基于支持向量机的土地利用变化模拟模型

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于支持向量机的土地利用变化模拟模型

熊华, 刘耀林, 车珊珊, 张俊峰

文章导航 > 武汉大学学报 ● 信息科学版 > 2009 > 34(3): 366-369

熊华, 刘耀林, 车珊珊, 张俊峰. 基于支持向量机的土地利用变化模拟模型[J]. 武汉大学学报 ● 信息科学版, 2009, 34(3): 366-369.

引用本文:

熊华, 刘耀林, 车珊珊, 张俊峰. 基于支持向量机的土地利用变化模拟模型[J]. 武汉大学学报 ● 信息科学版, 2009, 34(3): 366-369.

XIONG Hua, LIU Yaolin, CHE Shanshan, ZHANG Junfeng. Land Use Change Simulation Model Based on Support Vector Machine[J]. Geomatics and Information Science of Wuhan University, 2009, 34(3): 366-369.

Citation:

XIONG Hua, LIU Yaolin, CHE Shanshan, ZHANG Junfeng. Land Use Change Simulation Model Based on Support Vector Machine[J]. Geomatics and Information Science of Wuhan University, 2009, 34(3): 366-369.

基于支持向量机的土地利用变化模拟模型

¹武汉大学资源与环境科学学院,武汉市珞喻路129号430079;³武汉大学地理信息系统教育部重点实验室,武汉市珞喻路129号,430079

基金项目: 国家自然科学基金资助项目(40771168)；国家863计划资助项目(2007AA12Z200)

作者简介:
熊华,副教授,博士生。现主要从事土地规划、土地管理研究。

中图分类号: P273

Land Use Change Simulation Model Based on Support Vector Machine

¹School of Resources and Environment Science,Wuhan University,129 Luoyu Road,Wuhan 430079,China;²Key Laboratory of Geographic Information System,Ministry of Education,Wuhan University,129 Luoyu Road,Wuhan 430079,China

Funds: 国家自然科学基金资助项目(40771168)；国家863计划资助项目(2007AA12Z200)

摘要: 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年的数据作为样本训练数据,2001~2004年的数据作为测试数据,与耕地变化进行基于支持向量机的回归模拟,用遗传算法对参数进行优化,并与BP、RFB神经网络模型进行了对比。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。并运用该模型对湖北省2010年的耕地利用变化进行了预测,结果合理。研究表明,SVM模型有较强的自学习、自适应能力,在土地利用变化模拟中有着广泛的应用前景。
- 土地利用变化模拟 /
- 支持向量机 /
- 神经网络
Abstract: We apply support vector machine to simulate the relation between arable land area and datum of driving forces of land use change of Hubei Province from 1986-2004,and compare the test values by GA-SVM with ones by BP and RBF neural networks models.Practice proves the simulation results of land use change by SVM are more effective than those from BP-ANN,and is approximate to the precision of RBF-ANN.
- land use change model /
- SVM /
- neural networks

