Тикунов В. С. Геоинформатика. Области применения нейросетевых ГИС.

Скачать полную версию учебника (с рисунками, формулами, картами, схемами и таблицами) одним файлом в формате MS Office Word Скачать книгу

Области применения нейросетевых ГИС. Интегрированные с геоинформационными системами нейронные сети — мощный инструмент для решения широкого круга задач, обеспечивающий эффективную поддержку принятия решений. В качестве входных и выходных данных нейронная сеть может использовать пространственно координированные данные. Программы, созданные на основе нейросетевых алгоритмов, будут динамически модифицировать слои электронной карты, изменять характеристики существующих объектов, создавать новые объекты. В результате обработки массива имеющихся данных могут также возникать новые слои карты, в то время как существующие слои будут приобретать динамические свойства.
Можно привести много примеров, демонстрирующих эффективность нейросетевых подходов, реализуемых в ГИС-среде. Наиболее выигрышно они проявляют себя в ситуациях, когда приходится иметь дело с большими массивами информации, хранящимися в крупных организациях, на основе которых принимаются решения. В них нуждаются специалисты, оценивающие и прогнозирующие состояние какой-либо области человеческой деятельности, например, рынков сбыта продукции, реальной стоимости недвижимости, загрязнения территории. Планирование очередности действий при развитии территорий и их инвестиционной привлекательности, выявление зон с наиболее напряженной экологической, социальной или экономической ситуацией, анализ характеристик геологических объектов — эти и многие другие задачи уже невозможно решать на современном уровне без привлечения интеллектуальных геоинформационных систем.
Приведем несколько примеров.
В сельском хозяйстве одни слои ГИС могут содержать сведения о посеве зерновых культур, а другие — об урожайности. Нейросеть в этом случае будет обобщать практический опыт методов и технологий выращивания зерновой культуры с учетом конкретных климатических, почвенных и прочих характеристик выбранной территории.
В лесоустройстве с помощью нейросети можно анализировать динамику приростов деревьев по высоте, диаметру и объему. Обработка тематических слоев ГИС с такой информацией поможет спланировать лесоустроительные работы, например при выращивании насаждений сосны в лесопарках и в зеленых зонах.
Прогностические нейросетевые модели могут использоваться в демографии и организации здравоохранения, опираясь на пространственные данные по плотности населения, медицинской статистике, загрязнению окружающей среды, представленные в виде слоев ГИС. Экспертная система будет определять, например, вероятностную продолжительность жизни, зависимость различных категорий заболеваемости от экологического состояния территории, прогнозировать вспышки эпидемий.

Обработка ДДЗ одна из традиционных задач, решаемых геоинформационными системами. Анализ изображений с точки зрения Математики опирается на теорию распознавания образов, когда по Годным данным необходимо отнести объект к тому или иному классу. В данной области нейронные сети наряду с методами нечеткой логики нашли наиболее широкое применение, с их помощью можно описать правила классификации, не прибегая к точным математическим значениям (используя понятные человеку термины типа «небольшой», «значительный» и т.д.). И, наоборот, извлекать из обученных нейронных сетей правила классификации по исходным данным представляя их на обычном языке. В отличие от традиционных статистических методов, основанных на вычислениях в рамках той или иной математической формализации, классификаторы, базирующиеся на нейронных сетях, используют адаптацию в процессе обучения, не требующую предварительного обоснования модели. В то же время доказано, что результаты классификации и в том и в другом случае могут совпадать, т. е. нейронная сеть способна сама построить соответствующую математическую формализацию.
Для классификации используются различные нейросетевые алгоритмы. В нейронной сети с обучением без образца проводится анализ цветных или черно-белых пикселей снимка без привязки к другим слоям карты в целях вьщеления однородных фрагментов изображения (объектов) по тону, структуре, оттенку. Обучение по образцу полагается на доступные пространственные данные для выбранного участка территории. Если известно априори, что выбранному фрагменту снимка соответствует, например, лесной массив с известной степенью антропогенной нарушенности, то эта информация может быть использована нейронной сетью для классификации изображения.
Нейронные сети все чаще используются в задаче выявления пространственно однородных участков изображения. Эта задача является очень актуальной при разработке теоретических и методологических основ новых альтернативных систем земледелия, принципов экологически безопасного землепользования и проектов землеустройства на ландшафтной основе. Отдельные элементы ландшафта могут быть выявлены на основе анализа фрагментов изображения, их формы, цвета, взаимосвязей, неоднородности. Нейронная сеть также позволит оценить взаимосвязи отдельных элементов ландшафта.

В транспортной отрасли нейронная сеть может стать эффективным дополнением к ГИС при мониторинге автомобильных дорог. Здесь речь идет об анализе транспортной нагрузки и состояния полотна дороги, выборе оптимальных коридоров для строительства новых трасс и определении приоритетов в строительстве, анализе различных стратегий проведения ремонтных работ и соответственном распределении финансовых вложений. Задачей для нейронной сети может стать оперативное принятие решения по оптимизации распределения транспортной нагрузки на автомобильные дороги случае дорожно-транспортного происшествия в определенном, месте, повлекшего за собой скопление автомобилей (пробку). Нейронная сеть будет использовать в качестве входных данных слои с автодорогами, местоположением аварии, текущими погодными условиями и прочими характеристиками, которые влияют на скорость движения. Все параметры системы, имеющие отношение к указанному происшествию, будут скорректированы нейронной сетью, и их откат в исходное состояние станет возможен после стабилизации ситуации. Следующим шагом в развитии данного направления должна стать возможность онлайнового доступа из автомобиля с помощью карманных ПК (КПК, PDA) и других мобильных устройств к картографическому серверу, содержащему оперативную информацию об обстановке на дорогах и подготовленные с помощью нейросети рекомендации по выбору оптимального маршрута.

Скачать полную версию учебника (с рисунками, формулами, картами, схемами и таблицами) одним файлом в формате MS Office Word Скачать книгу