基于gis的神经网络元胞自动机传染病传播模拟分析方法
【技术领域】
[0001]本发明属于数据分析技术领域，涉及基于GIS的神经网络元胞自动机传染病传播模拟分析方法。
【背景技术】
[0002]传统的元胞自动机传染病传播模拟分析方法效率较低，不能很好满足求解问题的需求，本发明用卷积神经网络来优化元胞自动机模型的转换规则，并将GIS技术应用到其中，从而提高了该方法模拟分析的能力。到目前为止没有关于没有基于GIS神经网络的元胞自动机传传染病传播模拟分析方法的案例。
[0003]卷积神经网络，它避免了显式的特征取样，隐式地从训练数据中进行学习，卷积神经网络优于传统一般神经网络的分类器，通过结构重组和减少权值将特征提取功能融合进多层感知器。GIS具有强大的空间信息分析和模拟能力，将其应用到传染病传播模拟分析之中，可提高该方法分析和求解问题的水平。
【发明内容】
[0004]本发明的目的在于提供基于GIS的神经网络元胞自动机传染病传播模拟分析方法，传统的单一的元胞自动机传染病传播模拟分析方法，求解问题的能力和水平有待改善，本方法将GIS和卷积神经网络应用到其中，在一定程度上提高其模拟分析问题的水平。
[0005]本发明所采用的技术方案是按照以下步骤进行:
[0006]步骤1:获取空间数据和属性数据，建立相应的空间数据库和属性数据库；
[0007]步骤2:构建传染病传播模型；
[0008]步骤3:卷积神经网络模型的构建；
[0009]步骤4:构建元胞自动机，包括元胞空间和元胞转换规则两部分；
[0010]步骤5:构建传染病传播模拟分析地理信息系统。
[0011]进一步，所述步骤I中利用GIS软件对栅格数据或不规范地图数据进行数字化处理，制成一幅数字化地图；其中属性数据包括传染病传播模拟所需的人文信息、地理信息数据。
[0012]进一步，所述步骤2中构建神经网络和构建元胞自动机模型，其中元胞自动机的转换规则是由卷积神经网络来挖掘提取。
[0013]进一步，所述步骤4中，
[0014]元胞空间:一个标准的细胞自动机A由元胞、元胞状态、邻域和状态更新规则构成。用数学表示为:
[0015]A = (L, d, S, N, f)
[0016]其中L为元胞空间；d为元胞自动机内元胞空间的维数；S是元胞有限的、离散的状态集合；N为某个邻域内所有元胞的集合；f为局部映射或局部规则；
[0017]元胞空间是元胞所分布的空间网点的集合，一个元胞通常在一个时刻只有取自一个有限集合的一种状态，元胞状态代表个体的态度、特征、行为，在空间上与元胞相邻的细胞称为邻元，所有邻元组成邻域；
[0018]元胞转换规则:
[0019]步骤602规则/变换函数；
[0020]任意一个η维元胞自动机能够定义成如下四元组:
[0021]C = (Dn, S, N, f)
[0022]式中，DnS η维欧氏空间，S是有限状态集合，r表示元胞自动机的格位，对于格位r上的元胞在t时刻的状态表示为
[0023]S (r, t) = (S1 (r, t)，S2 (r, t)，L, Sk (r, t)}
[0024]Sk(r, t)表示格位r上的元胞在t时刻的第k个状态；N为r为中心元胞的邻域，是Dn的有限的序列子集
[0025]N = {N” N2, L, Nj
[0026]Nq表示元胞r的第q个邻居相对于r的位置为S(r, t) — S(r, t+1)的转化规则
[0027]f = {f” f2, L, fj
[0028]fm表示元胞的空间的第m个转化规则，若元胞的当前状态为S(r，t)，那么它下一个状态的第j个转化规则为
[0029]S (r, t+1) = fj (S (r+N1； t)，S (r+N2, t), L, S (r+Nq, t)) j = I, 2，L, m
[0030]也就是说，元胞下一时刻的状态只与它当前邻居的状态有关；
[0031]模型的建立:在论域内各个区域首先对数据进行网格划分，在常规元胞自动机模型的基础之上，引入分区机制，将论域空间分为9个区域。
[0032]进一步，所述步骤5中基本功能模块包括:
[0033]I)文件操作:包括打开工作区、关闭工作区、保存、另存为、添加数据、打印图表、
退出；
[0034]2)综合查询:包括模糊查询、SQL查询、空间位置查询；模糊查询:输入表示实体名称或号码，即可进行查询；SQL查询:是查询中常见的一种查询，在查询界面内设置相应的条件和语句后进行查询；空间位置查询:针对空间位置关系进行查询；
[0035]3)专题地图:包括单值专题图、范围分段专题图、点密度专题图、统计专题图、等级符号专题图、标签专题图；该功能模块使传染病模拟分析后的结果、各类地理信息以多种图形的形式直观清楚的显示出来，以便于人们的决策服务；
[0036]4)空间分析:空间分析包括空间查询与量算、缓冲区分析、叠置分析、网络分析、空间统计分析；其中，空间统计分析是依靠有序的模型描述无序事件，根据不确定性和有限信息分析、评价和预测空间数据。
[0037]本发明的有益效果是
[0038]I)本发明综合运用地理信息系统、神经网络、元胞自动机和空间分析技术，研宄传染病传播的方法和技术，在传染病传播研宄的理论方法上实现创新；
