基于支持向量机的土地利用变化模拟模型

Land Use Change Simulation Model Based on Support Vector Machine

以湖北省为例，选取5大类7个耕地，利用变化驱动力因子，将1986～2000年的数据作为样本训练数据，2001～2004年的数据作为测试数据，与耕地变化进行基于支持向量机的回归模拟，用遗传算法对参数进行优化，并与BP、RFB神经网络模型进行了对比。模拟结果精度分析显示，SVM模型较BP神经网络模型理想，与RFB神经网络接近。并运用该模型对湖北省2010年的耕地利用变化进行了预测，结果合理。研究表明，SVM模型有较强的自学习、自适应能力，在土地利用变化模拟中有着广泛的应用前景。

We apply support vector machine to simulate the relation between arable land area and datum of driving forces of land use change of Hubei Province from 1986-2004, and compare the test values by GA-SVM with ones by BP and RBF neural networks models. Practice proves the simulation results of land use change by SVM are more effective than those from BP-ANN,and is approximate to the precision of RBF-ANN.