2006年10月北京师范大学学报(自然科学版)Oct.2006第42卷第5期JournalofBeijingNormalUniversity(NaturalScience)Vol.42No.5自组织特征映射神经网络原理和应用研究3李春华李宁史培军(环境演变与自然灾害教育部重点实验室;北京师范大学资源学院:100875,北京)摘要根据耕地利用在经济、社会和生态方面面临的压力状况,以压力状态响应框架为基础,设计一套压力大小量化的指标体系,引入具有较强的聚类和容错能力的自组织特征映射(self2organizingmapping,SOM)神经网络模型,在说明SOM网络模型和算法的基础上,应用SOM的聚类功能,以MATLAB语言构建SOM网络模型,对我国的31省市自治区耕地利用压力大小进行了分类,并结合相关文献的研究成果阐述耕地压力的地域差异原因.结果显示我国耕地压力的区域差异与经济地域差异有高度的一致性,表明经济发展是耕地压力的主要来源.选取大样本的神经网络训练得到的结果和现实的一致也表明,SOM模型是一种适用的耕地压力区域分类新方法.关键词自组织特征映射网络;耕地压力分类;地域差异;中国随着我国经济和人口的快速增长,耕地资源大量输入信号的特征拓扑分布,SOM网络具有抽取输入信减少,耕地保护压力成为学术界研究的热点,许多学号模式特征的能力.其中应用较多的二维阵列模型由者[1]从不同的角度探讨耕地减少的因素,有的以不同4部分组成:1)处理单元阵列,用于接受事件输入,并类型的自然地理区和经济地理区为单位分析耕地变动且形成对这些信号的判别函数;2)比较选择机制,用的驱动力,有的学者以县、市、省级行政区为单位,分别于比较判别函数,并选择一个具有最大函数输出值的选取影响耕地变动的社会、经济、自然因素作分析,这处理单元;3)局部互连作用,用于同时激励被选择的可能揭示地域性的影响因素,但在地域经济联系密切处理单元及其最邻近的处理单元;4)自适应过程,用的条件下,地域分工的经济规律的作用愈加明显,耕地于修正被激励的处理单元的参数,以增加其对应于特利用会受到其他地区的影响,使这种分析有其局限性.定输入的判别函数的输出值[324](图1).他们使用得较多的是相关、聚类、回归、因子和主成分分析等统计方法,由于土地利用的变化过程与其驱动因素之间具有很强的非线性关系,选取常规变量的因子分析法和逐步回归法等也多是建立在线性模型基础上的,所以不适用土地利用变化的复杂性问题的分析.由于大多数经济、人文方面的研究很难获得完备的数据集,信息来源可能既不完整又含有假象,甚至存在特例和反例,传统的一些聚类方法对所需数据的要求比较严格,因此也难以胜任这些工作.自组织特征映射(self2organizingmapping,SOM)模型判定方法则能图网络的拓扑结构示意图够根据学习获得的知识经验对复杂问题进行合理的判1SOMn[2]假如网络输入为X∈R,神经元i与输入单元的断决策而突破以上障碍.本文以我国耕地压力分类n连接权值Wi∈R,则输入神经元i的输出Oi为:为例,通过SOM的聚类功能,描述我国省级耕地压力差异在空间上的变化,进一步探索形成这种差异的原Oi=WiX.网络实际具有响应的输出单元该神经元的确定是因,找出减轻耕地压力的方法.k,通过“赢者通吃”的竞争机制得到的,输出为:1自组织特征映射模型的原理Ok=max{oi}.i1.1SOM网络的拓扑结构SOM网络一个典型的以上2式可修正为:特性就是可以在一维或者二维的处理单元阵列上形成Oi=σ(φi+rkot-ok),∑∈tst3北京市自然科学基金资助项目(8062020);国家自然科学杰出青年基金资助项目(40425008);国家自然科学基金资助项目(40541001)收稿日期:2006203201544北京师范大学学报(自然科学版)第42卷m行土地征用制度的缺陷、现行土地管理体制的缺陷、土φεi=∑wijxi,Ok=max{oi}-,[5]j=1i地市场不健全及耕地价值认识不清等.在以上双层式中wij为输入神经元i和输出神经元j之间的连接压力左右下,耕地的质量和数量都在发生变化,就质量权值,xi为输入神经元i的输出,ε为一个很小的正数,而言,耕地的本底质量、结构质量和经济质量发生着变rk为系数,它与权值及横向连接有关,st为与处理单元化,而耕地数量变化是指耕地变为其他农用地以及变i相关的处理单元集合,ok称为浮动阈值函数.σ(t)为为建设用地从而数量减少和未利用地开垦为耕地而导非线性函数,即:致耕地数量的增加.耕地利用的主体(国家、集体、农户0,t<0,和其他用地者)会对耕地利用的质