基于案例推理和智能算法的石漠化治理模式优选研究
|
摘要
石漠化是目前岩溶学领域最突出的环境问题和研究热点。喀斯特石漠化是指在亚热带喀斯特地域环境背景下,受人类不合理活动的驱动,引起土壤严重侵蚀、基岩大面积裸露、土地生产力急剧下降、地表出现类似荒漠景观的土地退化过程。目前我国西南喀斯特地区一批石漠化生态治理项目正在试点实施,并提出了一些治理模式,但石漠化综合治理进展仍然比较缓慢,还存在不少问题。如何利用新思路、新手段与新方法准确、客观而有效地防治石漠化灾害与维护喀斯特生态环境健康安全,是跨学科的重大课题之一。
基于相似性的推理越来越受到重视,出现案例推理(Case‐Based Reasoning,CBR)概念,并且基于案例推理的基本思想符合人的推理模式。许多领域基于规则的系统无能为力,但基于案例的系统却几乎不受应用领域的限制,案例推理中知识表示是以案例为基础,案例的获取比规则获取要容易,大大简化知识获取,对过去的求解结果进行复用,可以提高对新问题的求解效率。在CBR推理中,根据新案例与案例库中现有案例的相似度来确定其石漠化综合治理类型的隶属度,在推理过程中使用隶属度可以减少许多不确定性,使得分类结果更合理,对比不同方法的分类效果显示,所建立的案例库可以被重复使用。
本研究对当前西南地区石漠化治理中较为成功的治理模式进行了初步分类,并初步建立了喀斯特石漠化治理案例指标体系。实现了使用GABPANN模型对石漠化治理案例进行初步推理,并取得了较为明显的效果。
BP神经网络是在梯度算法的基础上推导出来的,进化学习收敛速度较慢,容易陷入局部最优值。由于BP神经网络初始权值与阈值是随机取值,导致网络容易陷入局部最优值,并且每次训练后的网络预测输出都有差别。本研究把BP神经网络与遗传算法有机结合,用遗传算法寻找网络初始最优权值和阈值,可以弥补初始权值和阈值随机取值的缺陷,使网络能够更精确的预测系统输出,从而使预测推理的结果更为准确。同时,本论文根据所建立的GA‐BP神经网络模型,在石漠化治理模式案例推理中进行了实证分析,并取得了较为理想的效果。
本论文所提出的预测推理模型将对未来的西南地区喀斯特石漠化治理提供了一种新的思路和方法,可以为制定石漠化治理模式决策提供参考。
Karst rocky desertification is currently the most prominent environmentalissues and research focus in field of karst. Karst rocky desertification refers to thesubtropicalkarstregionsenvironmentalbackground,drivenbyunreasonablehumanactivities,causing serious soil erosion,large areas of exposed bedrock,landproductivitysharplyreduceandsurfacesimilardesertlandscapeoflanddegradationprocess.CurrentlyagroupofsouthwestChinakarstrockydesertificationareaprojectisinthepilotimplementation,andmadeanumberofgovernance,buttherockydesertification progress is still slow,there are still many problems. How use newideasandnewmethodisaccurate,objectiveandeffectivecontrolandmaintenanceof karst rocky desertification environmental health safety. All,is one of theinterdisciplinarymajorissue.
Similarity‐based reasoning more and more attention,there CBR (Case‐BasedReasoning,CBR)conceptandthebasicideaofcase‐basedreasoningisconsistentwithhumanreasoningpatterns.Rule‐basedsystemsinmanyareascandonothing,butthecase‐basedsystem,applicationsalmostwithoutlimit,case‐basedreasoninginknowledgerepresentationisbasedoncase‐based,caseforeasieraccessthantherule,greatlysimplifyingtheknowledgeacquisition forthepast.Theresultswerere‐used,canimprovetheefficiencyofsolvingnewproblems. IntheCBRreasoning,accordingtonewcasesandexistingcasesinthecasebasetodeterminethesimilarityofrockydesertificationtypesofmembership,inthereasoningprocesscanreducethe use of membership are many uncertainties,making the classification resultsmorereasonable,comparingdifferentmethodsofclassificationresultsshowthattheestablishedcaselibrarycanbereused.
