了形式逻辑范畴的，都被是认为无法解决的问题。现在理解的人工智能主要是指用计算机完成逻辑推理的过程。3专家系统322知识表示知识表示知识表示就是知识的形式化，就是研究用机器表示知识的可行的、有效的、通用的原则和方法。目前常用的知识表示方法有：产生式规则、语义网络法、框架表示法、与或图法，过程表示法、特征表示法、黑板结构、Petri网络法、神经网络等。3专家系统产生式规则使用“若，则。”语句（If,Then）。“若”可以是一个条件，也可以是多个条件；“则”也可以是一个结论，也可以是多个结论。也称为正向式推理，有以下几种情况：1）一对一：If(1),then(a)。2）一对多：If(1)，then(a),(b),(n)。3）多对一：If(1),(2),(m);then(a)。4）多对多：If(1),(2),(m);then(a),(b),(n)。3专家系统If,then 语句是从已知条件，推论结果的语句，反之，从结果推出条件称为后向式推理。同样有四种情况，一对一，一对多，多对一，多对多：1）一对一：Conclusion(a);Need(1)。2）一对多：Conclusion(a);Need(1),(2),(m)。3）多对一：Conclusion(a),(b),(n);Need(1)。4）多对多：Conclusion(a),(b),(n);Need(1),(2),(m)。由此可见，产生式规则的正向式推理与逆向式推理都是在确定性问题中的处理方法。对于不确定性的问题，产生式规则不能解决问题，需要结合其它的表示方法。3专家系统323 知识推理知识推理推理是指依据一定规则从已有的事实推出结论的过程。专家系统中的自动推理是知识推理，它是专家系统中问题求解的主要手段。知识推理与知识表示有密切关系，根据知识表示的特点，知识推理方法可分为图搜索方法和逻辑论证方法两类。3专家系统图搜索方法图搜索方法在专家系统的知识表示中，许多基本的、常用的表达方式都具有“图”的形式，或者可以变换为相应的图的形式，而且通常可以用与或图来进行表达。例如，状态空间图、与或图、语义网格图，以及由产生式规则或框架表示方法所转换的与或图或网络图。3专家系统基于图的知识表达，问题求解的知识推理过程，就是从图中相当于初始状态的出发节点到相当于目标状态的终止节点的路线搜索过程，即搜索从初始状态有效的转移到目标所经历的最优的或最经济的线路，相应的知识推理方法即图搜索方法。例如，对于具有树状的状态空间图，称为“问题树”，基本的图搜索方法有：宽度优先搜索、深度优先搜索法等。3专家系统逻辑论证方法逻辑论证方法当知识表示采用谓词逻辑或其他形式逻辑方法时，知识推理也可以采取逻辑论证方法。在这种情况下，求解一个问题相应于证明一个定理或几个定理，问题求解的知识推理过程，相应于用数理逻辑方法进行定理证明的过程。知识推理方法即逻辑论证方法。3专家系统根据问题求解的推理过程是否运用启发性知识，知识推理方法可分为启发推理和非启发推理两类。发推理非启发推理3专家系统根据问题求解的推理过程中结论是否精确，知识推理方法可分为精确推理和不精确推理两类。精确推理不精确推理根据问题求解过程中特殊和一般的关系，知识推理方法可分为演绎推理和归纳推理；根据求解推理过程中的推理的方向，知识推理方法可分为正向推理、反向推理和正反向混合推理三类。3专家系统33 空间分类专家系统实例空间分类专家系统实例土地类型分类土地类型分类空间分类是GIS和遥感信息系统最常用的功能，将空间单元归组分类是智能GIS的基本功能。传统的分类基于二值逻辑，认为区域分类界限是明显的，基本空间单元（矢量或栅格结构）属于且只属于一个空间类别。然而，事实上空间类别之间的界限通常是模糊的，是渐变的而不是突变的，所以在空间分类中引入模糊逻辑会提高分类的精度。另外空间分类也是一个基于人们对空间现象的认知和知识的心理判断过程，开发一个带有GIS的专家系统是很有必要的。