基于層次分析法和人工智能技術(shù)的鄉(xiāng)村景觀設(shè)計(jì)效果評(píng)估

曾麗娟

摘? 要： 為研究鄉(xiāng)村景觀資源并分析景觀問(wèn)題，提出基于層次分析法和人工智能技術(shù)的鄉(xiāng)村景觀設(shè)計(jì)效果評(píng)估方法。以門頭溝為例，通過(guò)層次分析法構(gòu)建鄉(xiāng)村景觀設(shè)計(jì)效果評(píng)估指標(biāo)體系并確定指標(biāo)權(quán)重，采用基于人工智能技術(shù)的BP神經(jīng)網(wǎng)絡(luò)構(gòu)建鄉(xiāng)村景觀設(shè)計(jì)效果評(píng)估模型，從目標(biāo)層、項(xiàng)目層及指標(biāo)層三方面指標(biāo)評(píng)估鄉(xiāng)村景觀設(shè)計(jì)效果。結(jié)果表明：該方法可有效評(píng)估研究區(qū)鄉(xiāng)村景觀設(shè)計(jì)效果，其中指標(biāo)層評(píng)估值在0.4～0.64之間，綜合評(píng)估為優(yōu)，目標(biāo)層的綜合評(píng)估分值是0.60，設(shè)計(jì)效果為優(yōu)，項(xiàng)目層的承載力與吸引力綜合評(píng)估均較優(yōu)，說(shuō)明研究區(qū)在開展鄉(xiāng)村旅游方面潛力與條件充足;該方法誤差變化趨勢(shì)較為平穩(wěn)，整體相對(duì)誤差低，說(shuō)明該方法具有較高的準(zhǔn)確性與理想性，可為鄉(xiāng)村景觀資源問(wèn)題的分析及設(shè)計(jì)效果評(píng)估奠定基礎(chǔ)。

關(guān)鍵詞： 鄉(xiāng)村景觀設(shè)計(jì)評(píng)估; 層次分析法; 人工智能技術(shù); 景觀設(shè)計(jì)評(píng)估模型; 評(píng)估指標(biāo)體系構(gòu)建; 評(píng)估方法對(duì)比

中圖分類號(hào)： TN99?34; S372? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）11?0128?04

Rural landscape design effect evaluation based on AHP and AI

ZENG Lijuan

（Guangdong Polytechnic Normal University， Guangzhou 510665， China）

Abstract： In order to study rural landscape resources and analyze related problems， an evaluation method of rural landscape design effect based on AHP （analytic hierarchy process） and AI （artificial intelligence） is proposed. Mentougou is taken as an example for this research. On the basis of AHP， the evaluation index system of rural landscape design effect is established and the index weight is determined， the evaluation model of rural landscape design effect is established by AI?based BP neural network， and the rural landscape design effect is evaluated from indexes of target layer， project layer and index layer. The results show that this method can effectively evaluate the rural landscape design effect of the research area. The evaluation value of index layer is within 0.4～0.64， and its comprehensive evaluation is excellent; the comprehensive evaluation score of the target layer is 0.60， and its design effect is excellent; the comprehensive evaluation of both the carrying capacity and attraction of the project layer is good. The above shows that the research area has sufficient potential and conditions for developing rural tourism. The error change trend of the method is relatively stable and the overall relative error ratio is low， which indicates that the method is of high accuracy and ideality， and can lay a foundation for analysis of rural landscape resource problems and evaluation of design effect.

Keywords： rural landscape design evaluation; AHP; AI; landscape design evaluation model; evaluation index system construction; evaluation method contrast

0? 引? 言

隨著近些年人們生活水平的提高，人們對(duì)旅游的需求也隨之增長(zhǎng)[1?2]，而鄉(xiāng)村旅游也成為當(dāng)下旅游者們所選取的重要旅游場(chǎng)所，因此，鄉(xiāng)村景觀資源的開發(fā)也逐漸趨于商業(yè)化。但是，因開發(fā)的不合理所帶來(lái)的鄉(xiāng)村景觀自然度與特殊文化的丟失，造成鄉(xiāng)村景觀無(wú)法向高層次發(fā)展[3]。為保護(hù)鄉(xiāng)村景觀的特殊文化與環(huán)境的優(yōu)化性，令鄉(xiāng)村景觀的格局更具多功能性，在對(duì)鄉(xiāng)村旅游景觀資源開發(fā)時(shí)需采用科學(xué)的鄉(xiāng)村景觀評(píng)估方法[4?5]，可有效規(guī)劃鄉(xiāng)村景觀各資源，以免不合理的過(guò)度開發(fā)鄉(xiāng)村旅游景觀，所以對(duì)鄉(xiāng)村景觀設(shè)計(jì)效果進(jìn)行綜合評(píng)估意義重大。

