[发明专利]基于人工神经网络的土地评价方法

权利要求书

1.一种基于人工神经网络的土地评价方法，其特征在于：以实际调查样本为基础的自学习方法或以已有知识为基础，依据样本进行自学习修正，构建基于自学习、自适应的神经网络的土地评价方法。

2.根据权利要求1所述基于人工神经网络的土地评价方法，其特征在于：用遗传算法优化神经网络的连接权和遗传算法优化神经网络结构提高神经网络模型的准确性和实用性。

3.根据权利要求2所述基于人工神经网络的土地评价方法，其特征在于用遗传算法优化神经网络的连接权包括以下步骤：

(1)对神经网络各个连接权值和阈值按照一定顺序排列并采用二进制编码方案进行编码，随机产生一组分布，进而构造出一组码链，每个码链代表神经网络的一种权值分布，即对应于一个权值和阈值取特定值的神经网络；

(2)对所产生的神经网络计算其在训练样本集上的均方误差，从而确定其适应度，均方误差越大，适应度越小；

(3)选择若干适应度值最大的个体直接遗传至下一代；

(4)利用交叉和变异的遗传操作算子对当前一代群体进行处理，产生下一代群体；

(5)重复步骤(2)(3)(4)，使初始确定的一组权值分布得到不断的进化，直到训练目标得到满足为止。

4.根据权利要求3所述基于人工神经网络的土地评价方法，其特征在于：对神经网络中的权值和阈值进行编码采用二进制编码方案，神经网络的每个连接权值都用一定长的0/1串表示，阈值是输入为-1的连接权值，各连接权的字符串表示值和实际权值之间有如下关系：

Wi(i,j)=Wmin(i,j)+bin(t)2l-1×[Wmax(i,j)-Wmin(i,j)+1]]]>

其中，W_i(i，j)表示实际权值，bin(t)是由l位字符串所表示的二进制整数，[W_min(i，j)，W_max(i，j)]为各连接权的变化范围，将所有对应的0/1串级联在一起，得到的二进制字符串就代表网络的一种权值分布。