[1]	段佩祥, 钱海忠, 何海威, 谢丽敏, 罗登瀚. 基于支持向量机的线化简方法 . 武汉大学学报 ● 信息科学版, 2020, 45(5): 744-752, 783. doi: 10.13203/j.whugis20180434
[2]	祝胜男, 郭炜炜, 柳彬, 张增辉, 郁文贤. 利用超像素级上下文特征进行靠岸集装箱船检测 . 武汉大学学报 ● 信息科学版, 2019, 44(4): 578-585. doi: 10.13203/j.whugis20170129
[3]	李粉玲, 常庆瑞, 刘佳岐, 刘京. 基于多纹理和支持向量机的ZY-102C星HR数据分类 . 武汉大学学报 ● 信息科学版, 2016, 41(4): 455-461,486. doi: 10.13203/j.whugis20140356
[4]	李晓杰, 郭睿, 黄金, 朱陵凤, 谭红力, 董恩强. 神经网络在北斗导航卫星轨道预报中的应用 . 武汉大学学报 ● 信息科学版, 2015, 40(9): 1253-1258. doi: 10.13203/j .whu g is20130603
[5]	高为广, 陈谷仓. 结合自适应滤波和神经网络的GNSS/INS抗差组合导航算法 . 武汉大学学报 ● 信息科学版, 2014, 39(11): 1323-1328.
[6]	武雪玲, 任福, 牛瑞卿, 彭令. 斜坡单元支持下的滑坡易发性评价支持向量机模型 . 武汉大学学报 ● 信息科学版, 2013, 38(12): 1499-1503.
[7]	巫兆聪, 欧阳群东, 胡忠文. 应用分水岭变换与支持向量机的极化SAR图像分类 . 武汉大学学报 ● 信息科学版, 2012, 37(1): 7-10.
[8]	林雪原, 鞠建波. 利用神经网络预测的GPS/SINS组合导航系统算法研究 . 武汉大学学报 ● 信息科学版, 2011, 36(5): 601-604.
[9]	杨柳, 刘艳芳. 将微粒群和支持向量机用于耕地驱动因子选择的研究 . 武汉大学学报 ● 信息科学版, 2010, 35(2): 248-251.
[10]	王志军, 顾冲时, 张治军. GIS支持下基于遗传优化神经网络的溃坝生命损失评估 . 武汉大学学报 ● 信息科学版, 2010, 35(1): 64-68.
[11]	高为广, 杨元喜, 张婷. 一种提高神经网络泛化能力的自适应UKF滤波算法 . 武汉大学学报 ● 信息科学版, 2008, 33(5): 500-503.
[12]	陈刚, 鄂栋臣. 基于纹理分析和支持向量机的极地冰雪覆盖区的云层检测 . 武汉大学学报 ● 信息科学版, 2006, 31(5): 403-406.
[13]	余亮, 边馥苓. 粗糙神经网络在森林火灾预警中的应用 . 武汉大学学报 ● 信息科学版, 2006, 31(8): 720-723.
[14]	徐芳, 梅文胜, 燕琴. 支持向量机中遗传模糊C-均值的样本预选取方法 . 武汉大学学报 ● 信息科学版, 2005, 30(10): 921-924.
[15]	哈斯巴干, 马建文, 李启青, 戴芹. 多波段遥感数据的自组织神经网络降维分类研究 . 武汉大学学报 ● 信息科学版, 2004, 29(5): 461-465. doi: 10.13203/j.whugis2004.05.019
[16]	梅建新, 段汕, 秦前清. 基于支持向量机的特定目标检测方法 . 武汉大学学报 ● 信息科学版, 2004, 29(10): 912-915,932.
[17]	徐芳, 燕琴. 基于支持向量机的航空影像纹理分类研究 . 武汉大学学报 ● 信息科学版, 2003, 28(5): 517-520.
[18]	梁益同, 胡江林. NOAA卫星图像神经网络分类方法的探讨 . 武汉大学学报 ● 信息科学版, 2000, 25(2): 148-152.
[19]	黄文骞. 利用一种新的神经网络模型识别点状地图符号 . 武汉大学学报 ● 信息科学版, 1996, 21(1): 46-49.
[20]	刘少创, 林宗坚. 基于神经网络的地图数字注记识别 . 武汉大学学报 ● 信息科学版, 1994, 19(3): 194-198.

WeChat

点击查看大图

计量

文章访问数: 919
HTML全文浏览量: 44
PDF下载量: 356
被引次数: 0

基于支持向量机的土地利用变化模拟模型

¹武汉大学资源与环境科学学院,武汉市珞喻路129号430079;³武汉大学地理信息系统教育部重点实验室,武汉市珞喻路129号,430079

基金项目: 国家自然科学基金资助项目(40771168)；国家863计划资助项目(2007AA12Z200)

作者简介:
熊华,副教授,博士生。现主要从事土地规划、土地管理研究。

收稿日期: 2009-01-15
修回日期: 2009-01-15
刊出日期: 2009-03-05

中图分类号: P273

关键词:

土地利用变化模拟 /

支持向量机 /

摘要: 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年的数据作为样本训练数据,2001~2004年的数据作为测试数据,与耕地变化进行基于支持向量机的回归模拟,用遗传算法对参数进行优化,并与BP、RFB神经网络模型进行了对比。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。并运用该模型对湖北省2010年的耕地利用变化进行了预测,结果合理。研究表明,SVM模型有较强的自学习、自适应能力,在土地利用变化模拟中有着广泛的应用前景。

English Abstract

熊华, 刘耀林, 车珊珊, 张俊峰. 基于支持向量机的土地利用变化模拟模型[J]. 武汉大学学报 ● 信息科学版, 2009, 34(3): 366-369.

引用本文:

熊华, 刘耀林, 车珊珊, 张俊峰. 基于支持向量机的土地利用变化模拟模型[J]. 武汉大学学报 ● 信息科学版, 2009, 34(3): 366-369.

XIONG Hua, LIU Yaolin, CHE Shanshan, ZHANG Junfeng. Land Use Change Simulation Model Based on Support Vector Machine[J]. Geomatics and Information Science of Wuhan University, 2009, 34(3): 366-369.

Citation:

XIONG Hua, LIU Yaolin, CHE Shanshan, ZHANG Junfeng. Land Use Change Simulation Model Based on Support Vector Machine[J]. Geomatics and Information Science of Wuhan University, 2009, 34(3): 366-369.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码