Искусственные нейронные сети (Artificial Neural Network) — это усовершенствованные алгоритмы распознавания образов, способные извлекать сложные нелинейные зависимости между переменными. В данной статье описано применение искусственных нейронных сетей, в частности нейронных сетей MultiLayer Perceptron (MLP) из модели Land Change Modeler (LCM), для моделирования вероятности изменений в землепользовании под воздействием природных факторов. В качестве иллюстрации применения этого метода приводится исследование, проведенное в округе Зяотхюи провинции Намдинь (Вьетнам). Данные о состоянии землепользования за период с 2001 по 2013 год были дешифрированы с использованием спутниковых изображений Landsat. Процесс анализа данных проводился с помощью программного обеспечения TerrSet для получения простой нейронной сети MLP, состоящей из входного слоя (3 нейрона), скрытого слоя (7 нейронов) и выходного слоя (2 нейрона). Результаты исследования показывают, что сети MLP работают с высокой надежностью. Общая (со всеми переменными) эффективность (0,6858) и точность (84,29 %) модели значительно превышают допустимые минимальные значения, позволяющие использовать ее для обучения. Результаты исследований показывают, что три фактора, влияющие на изменения в землепользовании, могут быть ранжированы по уменьшению влияния в следующем порядке: почвы, геоморфология и расстояние до береговой линии.
Artificial Neural Network (ANN) are advanced pattern recognition algorithms capable of extracting complex nonlinear relationships between variables. This paper presents the application of artificial neural networks, in particular the Multi-layer Perceptrons (MLP) neural networks from the Land Change Modeler (LCM) to model the potential for land use change under the influence of natural factors. A case study conducted in Giao Thuy district is used to illustrate this method. Land use data from 2001 to 2013 were decoded using Landsat satellite images. The data analysis process was carried out using TerrSet software to obtain a simple MLP neural network consisting of an input layer (3 neurons), a hidden layer (7 neurons), and an output layer (2 neurons). The results of the study show that the MLP network works with high reliability. The overall (with all variables) efficiency of 0.6858 and accuracy of 84.29 % of the model are well above the acceptable limit to be used for training. The results of the study show that the three factors influencing land use change can be ranked in order: soils, geomorphology and finally the distance to the coastline have the greatest influence.