下面是一个基于遥感影象的土地类型专家分类系统实例。3专家系统数据采用4波段LANDSAT MSS影象数据，分类系统所采用的分类依据如图10-10所示：图图10-10：土地利用分类：土地利用分类3专家系统根据专家的经验，不能武断的使用一个波段数值作为分类的界限，为反映光谱反射的渐变性，使用了模糊逻辑方法表示推理规则。以规则r1为例，在划分水域时不是只取波段3（x3）的一个数值5和波段4（x4）中的一个数值8作为分类依据，而是用了模糊集的方法允许渐变特征。3专家系统模糊集表示如图10-11。图图10-11：模糊集：模糊集3专家系统由于专家对分类规则非常确定，所以确定性因子为1。若确定性水平的不同，确定性因子可在0，1范围内取值。分类的结果通过地理信息系统进行显示，当分类结果精确时，系统会自动显示分类结果。当分类结果存在误差时，混合象元同时被标识和显示，同时土地类型渐变造成的模糊边界也可显示，模糊边界的宽度在土地类型混杂的地方用不同的阀值控制。3专家系统4数据仓库与空间数据挖掘自动数据采集工具的越来越广泛的应用，日益丰富的空间和非空间数据收集和存储于大空间数据库中，海量的地理数据在一定程度上已经超过了人们能够处理的能力，从这些海量的数据中提取和发现地学知识，给当前GIS技术提出了巨大的挑战。新的需求推动着GIS从操作型信息系统向分析型信息系统过渡，数据库系统最新的数据仓库和数据库知识发现技术为GIS组织、管理海量空间和非空间数据提供了新的思路。4数据仓库与空间数据挖掘GIS在空间数据存储、表达和管理方面的能力已得到广泛的认可，增强GIS分析功能，提高GIS解决地学实际问题的能力已得到共识。GIS吸收数据仓库的思想，将空间分析和空间数据挖掘方法紧密集成，充分利用GIS数据存储、管理空间数据的功能，使海量的地理空间数据变成无限的知识，使GIS成为智能的信息系统。41数据仓库数据仓库计算机系统存在两类不同的处理：操作型处理和分析型处理。操作型处理也叫事务型处理，是指对数据库联机进行的日常操作，通常是对一个或一组记录的查询和修改，主要为企业特定应用服务，对此人们关心的是响应时间、数据的安全性和完整性。分析型处理是用于管理人员的决策分析，例如决策支持系统、专家系统和多维分析等，经常要访问大量的历史数据。两者的巨大差别使得操作型处理和分析型处理的分离成为必然，于是数据库由操作型环境发展成为操作型环境和分析型环境的新体系化环境。在此新体系环境中数据仓库处于核心地位，它是建立决策支持系统的基础。4数据仓库与空间数据挖掘数据仓库是指面向主题的、集成的、稳定的、随着时间变化的数据集合，用以支持管理决策。这一定义指出了数据仓库的目标是为了制定管理的决策提供支持信息。正象企业为了发展要进行业务重组一样，为了支持管理决策需要也要按决策业务科目的要求重组在线事务处理（OLTP）系统中的数据，并要按不同决策，分析内容分别组织使之方便使用。也就是说，数据仓库是一种把收集的数据转变成有意义的信息技术。数据可以来源于许多不同的数据源，包括不同的数据库系统，甚至来源于不同的操作系统。4数据仓库与空间数据挖掘 图图10-12：数据仓库体系结构：数据仓库体系结构4数据仓库与空间数据挖掘典型的数据仓库体系结构如图10-12，数据从多个操作型数据库和外部文件中抽取，抽取出来的数据要进行清理、转换和集成，然后装入数据仓库中。装入仓库的数据形式取决于数据仓库里数据库的设计，一般的数据仓库设计方法是多维数据模型，具体表现为星形模式或雪花模式。4数据仓库与空间数据挖掘42数据挖掘数据挖掘随着大量的大规模的数据库迅速不断地增长，人们对数据库的应用已不满足于仅对数据库进行查询和检索。仅用查询检索不能帮助用户从数据中提取带有结论性的有用信息。这样数据库中蕴藏的丰富知识，就得不到充分的发掘和利用，形成“数据丰富而知识贫乏”的现象。