Thesouthwestenregionofthecurrentdesertificationcontrolmoresuccessfulmodelofgovernanceinapreliminaryclassification,andtheinitialestablishmentofindex system of karst rocky desertification control cases. Achieved using theGA‐BP‐ANNmodeloftheinitialcaseofdesertificationcontrolreasoning,andmadeamoresignificantresults. BP neural network is based on the gradient algorithm derived,evolutionaryconvergencerateisslow,easytofallintolocaloptimum.SincetheinitialweightsofBP‐neural network is a random value and the threshold,resulting in network isvulnerabletofallingintolocaloptimalvalue,andaftereachtrainingsessiontherearedifferences between the network predicted output. The BP neural network andgeneticalgorithmcombination,theinitialnetworkusinggeneticalgorithmtofindtheoptimalweightsandthresholdvalues,canmakeupfortheinitialweightsandthresholdvaluesofrandomdefects, sothenetworkcanmoreaccuratelypredictthesystemoutput,andtheresultsofreasoningmoreaccurateprediction.Meanwhile,this paper established the GA‐BP neural network base case‐based reasoning indesertification control mode in the empirical analysis,and achieved a moresatisfactoryresults.
TheproposedreasoningmodelwillforecastthefuturegovernanceofSouthwestChina Karst , a new way of thinking and method for the development ofdesertificationgovernancemodelcanprovidereference.
基于相似性的推理越来越受到重视,出现案例推理(Case‐Based Reasoning,CBR)概念,并且基于案例推理的基本思想符合人的推理模式。许多领域基于规则的系统无能为力,但基于案例的系统却几乎不受应用领域的限制,案例推理中知识表示是以案例为基础,案例的获取比规则获取要容易,大大简化知识获取,对过去的求解结果进行复用,可以提高对新问题的求解效率。在CBR推理中,根据新案例与案例库中现有案例的相似度来确定其石漠化综合治理类型的隶属度,在推理过程中使用隶属度可以减少许多不确定性,使得分类结果更合理,对比不同方法的分类效果显示,所建立的案例库可以被重复使用。
本研究对当前西南地区石漠化治理中较为成功的治理模式进行了初步分类,并初步建立了喀斯特石漠化治理案例指标体系。实现了使用GABPANN模型对石漠化治理案例进行初步推理,并取得了较为明显的效果。
BP神经网络是在梯度算法的基础上推导出来的,进化学习收敛速度较慢,容易陷入局部最优值。由于BP神经网络初始权值与阈值是随机取值,导致网络容易陷入局部最优值,并且每次训练后的网络预测输出都有差别。本研究把BP神经网络与遗传算法有机结合,用遗传算法寻找网络初始最优权值和阈值,可以弥补初始权值和阈值随机取值的缺陷,使网络能够更精确的预测系统输出,从而使预测推理的结果更为准确。同时,本论文根据所建立的GA‐BP神经网络模型,在石漠化治理模式案例推理中进行了实证分析,并取得了较为理想的效果。
本论文所提出的预测推理模型将对未来的西南地区喀斯特石漠化治理提供了一种新的思路和方法,可以为制定石漠化治理模式决策提供参考。
Karst rocky desertification is currently the most prominent environmentalissues and research focus in field of karst. Karst rocky desertification refers to thesubtropicalkarstregionsenvironmentalbackground,drivenbyunreasonablehumanactivities,causing serious soil erosion,large areas of exposed bedrock,landproductivitysharplyreduceandsurfacesimilardesertlandscapeoflanddegradationprocess.CurrentlyagroupofsouthwestChinakarstrockydesertificationareaprojectisinthepilotimplementation,andmadeanumberofgovernance,buttherockydesertification progress is still slow,there are still many problems. How use newideasandnewmethodisaccurate,objectiveandeffectivecontrolandmaintenanceof karst rocky desertification environmental health safety. All,is one of theinterdisciplinarymajorissue.
