数据融合算法在土地评估中的应用

黄小庆

摘要：研究目的：基于专家主观信息在当前土地评估中的关键作用，将专家信任度和评估数据的主观信息进行分组合并，提高评估结果的准确性和可信度。研究方法：基于模糊测度理论，分析土地评估中“专家信息”整合中需要解决的问题，建立融合准则和信息融合模型。研究成果：推导了专家评估信息融合的基本算法，并对专家评估信息进行了有效建模和集成，并将其应用于实际的土地评估中。研究结论：该方法可以提高专家主观评价的可信度，提高评价的准确性，挖掘和利用更高层次专家信息的价值。

关键词：土地评估；数据融合；算法；专家信息

1引言

在各种土地评估方法中，专家信息仍然是影响成员权重和程度的主要因素。重新评估专家的主观评估有效性是提高准确性的重要途径。与此同时，评估方法正朝着网络化和信息化的方向发展。利用专家集体智慧的结构效应和优化专家图书馆信息的组合变得越来越重要。

由于估价的性质和成本的限制，在大多数情况下，对同一评估对象的评估，使用专家来遍历评估方法几乎是不可能的，但也是不经济的。对于一些需要评估的特殊地物（如历史地貌评估），由于其独特的特点，缺乏可比性和实验条件，而没有其他数据来源，只能通过相关专家的主观经验进行评估。因此，在当前的土地评估中，采用有限的专家评估评估对象仍然是一种更为实用的方法。但是，应该指出的是，专家的个体差异客观上直接影响评估结果。每种可能的专家组合所产生的评估效果并不相同。

如何评估他们的评估成效？如何优化有限的实用选项？这涉及基于主观信息的建模和处理问题。进一步，我们可以结合几种可能的评估方案的效率，发挥“力量组合”的作用，使之成为更高层次的决策依据。本文基于模糊测度理论，提出了适合于土地评估的“专家信息”数据融合方法。

2土地评估中“专家信息”融合需要解决的问题

对于来自不同专家和/或“主观”数据源的信息的建模，处理和分析，最常用的方法是可能性和模糊集合理论。经典分析方法通常使用“概率”作为不确定性框架；而概率论和模糊集理论则以“可能性/必要性”作为不确定性框架。采用它的主要原因是它提供了信息处理和分析。不确定性的简明表达模型。

为了实现土地评估专家主观评估信息的整合，必须解决以下三个基本问题：一是单个评估专家对土地评估指标的评估数据可以正确建模，即信息源模型可以有效建立。其次，专家给出的评估权重必须在一定的尺度上表征，即信息评估和测试融合算法效果的标准。对于融合结果，我们可以把它看作是一个更高层次的专家。因此，专家评估标准同样适用于融合结果。可以说两者是一致的。三是给出合理的融合模型和融合策略。

3“专家信息”融合算法的建立

为了建立信息融合评估算法，首先要根据一定的规则指导算法的设计。这些规则是确定融合标准和建立可靠性信息模型的具体规范。

3.1信息源模型

对于专家和/或“主观”信息源，可以使用模糊集合模型进行建模，即将每个专家e的某个评估指标v的评估结果记录为一个模糊数E，从而在评估空间中引入一个模糊数。概率分布ΠE（v）定量表示专家评估评估对象客体的主观倾向。综上所述，信息源模型建设的主要内容有两个方面。

（l）系统知识模型，即要评估的土地目标状态的定量表示：选择必要的变量因素及其基本分布，包括范围，种子变量，目标变量和表征形式等；信息，其中种子变量是指用于评估专家情况的已知可靠性参数。

（2）专家知识建模，即定量表达专家评价意见：获取专家对每个评价对象的评价方法和倾向，并定义所选择的模型表达；并对专家知识进行统一表达和划分。

3.2融合指南的制定

信息源建模工作完成后，下一步是如何确定评估标准来评估专家和最终的融合结果，从而为融合模型的建立和算法的确定提供指导。对于这个标准可能带来的缺陷和错误，可以使用模糊度量来度量。设模糊集合为专家e对某评价指标v的评价结果，并用隶属函数ΠE描述。