另外，从人工智能应用来看，专家系统的研究虽然取得了一定的进展。但是，知识获取仍然是专家系统研究中的瓶颈。4数据仓库与空间数据挖掘数据挖掘技术集成了机器学习、数据库系统、数据可视化、统计和信息理论等多领域的最新技术，有着广泛的应用前景。数据挖掘主要分为以下四个步骤：1）数据选取2）数据转换3）数据挖掘4）结果解释4数据仓库与空间数据挖掘当执行完一个挖掘过程后，有时可能需要重新修改挖掘过程，还可能增加其它数据，数据挖掘过程可以通过适当的反馈反复进行，如图10-13所示。图图10-13：知识挖掘过程：知识挖掘过程4数据仓库与空间数据挖掘数据挖掘涉及的学科领域和方法很多，有多种分类法。根据知识发现任务，可分为分类或预测模型发现、数据总结、聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等等；根据知识发现对象，可分为关系数据库、面向对象数据库、空间数据库、时间数据库、文本数据源、多媒体数据库、异质数据库、Web数据库；4数据仓库与空间数据挖掘根据知识发现方法，可粗分为机器学习方法、统计方法、神经网络方法和数据库方法。机器学习中，可细分为归纳学习方法(决策树、规则归纳等)、基于范例学习、遗传算法等。统计方法中，可细分为回归分析(多元回归、自回归等)、判别分析(贝叶斯判别、费歇尔判别、非参数判别等)、聚类分析(系统聚类、动态聚类等)、探索性分析(主元分析法、相关分析法等)等。神经网络方法中，可细分为前向神经网络(BP算法等)、自组织神经网络(自组织特征映射、竞争学习等)等。4数据仓库与空间数据挖掘43空间数据挖掘空间数据挖掘空间数据是与占有一定空间的对象有关的数据，空间数据库是通过空间数据类型和空间关系存储和管理空间数据。空间数据通常具有拓扑和距离信息，通过空间索引进行组织和查询。空间数据特有的性质给空间数据库的知识发现提出了挑战和机遇。空间数据库的知识发现或空间数据挖掘，可以定义为从空间数据库中提取隐含的知识、和没有直接存储的空间关系、空间模式的过程。4数据仓库与空间数据挖掘空间数据挖掘技术，特别是空间数据理解、空间和非空间数据关系发现、空间知识库构造、空间数据库的查询优化和数据组织，在GIS、遥感、影象数据库、机器人运动等涉及空间数据的应用系统中很有前景。4数据仓库与空间数据挖掘下面简要介绍目前空间数据挖掘使用的一些方法：1）统计分析方法目前空间数据分析最常用的方法是统计分析方法。统计分析非常适合处理数值型数据，统计分析方法多年来积累了大量的算法，可以用于对空间现象建模和分析。4数据仓库与空间数据挖掘2）基于概括的方法基于概括的方法是一种面向属性的归纳学习方法，用于空间数据挖掘，可将空间和非空间属性的关系概括成高层次的概念知识。它需要背景知识，即概念层次体系，常以概念树的形式给出。如图10-14所示的是一个农业土地利用的概念树。同样地，空间数据也存在类似地概念层次，如乡镇县市省国家。4数据仓库与空间数据挖掘面向属性的归纳学习方法，通过概念树攀升而得到概括的数据，概括的数据可直接转换成规则或逻辑表达式，可用于发现普遍特征规则和区划规则。图图10-14：概括归纳示例：概括归纳示例4数据仓库与空间数据挖掘基于概括的方法一般有以非空间数据为主的概括和以空间数据为主的概括两种算法。这两种算法的第一步都是选取用户特定的查询数据。接下来，非空间数据为主的概括算法过程是：（A）概念树攀升，即将元组的属性变为高层次的属性；（B）属性删除，删除那些不可能概括的特殊属性值；（C）合并标识后的元组。归纳过程直到所有的属性概括到合适的层次为止。最后将概括后属性值相同的相邻区域合并，结果得到一幅概念层次较高的、而区域较少的图。4数据仓库与空间数据挖掘3）聚类方法聚类分析是统计分析的一个分支，这种方法的主要优点是不需要背景知识，可以直接从数据中发现感兴趣的结构或聚类模式，类似于机器学习中的非监督学习。