Similarity‐based reasoning more and more attention,there CBR (Case‐BasedReasoning,CBR)conceptandthebasicideaofcase‐basedreasoningisconsistentwithhumanreasoningpatterns.Rule‐basedsystemsinmanyareascandonothing,butthecase‐basedsystem,applicationsalmostwithoutlimit,case‐basedreasoninginknowledgerepresentationisbasedoncase‐based,caseforeasieraccessthantherule,greatlysimplifyingtheknowledgeacquisition forthepast.Theresultswerere‐used,canimprovetheefficiencyofsolvingnewproblems. IntheCBRreasoning,accordingtonewcasesandexistingcasesinthecasebasetodeterminethesimilarityofrockydesertificationtypesofmembership,inthereasoningprocesscanreducethe use of membership are many uncertainties,making the classification resultsmorereasonable,comparingdifferentmethodsofclassificationresultsshowthattheestablishedcaselibrarycanbereused.
Thesouthwestenregionofthecurrentdesertificationcontrolmoresuccessfulmodelofgovernanceinapreliminaryclassification,andtheinitialestablishmentofindex system of karst rocky desertification control cases. Achieved using theGA‐BP‐ANNmodeloftheinitialcaseofdesertificationcontrolreasoning,andmadeamoresignificantresults. BP neural network is based on the gradient algorithm derived,evolutionaryconvergencerateisslow,easytofallintolocaloptimum.SincetheinitialweightsofBP‐neural network is a random value and the threshold,resulting in network isvulnerabletofallingintolocaloptimalvalue,andaftereachtrainingsessiontherearedifferences between the network predicted output. The BP neural network andgeneticalgorithmcombination,theinitialnetworkusinggeneticalgorithmtofindtheoptimalweightsandthresholdvalues,canmakeupfortheinitialweightsandthresholdvaluesofrandomdefects, sothenetworkcanmoreaccuratelypredictthesystemoutput,andtheresultsofreasoningmoreaccurateprediction.Meanwhile,this paper established the GA‐BP neural network base case‐based reasoning indesertification control mode in the empirical analysis,and achieved a moresatisfactoryresults.
TheproposedreasoningmodelwillforecastthefuturegovernanceofSouthwestChina Karst , a new way of thinking and method for the development ofdesertificationgovernancemodelcanprovidereference.
引文
[1]王世杰.喀斯特石漠化概念演绎及其科学内涵的探讨[J].中国岩溶,2002,21(2):101~105.
[2]王世杰,李阳兵,李瑞玲.喀斯特石漠化的形成背景、演化与治理[J].第四纪研究,2003,23(6):657~666.
[3]廖赤眉,刘燕华,胡宝清等.喀斯特土地石漠化与生态重建研究[J].农业工程学报,2004,20(6):266~271.
[4]胡宝清,廖赤眉,严志强等.喀斯特土地石漠化动态检测与可视化管理信息系统的设计与应用[J].地理与地理信息科学,2004,20(3):40~44。
[5]胡宝清.喀斯特石漠化灾害预警及其风险评估模型研究[J].地球科学进展,2004,19(增刊):147~152
[6]中国科学院学部.关于推进西南岩溶地区石漠化综合治理的若干建议[J].地球科学进展,2003,18(4):489~492.
[7]李梦先.我国西南岩溶地区石漠化发展趋势[J].中南林业调查规划,2006,25(30:19~22.
[8]覃小群,朱明秋,蒋忠诚.近年来我国西南岩溶石漠化研究进展[J].中国岩溶,2006,25(3): 234~237
[9]熊康宁,梅再美,彭贤伟等.喀斯特石漠化生态综合治理与示范典型研究——以贵州花江喀斯特峡谷为例[J].贵州林业科技,2006,34(1):5~8.
[10]殷建强.贵州省石漠化生态恢复主要治理模式总结与探索[J].贵州林业科技,2005,33(3):34~38
[11]林中衍.广西岩溶地区石漠化生态经济治理模式[J].广西师范学院学报(自然科学版),2004,21(2):34~37.
[12]李阳兵.西南岩溶山地生态环境研究进展与若干问题[J].云南地理环境研究,2006,18(2):61~65。
[13]司彬,何丙辉,姚小华等.喀斯特石漠化形成原因及植被恢复途径探讨[J].江西农业大学学报,2006,28(3):392~396
[14]周宏益,王文俊,向喜琼.基于GIS的喀斯特石漠化石漠化综合防治规划[J].地球与环境,2005,33(增):627~630。
[15]王世杰.有关喀斯特石漠化研究的一些认识[J].贵州林业科技,2006,34(10:9~15.