由美國(guó)學(xué)者馬斯·薩提最先提出的層次分析法（AHP），通過(guò)對(duì)定性問(wèn)題采取定量分析，屬于一種多準(zhǔn)則決策方式，是極具代表意義的問(wèn)題分析方法[6?8]。它可拆分掉一個(gè)繁瑣的問(wèn)題，使其具備多個(gè)方面，將這些方面分別當(dāng)作此問(wèn)題的各個(gè)層次[9]，再模糊量化各個(gè)層次的定性指標(biāo)，匯總排列所調(diào)查的結(jié)果后，研究評(píng)估的定量依據(jù)即可產(chǎn)生[10?11]。BP神經(jīng)網(wǎng)絡(luò)作為一類人工智能技術(shù)，是可通過(guò)模仿人類的大腦實(shí)現(xiàn)學(xué)習(xí)的算法[12?13]，在安全評(píng)估及風(fēng)險(xiǎn)預(yù)估等方面應(yīng)用時(shí)可處理多個(gè)指標(biāo)的變權(quán)動(dòng)態(tài)求解等問(wèn)題，故而本文對(duì)鄉(xiāng)村景觀的設(shè)計(jì)效果評(píng)估時(shí)，采用BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建鄉(xiāng)村景觀設(shè)計(jì)效果評(píng)估模型的方式實(shí)現(xiàn)。

1? 評(píng)估方法

1.1? 研究區(qū)概況及數(shù)據(jù)來(lái)源

門頭溝地處北京西部，轄區(qū)總面積1 448.9 km2，山地面積占98.5%?，F(xiàn)有9個(gè)鎮(zhèn)、4個(gè)街道辦事處，2008年末常住人口27.5萬(wàn)人，其中，居民面積、林地面積、河流面積分別為0.092 8 km2，11.675 8 km2及0.433 8 km2。當(dāng)?shù)鼐幼〈迕裰饕ㄟ^(guò)管護(hù)林、出外務(wù)工及經(jīng)濟(jì)林作為經(jīng)濟(jì)來(lái)源，門頭溝區(qū)空氣怡人、水質(zhì)清澈，且被眾山圍繞，近些年逐漸通過(guò)自有景觀特點(diǎn)成為民俗旅游的代表民俗鄉(xiāng)村。依據(jù)2015年5—9月的實(shí)際考察獲取所研究地區(qū)的自然數(shù)據(jù)，依據(jù)2015年的北京統(tǒng)計(jì)年鑒獲得該地區(qū)社會(huì)經(jīng)濟(jì)情況。

1.2? 基于層次分析法的鄉(xiāng)村景觀評(píng)估指標(biāo)體系

1.2.1? 鄉(xiāng)村景觀設(shè)計(jì)效果評(píng)估指標(biāo)體系構(gòu)建

評(píng)估區(qū)域的景觀主要有以下特色：繁瑣的山地形態(tài)、眾多綠色植物覆蓋、林木種類繁多、水源水質(zhì)好、鄉(xiāng)村景觀中獨(dú)具特色及景觀會(huì)依據(jù)季節(jié)產(chǎn)生變化。依據(jù)評(píng)估區(qū)域景觀的特色采用層次分析法選擇評(píng)估指標(biāo)。首先，確定基本層次框架為目標(biāo)層、項(xiàng)目層及指標(biāo)層，其中，項(xiàng)目層劃分為吸引力、生命力及承載力三項(xiàng)指標(biāo)。吸引力由森林景觀多樣性、景觀季節(jié)特色性、歷史遺跡知名度等構(gòu)成;生命力由農(nóng)產(chǎn)值年增長(zhǎng)率、人均年純收入增長(zhǎng)率及大氣質(zhì)量構(gòu)成;承載力由歷史遺跡完整度、人口密度、游客滿意度及居民滿意度構(gòu)成。構(gòu)建鄉(xiāng)村景觀評(píng)估指標(biāo)體系時(shí)，先依據(jù)前一層次所定義的內(nèi)容大致劃分類別，再經(jīng)由收集與調(diào)研資料，細(xì)致劃分各層次各方面的具體內(nèi)容，最后結(jié)合所研究區(qū)域的鄉(xiāng)村景觀特色與選擇指標(biāo)的基本準(zhǔn)則選取評(píng)估指標(biāo)，見表1。