聚类分析与面向属性归纳推理结合，为描述相似对象的空间行为提供了可能，或用于判定不同类别的特征。同样可分为以空间数据为主和以非空间数据为主两种方法。4数据仓库与空间数据挖掘以空间数据为主的方法，首先通过基于采样的高效的聚类算法将与任务有关的空间对象（如点）分类，接着对非空间数据使用面向属性归纳推理方法，提取描述各类一般属性。以非空间数据为主的方法，首先将与任务有关的空间对象概括到较高的概念层次，进行聚类分析，然后将空间对象进行合并处理。4数据仓库与空间数据挖掘4）空间关联规则方法关联规则的提出源于交易数据集中发现商品之间隐含的相互依赖关系。如果在超市的数据库中发现的一条规则，形式为“WB（C%）”，规则的含义是“如果交易中出现了W模式，就有C%的可能性（可信度）出现B交易模式”。例如规则“牛奶黄油（90%）”，表明有90%的买牛奶的顾客会同时买黄油，这就是关联规则。它同样可用于发现空间关系。4数据仓库与空间数据挖掘关联规则的发现可以分解成以下两个子问题：（41）找出数据库S中所有满足用户指定最小支持度的对象集P（一个非空子集），具有最小支持度的对象集称为频繁对象集，反之就称为非频繁对象集。（42）利用频繁对象集生成所需要的关联规则。对于每一个频繁对象集P，找出P的所有非空子集Q，如果比率/最小可信度，就生成关联规则PQ。4数据仓库与空间数据挖掘下面简要介绍一下空间关联规则的算法过程：输入：空间数据库、挖掘查询、关联约束条件集数据库包括三部分：包含空间对象的空间数据库、描述非空间信息的关系数据库、概念层次集；查询包括三部分：要描述的对象类S、与任务有关的空间对象子类C1，.Cn、有关的关系和谓语集；三个约束条件：每个概念层次上的最小支持度、最小可信度、满足“临近”空间谓语的最大距离。4数据仓库与空间数据挖掘5GIS空间分析与空间动态建模5GIS空间分析与空间动态建模空间分析与空间动态建模目前，GIS已被广泛接受为管理、存储、查询分析有关地理空间分布的信息的成熟的工具和技术，近年来对GIS提出的越来越多的挑战是将这个本质上静态的系统变为支持模拟空间时间过程的经济可行的工具，为科学研究和资源管理服务。目前大多数GIS软件不能支持多学科领域的动态过程计算模型，包括水文、生态等地学和生物科学，大多数GIS系统只是为模型提供输入参数和显示输出结果。集成GIS空间分析与空间动态建模困难的原因在于：1）领域科学家、数据收集者和GIS技术人员存在着重要的概念差异，导致他们对现实世界抽象方式、如何用计算机组织和结构化数据的方式存在很大差异。3）除非对计算机编程非常熟悉，否则编写一个空间过程的动态模型是一个困难的很花费时间的过程。4）许多GIS软件的可视化方法并不支持对模型结果的交互式空间时间表现。5）满足许多科学家要求的、快速有效的模拟动态模型的开放系统模拟方法（如元胞自动机），在GIS实现的很少。5GIS空间分析与空间动态建模所谓空间动态模型是指现实世界中地球表面特定位置上的某些属性或状态因其驱动力随时间变化而发生改变的一种数学模拟。从计算的角度考虑，空间动态模型就是要计算各空间单元随其时间序列信息或驱动力的变化而产生新状态或属性值。各时刻的状态或属性可以用计算机以动画的形式进行显示，其实质仍然是图形代数和地图模型的自然延伸。但由于GIS空间分析功能的语义限制，不能直接支持空间动态建模的操作元语，所以目前很多模型都是在GIS支持下，经过扩展或修改，采取与GIS相互结合的方式实现的。5GIS空间分析与空间动态建模51 GIS与空间动态模型的结合方式与空间动态模型的结合方式GIS与空间动态模型的结合主要有三种方式：松散结合，交互界面和镶嵌结合。松散结合主要用于模型与GIS各自开发的情形，在这种结合中，先用GIS查询，预处理空间数据，然后按模型所需的格式将其输入模型，模型计算的结果再转为GIS文件格式，进行显示和分析。