[16]喻理飞,朱守谦.退化喀斯特森林恢复评价和修复技术[J].贵州科学,2002:20(1):7~13
[17]王明章.石漠化整治地学模式探讨[J].贵州地质,2005,22(2):77‐80
[18]万军.贵州省喀斯特地区土地退化与生态重建研究进展[J].地球科学进展,2003,18(3):447~453.
[19]董志芬.中国南方岩溶区石漠化研究[J].云南环境科学,2004,23(A01) :4-6
[20]郑建国,刘芳,焦李成.基于案例挖掘的新的智能决策支持系统研究[J].系统工程与电子技术,200123(12):46~48,59
[21]李阳兵,王世杰.关于西南岩溶区石漠化土地恢复重建目标的讨论[J].热带地理,2005,25(2):123~127.
[22]苏维词.中国西南岩溶山区石漠化治理的优化模式及对策[J].水土保持学报,2002,16(5):24~27
[23]蒋忠诚.广西岩溶及其生态环境领域近十年来的主要研究进展[J].,南方国土资源,2004,(11):19~22.
[24]苏维词,朱文孝,滕建珍.喀斯特峡谷石漠化地区生态重建模式及其效应[J].生态环境2004,13(1):57~60.
[25] R. L. Simpson, A Computer Model of Case‐Based Reasoning in Problem Solving: AnInvestigation in the Domain of Dispute Mediation, PhD thesis[R].School of Information andComputerScience.GeorgiaInstituteofTechnology,1985.
[26]王悦,范君晖,田书格.基于案例推理专家系统中的案例表示方法[J].上海工程技术大学学报,2005,19(1):42~46。
[27] Kolodner J L. An Introduction to Case‐based Reasoning[M]. San Francisco, California:MorganKaufmannPublishers,1993.
[28] Schank R Dynamic Memory‐‐ A Theory of Learning in Computers and People[M]. NY: CambridgeUniversityPress.1982.
[29]冯为民,任宏,李嘉荣等.基于案例模糊推理系统的土地价格估算系统研究[J].重庆建筑大学学报,2005,27(5):123~128
[30]杜云艳,周成虎,邵全琴等.案例推理的地学应用背景和方法[J].地球信息科学,2002,(1):98~103.
[31]杜云艳,周成虎,邵全琴等.地学案例推理及其应用[J].地理学报,2002,57(2):151~158
[32]黎夏,叶嘉安,廖其芳.利用案例推理(CBR)方法对雷达图像进行土地利用分类[J].遥感学报,2004,8(3):246~253.
[33]建刚.人工神经网络实用教程[M].杭州:浙江大学出版社,2003
[34]蒋宗礼.人工神经网络导论[M].北京:高等教育出版社.
[35]周明,孙树栋.遗传算法原理及应用[M].北京:国防工业出版社.
[36]陈国良.遗传算法及应用[M].北京:人民邮电出版社.
[37]王小平,曹立明.遗传算法、理论、应用与软件实现[M].西安交通大学出版社.2002
[38]高隽编.人工神经网络原理及仿真实例[M].北京:机械工业出版社,2003
[39]周凯波,冯珊,李锋.基于案例属性特征的相似度计算模型研究[J].武汉理工大学学报(信息与管理工程版),2003,25(1):24~27
[40]唐雪松,郭立红,陈长喜.基于案例推理方法在态势分析中的应用研究[J].计算机测量与控制,2006.14(12):1723~1725
[41]顾基发,唐锡晋.物理‐事理‐人理系统方法论:理论与应用[M].上海:上海科技教育出版社,2006
[42]赵卫东,李旗号,盛昭澣.基于案例推理的决策问题求解研究[J].管理科学学报,2000,3(4):29~36.