3.3融合模型和基本融合算法

模糊信息融合模型有多种形式，包括公共模型，反共模型，平均模型，数值量化融合模型，因子协调模型，折叠模型和序贯模型。使用该算法融合专家可靠性评估信息的想法分为两个阶段。

（1）第一阶段：专家分组。给定种子变量（即一组实际已知的可靠性量化指标，这些值不为专家所知；他们只知道事件的相关背景）。

步骤1：专家评估种子变量并记录评估结果；

步骤2：根据评估结果为每位专家计算A，Sp和Q；

步骤3：根据A，Sp和Q的差异的显着性将专家分组，并且不同的组被赋予不同的置信因子。

（2）第二阶段：衔接评估。将评估用地评估相关数据提交给专家进行重新评估。

步骤1：专家评估估计指标并记录评估结果；

步骤2：利用不同的融合模型对不同群体进行信息融合，得到群体评估结论。一般来说，一个组内的专家被认为具有非常相似的意见，所以他们的融合模型大多选择相应的模型（min）或因子协调模型（trade），因为使用这些模型可以删除相同的背景专家评估信息。冗余提取共性；

步骤3：使用各组之间适当的融合模型进行融合以获得最终的评估结果。一般认为，不同群体的评价意见存在显着差异。因此，应该选择反共模型，等效模型和序贯模型以消除分歧并弥补不足，并获得一致的判断。

4“专家信息”融合算法在土地评估中的应用

通过土地评估实例解释上述实施思路。现有评估机构的专家数据库中有12位专家。专家们处于不同的情况。现在让他们评估一个房地产的商业潜力，即n=12个专家{e1，e2，e3，...，en}与m种子变量{V1，V2，V3，...，Vm}是评估。通过分组算法OrderCr-ρ（g）=（K1，K2，...，K1，K1+1，...，Kk）获得{V1，V2，V3，...，Vm}根据Cr和标准ρ分组的结果是：三个置信度水平被分为3个4个专家组。然后，在该组中使用因子模型，并使用顺序融合模型来融合多位专家的评估信息。对于上述专家而言，每位专家对房地产商业潜力指数的评估结果都是一个数字E轩i，其导致概率分布πi（x）。

根据融合结果，c（Kl，Kl+1）是信息融合的一个重要调整因子，其大小反映了群间融合的一般趋势，即c（Kl，Kl+1）越小，融合结果变得越来越多。接近专家组评估结果的简单算术平均值，其越大，收敛结果越接近最大置信度专家组的评估结果。因此，在该方法的实际应用中，有必要根据实际情况对上述两种情况进行折衷，并选择合适的c（Kl，Kl+1）因子，以使评估结果调整到方向合理化。

5结论

尽管中国土地评估领域有许多数字化研究，并且已经研究了许多实用有效的数学模型，但仍然难以解决评估专家的主观不确定性问题。调查专家主观信息可信度的模型还比较少见。本文依托专家信息开展土地评估的实际背景，结合信息融合理论，提出了一种基于模糊测度准则的专家信息融合方法，充分利用了模糊逻辑建模的效率和对主观信息的适用性，消除了在一定程度上实现了信息的优化组合，提高了基于主观或未确知信息的评估的准确性和可信度，并提出了另一种土地评估和错误控制方法。

参考文献：

［1］安旭东，周生路，彭补拙.试论房估价信息系统化及其实现［J］.人文地理，2001，15（3）：60-63.

［2］庄钊文，郁文贤，王浩.信息融合技术在可靠性评估中的应用［J］.系统工程与电子技术，2000，22（3）：75-77.

［4］彭祖赠，等.模糊（Fuzzy）数学及其应用［M］.武汉：武汉大学出版社，2002：34-39.