Нейронні мережі та системи нечіткої логіки в управлінні земельними ресурсами

Суть застосування нейронних гібридних мереж у сфері управління земельними ресурсами полягає у створенні оптимального проекту використання земель та проекту розвитку територій з використанням геопросторових даних. Найдоцільніше в такому випадку поєднувати експертні системи з ГІС. Основою в даному випадку є топографічне і кадастрове знімання території – воно формує цифрову географічну основу, відповідно до якої моделюються всі інші геопросторові процеси та явища [58].

Важливим елементом таких робіт є створення тривимірної моделі місцевості на основі даних топографічного знімання, оскільки вона відіграє домінуючу роль при автоматизованому проектуванні. Після введення первинних даних до експертної системи (що працює на принципах нечіткої логіки та нейронних мереж) відбувається моделювання відповідних біологічних, фізичних, хімічних процесів та явищ. В подальшій роботі інформаційна система систематизує всю отриману інформацію і співставляє створені моделі. Таким чином відбувається аналіз, в результаті якого визначаються масиви земної поверхні найбільш придатні для певного виду господарського використання. Обов’язково в таких експертних системах враховуються правові фактори (наявність обмежень чи обтяжень у використанні земельних ділянок тощо). На основі отриманої узагальненої інформації приймаються відповідні управлінські рішення, та проектується раціональна організація території за допомогою систем автоматизованого проектування (САПР) [59].

На основі вищеописаної схеми робіт за допомогою відповідних програмних пакетів створюється проект впорядкування території сільськогосподарського підприємств. Така організація території дозволяє сільськогосподарському підприємству при мінімальних затратах отримувати максимальний прибуток. Для реалізації нової технології проектування на землях с/г призначення пропонується реалізовувати наступні пункти [58]:

1. Побудова планової цифрової моделі території на основі даних польових вимірювань, в тому числі GPS.

2. Побудова цифрової моделі рельєфу на основі матеріалів топографічного знімання та інших джерел.

3. Формування бази даних ГІС на основі матеріалів польових вишукувань та розвідок (агрохімічних, геоботанічних, гідрологічних тощо), проведення просторового моделювання процесів, що мають найбільший вплив на розвиток сільськогосподарських культур і на ґрунтовий покрив, проведення аналізу їх впливу.

4. Моделювання картограми крутості схилів на основі раніше створеної цифрової моделі рельєфу та визначаються зони з крутістю схилів від: 0^о – 3^о; 3^о – 7^о; понад 7^о.

5. Розробка та аналіз картограми розподілу сонячної радіації на поверхні території. На даному етапі визначаються зони затінення земної поверхні зранку, опівдні та ввечері. Проаналізувавши отримані результати, отримують відповідні висновки.

6. Аналіз глибини залягання ґрунтових вод на основі матеріалів гідрогеологічних вишукувань.

7. Моделювання поширення поживних елементів N, P, K на землях сільськогосподарського призначення. Така модель створюється на основі даних агрохімічних обстежень полів. Результатом є grid-модель поширення поживних речовин (або векторна модель в ізолініях…). Для поширення кожного хімічного елементу будується власна модель.

На основі проведених досліджень виявляються площі сільськогосподарських угідь, що піддаються ерозійним процесам і використовуються способами, що знижують родючість ґрунтів і господарську ефективність. В таких випадках експертні системи передбачають зміну такого стану шляхом запровадження нових форм господарського використання території. В даний час існує величезна кількість програмних продуктів, що дозволяють реалізовувати нейромережеві структури (так звані програми-нейроімітатори) за допомогою яких можна створювати системи прийняття рішень для різних цільових потреб землеустрою [58].

Читайте також:

<== попередня сторінка	\|	наступна сторінка ==>
Особливості навчання нейронних мереж	\|	Проблема побудови та використання нейронних мереж в ГІС

Не знайшли потрібну інформацію? Скористайтесь пошуком google:

Генерація сторінки за: 0.004 сек.