[43]陈腾云,倪绍祥,韦玉春等.基于GIS与CBR的城市绿地规划支持系统及其关键技术[J].南京师大学报(自然科学版),2005,28(1):25~32。
[44]李梅,夏元友,曹杉杉.基于案例推理的边坡稳定性评价系统及应用[J].武汉理工大学学报,2006,28(6): 53~55
[45]赵卫东,李旗号,盛昭瀚.基于案例推理的决策问题求解研究[J].管理科学学报2000, 3(4):29~37
[46]李辉,艾文国,孙洁.面向软案例推理群体智能决策的决策者客观权重模型[J].哈尔滨工业大学学报2006,38(6):893~896。
[47]陈孝趋,鲁立明,廖枝平.BP算法的改进及其在Matlab上的实现[J].控制工程,2005(12):15‐26
[48]飞思科技产品研发中心编著.神经网络理论与matlab7实现[M].电子工业出版社,2005.3
[49]闵惜林,刘国华.人工神经网络结合遗传算法在建模和优化中的应用[J].计算机应用研究,2002,1:79‐80.
[50]杨晓红,刘乐善.用遗传算法优化神经网络结构[J].计算机应用与软件,1997,14(3):59‐65.
[51]孙全玲.基于神经网络和遗传算法的优化方法[J].计算机应用,2003,22(4):19‐25
[52]廖赤眉.都安喀斯特石漠化演变胁迫阈值、预警评估与治理模式研究.北京师范大学博士后研究工作报告,2009.
[53]廖赤眉.广西喀斯特地区土地石漠化与生态重建模式研究‐‐‐‐以都安瑶族自治县为例[J].中国科学院研究生院博士论文,2004.
[54]熊康宁,梅再美,彭贤伟等.喀斯特石漠化生态综合治理与示范典型研究[J].贵州林业科技,2006,34(1):5‐8.
[55]杨成波,王震洪.中国西南地区石漠化及其综合治理研究[J].农业环境与发展,2007,5:9‐13.
[56]廖赤眉,刘燕华,胡宝清等.喀斯特土地石漠化与生态重建研究[J].农业工程学报,2004,20(6):266~271.
[57]覃小群,朱明秋,蒋忠诚.近年来我国西南岩溶石漠化研究进展[J].中国岩溶,2006,25(3): 234~237
[58]常黎.喀斯特石漠化综合治理过程中的生态效应规律研究[J].贵州师范大学硕士学位论文,2008
[59]杜云艳,周成虎,邵全琴等.地理案例推理及其应用[J].地理学报,2002,57(2):151‐158.
[60]陈保香,曹奇英,夏祖勋.案例推理在海军战术决策中的应用[J].华东船舶工业学院学报,2000 ,5(14):45‐49.
[61]罗定贵.基于MATLAB实现的ANN方法在地下水质评价中的应用[J].北京大学学报,2004,40(2):296‐302.
[62]李祚泳.BP网络用于水质综合评价方法的研究[J].环境工程,2006,13(2):22‐24.
[63]吕锋,石敏.基于GA的BP神经网络模型的研究及应用[J].武汉水利大学学报,2002(2):63‐66.
[64]熊凌,赵明旺.基于遗传算法的BP网络全局收敛的混合智能学习算法[J].武汉科技大学学报:自然科学版,2000,23(2):153‐156.
[65]柏熙.神经网络与遗传算法在煤矿智能监控系统中的预测模型研究[J].西南大学硕士学位论文,2006.
[2]王世杰,李阳兵,李瑞玲.喀斯特石漠化的形成背景、演化与治理[J].第四纪研究,2003,23(6):657~666.
[3]廖赤眉,刘燕华,胡宝清等.喀斯特土地石漠化与生态重建研究[J].农业工程学报,2004,20(6):266~271.
[4]胡宝清,廖赤眉,严志强等.喀斯特土地石漠化动态检测与可视化管理信息系统的设计与应用[J].地理与地理信息科学,2004,20(3):40~44。
[5]胡宝清.喀斯特石漠化灾害预警及其风险评估模型研究[J].地球科学进展,2004,19(增刊):147~152
[6]中国科学院学部.关于推进西南岩溶地区石漠化综合治理的若干建议[J].地球科学进展,2003,18(4):489~492.
[7]李梦先.我国西南岩溶地区石漠化发展趋势[J].中南林业调查规划,2006,25(30:19~22.