松散结合的优点在于无须改变模型的代码，不足之处在于大量的数据管理和转换工作，要求模型和GIS两方面的专门知识。5GIS空间分析与空间动态建模第二种结合方式是开发交互界面。这种结合就是开发支持模型的GIS数据库，同时开发一个界面，既可以为模型提供输入数据，又能利用模型结果进行处理和演示，所有的数据转换是通过交互界面自动进行的。5GIS空间分析与空间动态建模52元胞自动机简介元胞自动机简介元胞自动机是定义在一个具有离散、有限状态的元胞组成的元胞空间上的，按照一定局部规则，在离散的时间维上演化的动力学系统。元胞自动机的基本单元是元胞（Cell），每个元胞具有一个状态，这个状态只能取有限状态集中的一个，例如“生”或“死”，或者256种颜色中的一种等等；这些元胞规则地排列在被称为“元胞空间”的空间格网上；它们各自的状态随着时间变化，根据一个局部的规则来进行更新，即一个元胞在某时刻的状态取决于且只取决于该元胞周围邻域元胞的状态；元胞空间内的元胞依照此局部规则进行同步的状态更新，整个元胞空间则表现为在离散的时间维上变化。5GIS空间分析与空间动态建模元胞自动机的最基本的组成包括元胞（Cell），元胞空间（Lattice），邻域（Neighbor），规则（Rule）。元胞自动机可以视为由一个元胞空间和定义在该空间的变换函数所组成。5GIS空间分析与空间动态建模元胞自动机的基本模型具有五个主要特征：1）它们由元胞的离散格局构成；2）它们在离散时间步序内演化；3）每一元胞的状态均在同一有限集中取值；4）每一元胞的状态依同一确定的法则演化；5）元胞状态的取值法则仅依赖于其自身及其周围邻域元胞的状态值。5GIS空间分析与空间动态建模53元胞自动机模拟林火蔓延模型元胞自动机模拟林火蔓延模型森林火灾是一种常见的自然灾害，当森林火灾发生时，快速准确地模拟和预测火势的蔓延和发展，对于及时部署灭火力量，搬迁居民，减少人民生命财产损失，具有重大的实际意义。林火模型中最成功的是Rothermel的林火蔓延模型。5GIS空间分析与空间动态建模模型主要考虑的因素有：1）森林的材质：包括燃料物质载荷、燃料深度、燃料粒子密度、热容量、灭火所需湿度等。2）燃料湿度、空气温度。3）风速、风向。4）地形坡度。模型可以计算林火的蔓延速率，火灾的强度、范围和面积等。5GIS空间分析与空间动态建模54 元胞自动机与GIS集成应用中的局限性1）简单性与真实性的矛盾问题2）空间划分问题3）时间对应问题4）转换规则定义问题5）与GIS集成的问题5GIS空间分析与空间动态建模6空间相互作用与位置分配模型61 地理位置地理位置对于生产单位和服务企业来说，由于需求和供给两方面总是存在着空间上分布的差异性，因此，机构设施地理位置的选择和确定对于它们的经济效益和自身的发展具有至关重要的影响作用。6空间相互作用与位置分配模型机构设施位置评价和优化，是通过对于一个设施或者一个设施网络的供给和需求两者之间的相互作用关系进行分析来实现其空间位置分布模式的优化。机构设施区位评价是对于现有服务设施的空间位置分布模式的评价，机构设施区位优化是对于其最佳位置的搜寻。克理斯塔勤的中心地理论则为供给区位优化模式的理论研究和经验方法的应用提供了基础框架，这个理论中的市场区域规模是由供货和服务的范围决定的，需求和供给两者之间的关系是以距离最小化和利润最大化为基础建立的。但是，实际应用中的中心地理论，无论是理论方法还是它的经验方法都需要根据具体问题进行具体分析。例如，与理论中假设的聚落世界相反，区域的人口集中和分散将会对该区域的范围大小产生影响；同样，消费者的消费行为的选择也会对一个服务中心的功能范围产生影响。因此，中心地理论虽然提供了一个描述和解释货物服务供给系统和需求行为两方面空间相互作用的主要框架体系，但它作为一个参考框架，还需要针对特殊情况进行扩充和调整。