论文部分内容阅读
本文结合国家863计划项目“空间数据挖掘的神经网络技术研究”(No.2007AA12Z228)展开研究。
近年来,数据采集和数据存储技术迅猛发展,数据量迅速增大,数据维数不断增高,如何对海量的工程数据进行快速高效的分析研究便成为空间数据挖掘的一个重要研究方向。目前针对空间数据挖掘的工程应用问题的研究很少,工程应用的相关软件也很少,且功能有限,更没有通用的软件。因此,本文对空间数据挖掘的工程应用问题进行了研究并编写软件,使该软件在工程领域具有一定的通用性。
本文以BP神经网络技术和基于网格方法的聚类分析技术为基础,深入研究空间数据挖掘问题并编写程序,实现该技术在工程应用领域的广泛应用。主要研究内容及结论如下:
(1)简要介绍了神经网络技术的发展历程、基本原理及数学模型,并对其存在的不足和相应的改进措施作了介绍。
(2)介绍了聚类分析技术的概念、原理、常用方法,重点论述了基于网格的聚类分析方法,在了解了传统的基于网格的聚类分析方法的基础上创新的提出了向周围扩展逐步搜索的网格搜索方法。
(3)本文集成多元线性回归分析程序、网格程序、BP神经网络程序,开发出一套空间数据挖掘软件,实现了三部分程序的独立运行和有机结合,简便易行。
(4)为了验证网格技术的有效性和该空间数据挖掘软件的实用性,本文将该软件应用于大区域似大地水准面精化和大坝变形观测数据分析两个工程实例中。其中,工程实例一(即似大地水准面精化)中,运用五种方法进行似大地水准面高程拟合,分别为:一次多项式线性回归方法(即平面拟合方法)、二次多项式线性回归方法(即二次曲面拟合方法)、BP神经网络方法、“线性回归与BP神经网络组合”方法及“网格技术与BP神经网络组合”方法;工程实例二(即大坝变形观测数据分析)中运用三种不同模型对大坝垂直变形观测数据进行了分析,分别为:线性回归分析模型、常规BP神经网络模型、回归分析与BP神经网络组合模型;以上几种方法均可通过软件完成运算,其中线性回归模型、BP神经网络模型可通过软件自动完成运算,但融合模型需要人工交互完成。
(5)通过工程实例可以得出:本文的空间数据挖掘软件是针对工程数据处理而开发的应用型软件,具有通用、灵活、适用性强等优点。