[0039]2)通过本发明进行传染病传播的模拟，得到传染病的发展蔓延趋势，为各部门制定相关政策提供了决策依据；
[0040]3)本发明利用GIS强大的地理数据管理分析、可视化和科学计算功能，快速分析以及评估传染病情况，监测和模拟地区病情的发展和变化，为相关部门提供良好的辅助决策数据，提高了传染病预防和管理的信息化水平和决策服务效率。
【附图说明】
[0041]图1基于地理信息系统的神经网络元胞自动机传染病传播模拟分析方法的流程图；
[0042]图2构建传染病传播模型的流程图；
[0043]图3元胞自动机模型的流程图；
[0044]图4传染病传播模拟分析地理信息系统的流程图。
【具体实施方式】
[0045]下面结合【具体实施方式】对本发明进行详细说明。
[0046]本发明基于地理信息系统技术和数据库技术，运用神经网络提取元胞自动机的转换规则，采用集中管理维护的设计模式，对研宄地区内的传染病信息、人文信息、地理信息进行统一的控制和管理。该发明实现图文并貌一体化的维护管理、综合查询、专题地图、空间分析和传染病传播模拟，为传染病的控制和防御管理提供辅助决策依据。
[0047]步骤1:获取空间数据和属性数据；
[0048]利用相应的GIS软件对栅格数据或不规范地图数据进行数字化处理，制成一幅具有实际应用价值的数字化地图。属性数据包括传染病传播模拟所需的人文信息、地理信息等数据；利用地理信息系统技术和数据库技术，根据帅选、统计处理后的人文信息、地理信息等数据，建立相应的空间数据库和属性数据库；
[0049]步骤2:构建传染病传播模型；
[0050]该步骤包括步骤50构建神经网络和步骤60构建元胞自动机模型，其中元胞自动机的转换规则是由卷积神经网络来挖掘提取。具体步骤如下所示:
[0051 ] 步骤401初始状态与目标状态数据；
[0052]步骤402数据处理，准备输入神经元和输出神经元；
[0053]步骤403构建神经网络，训练得到最佳的网络；
[0054]步骤404建立元胞自动机；
[0055]步骤4041仿真得到的转换概率；
[0056]步骤4042随机干扰项；
[0057]步骤4043迭代中数据更新；
[0058]步骤405设置阈值，调整迭代次数；
[0059]步骤405a检验评价精度是否达到要求，若是则执行步骤406 ;否则转步骤405 ;
[0060]步骤406输出模拟结果；
[0061]步骤3:卷积神经网络模型的构建；
[0062]卷积网络在本质上是一种输入到输出的映射，它能够学习大量的输入与输出之间的映射关系，而不需要任何输入和输出之间的精确的数学表达式，只要用已知的模式对卷积网络加以训练，网络就具有输入输出对之间的映射能力。卷积网络执行的是有导师训练，其样本集是由向量对构成的。所有这些向量对，都应该是来源于网络即将模拟的系统的“运行”结果。它们可以是从实际运行系统中采集来的。在开始训练前，所有的权都应该用一些不同的小随机数进行初始化。
[0063]训练算法。包括4步，这4步被分为两个阶段:第一阶段，向前传播阶段:
[0064]a)从样本集中取一个样本(X，Yp)，将X输入网络；
[0065]b)计算相应的实际输出Op。
[0066]在此阶段，信息从输入层经过逐级的变换，传送到输出层。这个过程也是网络在完成训练后正常运行时执行的过程。在此过程中，网络执行的是计算(实际上就是输入与每层的权值矩阵相点乘，得到最后的输出结果):
[0067]第二阶段，向后传播阶段:
[0068]a)算实际输出Op与相应的理想输出Y p的差；
[0069]b)按极小化误差的方法反向传播调整权矩阵。
[0070]卷积神经网络，它避免了显式的特征取样，隐式地从训练数据中进行学习。这使得卷积神经网络明显有别于其他基于神经网络的分类器，通过结构重组和减少权值将特征提取功能融合进多层感知器。卷积网络较一般神经网络在图像处理方面有如下优点:a)输入图像和网络的拓扑结构能很好的吻合；b)特征提取和模式分类同时进行，并同时在训练中产生；c)权重共享可以减少网络的训练参数，使神经网络结构变得更简单，适应性更强。
[0071]步骤4:构建元胞自动机，包括元胞空间和元胞转换规则两部分；
[0072]步骤601元胞空间；
[0073]元胞空间:一个标准的细胞自动机(A)由元胞、元胞状态、邻域和状态更新规则构成。用数学表示为:
[0074]A = (L, d, S，N, f)
[0075]其中L为元胞空间；d为元胞自动机内元胞空间的维数；S是元胞有限的、离散的状态集合；N为某个邻域内所有元胞的集合；f为局部映射或局部规则。
[0076]元胞空间是元胞所分布的空间网点的集合。理论上元胞空间在各个维向上是无限延伸的，为了能够在计算机上实现，而定义了边界条件，包括周期型、反射型和定值型。
[0077]一个元胞通常在一个时刻只有取自一个有限集合的一种状态，例如{0，1}。元胞状态可以代表个体的态度、特征、行为等。在空间上与元胞相邻的细胞称为邻元，所有邻元组成邻域。
[0078]步骤602规则/变换函数；
[0079]元胞自动机的关键是如何定义转换规则，但目前所提取的转换规则大都是隐含的，是通过数学公式来表达规则，如何确定公式中的参数较为困难。