[8]覃小群,朱明秋,蒋忠诚.近年来我国西南岩溶石漠化研究进展[J].中国岩溶,2006,25(3): 234~237
[9]熊康宁,梅再美,彭贤伟等.喀斯特石漠化生态综合治理与示范典型研究——以贵州花江喀斯特峡谷为例[J].贵州林业科技,2006,34(1):5~8.
[10]殷建强.贵州省石漠化生态恢复主要治理模式总结与探索[J].贵州林业科技,2005,33(3):34~38
[11]林中衍.广西岩溶地区石漠化生态经济治理模式[J].广西师范学院学报(自然科学版),2004,21(2):34~37.
[12]李阳兵.西南岩溶山地生态环境研究进展与若干问题[J].云南地理环境研究,2006,18(2):61~65。
[13]司彬,何丙辉,姚小华等.喀斯特石漠化形成原因及植被恢复途径探讨[J].江西农业大学学报,2006,28(3):392~396
[14]周宏益,王文俊,向喜琼.基于GIS的喀斯特石漠化石漠化综合防治规划[J].地球与环境,2005,33(增):627~630。
[15]王世杰.有关喀斯特石漠化研究的一些认识[J].贵州林业科技,2006,34(10:9~15.
[16]喻理飞,朱守谦.退化喀斯特森林恢复评价和修复技术[J].贵州科学,2002:20(1):7~13
[17]王明章.石漠化整治地学模式探讨[J].贵州地质,2005,22(2):77‐80
[18]万军.贵州省喀斯特地区土地退化与生态重建研究进展[J].地球科学进展,2003,18(3):447~453.
[19]董志芬.中国南方岩溶区石漠化研究[J].云南环境科学,2004,23(A01) :4-6
[20]郑建国,刘芳,焦李成.基于案例挖掘的新的智能决策支持系统研究[J].系统工程与电子技术,200123(12):46~48,59
[21]李阳兵,王世杰.关于西南岩溶区石漠化土地恢复重建目标的讨论[J].热带地理,2005,25(2):123~127.
[22]苏维词.中国西南岩溶山区石漠化治理的优化模式及对策[J].水土保持学报,2002,16(5):24~27
[23]蒋忠诚.广西岩溶及其生态环境领域近十年来的主要研究进展[J].,南方国土资源,2004,(11):19~22.
[24]苏维词,朱文孝,滕建珍.喀斯特峡谷石漠化地区生态重建模式及其效应[J].生态环境2004,13(1):57~60.
[25] R. L. Simpson, A Computer Model of Case‐Based Reasoning in Problem Solving: AnInvestigation in the Domain of Dispute Mediation, PhD thesis[R].School of Information andComputerScience.GeorgiaInstituteofTechnology,1985.
[26]王悦,范君晖,田书格.基于案例推理专家系统中的案例表示方法[J].上海工程技术大学学报,2005,19(1):42~46。
[27] Kolodner J L. An Introduction to Case‐based Reasoning[M]. San Francisco, California:MorganKaufmannPublishers,1993.
[28] Schank R Dynamic Memory‐‐ A Theory of Learning in Computers and People[M]. NY: CambridgeUniversityPress.1982.
[29]冯为民,任宏,李嘉荣等.基于案例模糊推理系统的土地价格估算系统研究[J].重庆建筑大学学报,2005,27(5):123~128
[30]杜云艳,周成虎,邵全琴等.案例推理的地学应用背景和方法[J].地球信息科学,2002,(1):98~103.
[31]杜云艳,周成虎,邵全琴等.地学案例推理及其应用[J].地理学报,2002,57(2):151~158
[32]黎夏,叶嘉安,廖其芳.利用案例推理(CBR)方法对雷达图像进行土地利用分类[J].遥感学报,2004,8(3):246~253.
[33]建刚.人工神经网络实用教程[M].杭州:浙江大学出版社,2003
[34]蒋宗礼.人工神经网络导论[M].北京:高等教育出版社.
[35]周明,孙树栋.遗传算法原理及应用[M].北京:国防工业出版社.
[36]陈国良.遗传算法及应用[M].北京:人民邮电出版社.
