贝叶斯网络在农民土地利用决策中的应用

发布时间：2020-05-29 16:50

【摘要】：针对退耕还林背景下农户的土地利用决策变化问题,构建贝叶斯网络模型。通过分析网络得到农户的劳动力人数和政府补贴对农户的土地利用决策有相对较大影响的结论。首先,利用PEMD算法对陕西省延安市县南沟农户调研数据进行离散化处理,在MATLAB软件的BNT中构建了 14种贝叶斯网络。同时,使用Bayesian、LL、AIC和BIC评分函数评估这些网络结构,结果表明MWST+T+K2网络与实际情况相符,且其AIC得分最高,Bayesian、LL和BIC分值较高、复杂度较低。因此,将MWST+T+K2网络确定为关于农户土地利用决策的贝叶斯网络。其次,使用HOLD OUT、CV-5和CV-10检验分别对NBC、TANC、MWST和MWST+T+K2分类器进行测试,并对其评价指标进行分析比较,发现MWST+T+K2分类器的分类水平相对更高。但是,该网络在分类时只对第一类数据有优势,存在一定的局部最优问题。MWST+T+K2网络的联合推理结果说明其有一定的有效性。最后,本文基于MWST+T+K2网络在分类时存在的不足,提出了 HCK2结构学习算法。将构建的HCK2网络与TANC、MWST+T+K2分类器进行比较,结果表明HCK2网络可以同时对三类数据有较好的区分。并对HCK2网络进行了联合推理,发现其推理精度与MWST+T+K2网络相同,绝对误差总体上不超过0.015。同时HCK2网络可以更好地识别无数据的组合。最终可以得出,当补贴介于0-3500(元/年)之间且接近1750元时,有较少劳动力的农户趋于果园种植;当补贴超过3500元时,农户更倾向于选择闲置土地。
【图文】：

概率分布,专家经验,父节点,研究领域

iX 的父节点集合。自提出后就受到了不同研究领域的关注，并已经生成了和“ALARM”基准网络[9]，这些网络是以专家经验和大量威学者构建而成的。其中“Asia”基准网络如图 1.1 所示节点的概率分布均为 0—1 分布。

正态分布,连续型,属性节点,连续数据

预处理结果.1.1 所述完善调研数据，再利用卡方检验消除不相关的属性，将最后得到建模节点。表 3.1 对所选取的属性节点进行了简要介绍，，其中“Land U。在 MATLAB 中对连续数据的正态分布情况进行测试，结果如图 3.1 所
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP18;F321.1

【参考文献】