图10-16表示了中心地理论应用的概念框架。6空间相互作用与位置分配模型 图图10-16：中心地理论应用的概念框架：中心地理论应用的概念框架6空间相互作用与位置分配模型中心地理论的古典模型是对包含单一目标的、且内部需求全部针对这个目标中心的具有均质性的市场功能区域进行空间分析和模拟，而中心地理论的现代模型则要针对现实世界中那些具有不确定性的、涉及多目标消费行为和复杂供给行为的市场功能区域进行空间分析和模拟。6空间相互作用与位置分配模型62空间优化模式的定义空间优化模式的定义空间优化模式用于解决位置分配问题。位置分配问题，是在规划重要公共设施的位置及其附属区域时产生的（公共设施，如医院、幼儿园、游戏场所、养老院、学校、警察局、消防队、急救站、管理设施等，即属于国家预算范围内的基础设施）。6空间相互作用与位置分配模型一个位置一分配问题一般可表述如下：设有一定数量的居民集中点，这些点被称为需求点（或消费点、居民点），求一定数量的供给点（某种公共设施）以及（或）供给点的需求分配，以完成某个规划目的。如果已设需求点，求供给点，则涉及位置或定位问题（Location）。如果已设供给点，求分配，则涉及分配或配置问题（Allocation）。如果同时求供给点和分配，则涉及位置一分配或定位一配置问题（Location-Allocation）。6空间相互作用与位置分配模型通过需求点和供给点之间的分配，供给点的附属区域也就确定了，如图10-17所示。图图10-17:公共设施的位置及其附属区域公共设施的位置及其附属区域 （图中实心圆表示需求点，方框表示供给点）6空间相互作用与位置分配模型优化模式基本结构由一系列边界条件和一个（或几个）目标函数组成。在这些边界条件下，求目标函数的极大值或极小值。边界条件代表了规划目标所必须满足的划条件，它们代表了对于目标规划区域功能的基本评价；而优化目标函数则代表了一个最大限度可能达到的规划目标。因此，在边界条件中体现出来的关目标函数的规划条件具有首要意义，与优化目标函数相应的规划目标的重要性则稍差一些引入目标函数的极大、极小化意义，在于得到一个定位一配置问题的明确答案。6空间相互作用与位置分配模型63 空间优化模式的分类空间优化模式的分类按照目标规划的时间范围、问题空间类型、公共设施服务方式、路途费用承担者以及公共设施使用类型等，可以将空间优化模式进行分类，如图 11-18所示。6空间相互作用与位置分配模型 图图10-18：空间优化模式分类：空间优化模式分类6空间相互作用与位置分配模型631规划时间范围规划时间范围如果规划是在某个时间段（点）上解决位置一分配问题，则采用静态优化模式。如果规划时间范围包括数个时间段（点），则采用动态优化模式。动态优化模式虽然形式上易于描述，但在用于解决现实的规划问题时，由于优化目标的规模过大而难以实现，许多问题可以用静态模式加以圆满解决。6空间相互作用与位置分配模型632问题空间类型问题空间类型如果所研究地区所有点都可能作为供给点，这就是一个连续性的问题。但在规划问题上，可作供给点的数目一般是有限的，因此，问题的解决可用离散模式。规划时间范围及问题空间类型这二个维度非常重要，因为与它们相应的模式类型在形式结构的复杂性、问题解决的可能性和模式的可操作性上差别很大。下面将重点讨论“静态一离散空间优化模式”，该模式按照具体规划问题中所遇到的设施类型还可以再进行细分。6空间相互作用与位置分配模型633公共设施服务方式公共设施服务方式如果公共设施只限于在某个确定地点为需求者提供服务，例如学校、幼儿园、养老院、医院、派出所等，需求者必须亲自前去这些公共设施接受服务，则称这些公共设施的服务方式为“集中式”。如果公共设施所能提供的服务必须从供给点通过某种运输手段带给需求者，例如消防队、医疗急救中心、警察局等，则称这些公共设施的服务方式为“分布式”。6空间相互作