[37]王小平,曹立明.遗传算法、理论、应用与软件实现[M].西安交通大学出版社.2002
[38]高隽编.人工神经网络原理及仿真实例[M].北京:机械工业出版社,2003
[39]周凯波,冯珊,李锋.基于案例属性特征的相似度计算模型研究[J].武汉理工大学学报(信息与管理工程版),2003,25(1):24~27
[40]唐雪松,郭立红,陈长喜.基于案例推理方法在态势分析中的应用研究[J].计算机测量与控制,2006.14(12):1723~1725
[41]顾基发,唐锡晋.物理‐事理‐人理系统方法论:理论与应用[M].上海:上海科技教育出版社,2006
[42]赵卫东,李旗号,盛昭澣.基于案例推理的决策问题求解研究[J].管理科学学报,2000,3(4):29~36.
[43]陈腾云,倪绍祥,韦玉春等.基于GIS与CBR的城市绿地规划支持系统及其关键技术[J].南京师大学报(自然科学版),2005,28(1):25~32。
[44]李梅,夏元友,曹杉杉.基于案例推理的边坡稳定性评价系统及应用[J].武汉理工大学学报,2006,28(6): 53~55
[45]赵卫东,李旗号,盛昭瀚.基于案例推理的决策问题求解研究[J].管理科学学报2000, 3(4):29~37
[46]李辉,艾文国,孙洁.面向软案例推理群体智能决策的决策者客观权重模型[J].哈尔滨工业大学学报2006,38(6):893~896。
[47]陈孝趋,鲁立明,廖枝平.BP算法的改进及其在Matlab上的实现[J].控制工程,2005(12):15‐26
[48]飞思科技产品研发中心编著.神经网络理论与matlab7实现[M].电子工业出版社,2005.3
[49]闵惜林,刘国华.人工神经网络结合遗传算法在建模和优化中的应用[J].计算机应用研究,2002,1:79‐80.
[50]杨晓红,刘乐善.用遗传算法优化神经网络结构[J].计算机应用与软件,1997,14(3):59‐65.
[51]孙全玲.基于神经网络和遗传算法的优化方法[J].计算机应用,2003,22(4):19‐25
[52]廖赤眉.都安喀斯特石漠化演变胁迫阈值、预警评估与治理模式研究.北京师范大学博士后研究工作报告,2009.
[53]廖赤眉.广西喀斯特地区土地石漠化与生态重建模式研究‐‐‐‐以都安瑶族自治县为例[J].中国科学院研究生院博士论文,2004.
[54]熊康宁,梅再美,彭贤伟等.喀斯特石漠化生态综合治理与示范典型研究[J].贵州林业科技,2006,34(1):5‐8.
[55]杨成波,王震洪.中国西南地区石漠化及其综合治理研究[J].农业环境与发展,2007,5:9‐13.
[56]廖赤眉,刘燕华,胡宝清等.喀斯特土地石漠化与生态重建研究[J].农业工程学报,2004,20(6):266~271.
[57]覃小群,朱明秋,蒋忠诚.近年来我国西南岩溶石漠化研究进展[J].中国岩溶,2006,25(3): 234~237
[58]常黎.喀斯特石漠化综合治理过程中的生态效应规律研究[J].贵州师范大学硕士学位论文,2008
[59]杜云艳,周成虎,邵全琴等.地理案例推理及其应用[J].地理学报,2002,57(2):151‐158.
[60]陈保香,曹奇英,夏祖勋.案例推理在海军战术决策中的应用[J].华东船舶工业学院学报,2000 ,5(14):45‐49.
[61]罗定贵.基于MATLAB实现的ANN方法在地下水质评价中的应用[J].北京大学学报,2004,40(2):296‐302.
[62]李祚泳.BP网络用于水质综合评价方法的研究[J].环境工程,2006,13(2):22‐24.
[63]吕锋,石敏.基于GA的BP神经网络模型的研究及应用[J].武汉水利大学学报,2002(2):63‐66.
[64]熊凌,赵明旺.基于遗传算法的BP网络全局收敛的混合智能学习算法[J].武汉科技大学学报:自然科学版,2000,23(2):153‐156.
[65]柏熙.神经网络与遗传算法在煤矿智能监控系统中的预测模型研究[J].西南大学硕士学位论文,2006.