1.2.2? 確定指標(biāo)權(quán)重

指標(biāo)權(quán)重的確定通過(guò)層次分析法實(shí)現(xiàn)，利用各相關(guān)專家所構(gòu)建的首要性矩陣并核實(shí)其統(tǒng)一性后，對(duì)應(yīng)的指標(biāo)權(quán)重是由此獲取的特征最高值的特征向量權(quán)重，通過(guò)計(jì)算每個(gè)專家所設(shè)定權(quán)重的均值即為最后的權(quán)重。

1.3? 基于人工智能技術(shù)的鄉(xiāng)村景觀設(shè)計(jì)效果評(píng)估模型

1.3.1? 構(gòu)建BP神經(jīng)網(wǎng)絡(luò)

以學(xué)習(xí)規(guī)則為核心的BP神經(jīng)網(wǎng)絡(luò)屬于一種人工智能技術(shù)的機(jī)器學(xué)習(xí)算法[14]。組成其學(xué)習(xí)過(guò)程的為正向傳播和反向傳播兩部分。評(píng)估鄉(xiāng)村景觀設(shè)計(jì)效果時(shí)，采用三層BP神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)[15]，包括單輸入層、單輸出層與單隱含層。神經(jīng)網(wǎng)絡(luò)的輸入由上文構(gòu)建的鄉(xiāng)村景觀評(píng)估體系內(nèi)的14個(gè)指標(biāo)層構(gòu)成，神經(jīng)網(wǎng)絡(luò)的輸出為鄉(xiāng)村景觀的評(píng)估值，通過(guò)輸入、輸出向量的維數(shù)確定輸入神經(jīng)元與輸出神經(jīng)元的個(gè)數(shù)分別為14個(gè)與1個(gè)。

參變量可設(shè)為：從輸入層（隱含層）到輸出層（隱含層）的權(quán)值設(shè)為[vlk]，每個(gè)節(jié)點(diǎn)連接的權(quán)值設(shè)為[vku];輸出層（隱含層）的每個(gè)節(jié)點(diǎn)閾值依次設(shè)為[βl]，[βk];輸入層的單元狀態(tài)與輸出層（隱含層）的單元迭加信號(hào)依次設(shè)為[Lau]，[mal]（[mak]）;已確定的某組評(píng)估指標(biāo)設(shè)為[a]。

BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練和工作過(guò)程主要由以下幾部分組成：

1） 樣本的輸入。歸一化到[0，1]區(qū)間內(nèi)的網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)，同已確定的期望輸出一并輸入到經(jīng)過(guò)初始化的網(wǎng)絡(luò)中。

2） 正向傳播。[Mak]，[Pal]為隱含層和輸出層每個(gè)節(jié)點(diǎn)的輸出情況，則有：

[Mak=bmak=buvkuLau-βk]? ? ?（1）

[Pal=bmal=bkvlkLak-βl] （2）

式中：[b]表示激活函數(shù)，[by=11+c-dy]，[d]表示常數(shù)。

3） 網(wǎng)絡(luò)的現(xiàn)實(shí)和理想兩種輸出之間的誤差為：

[CV=12l?aAal-Pal2]? ? （3）

式中：所有權(quán)構(gòu)成的向量與理想輸出分別用[V]，[Aal]表示。

4） 反向傳播。修正權(quán)值和閾值的表達(dá)式為：

[vlke+1=vlke+1-σΔvlke+σΔvlke-1vkue+1=vkue+1-σΔvkue+σΔvkue-1] （4）

[βle+1=βle+λPal1-PalAal-Palβke+1=βke+λMak1-MaklvlkAak-Pak] （5）

式中：[e]，[λ]分別表示訓(xùn)練次數(shù)與學(xué)習(xí)效率;[σ]表示動(dòng)量因子，且[0≤σ<1];[Δvlk=-λ?C?vlk];[Δvku=-λ?C?vku]。

5） 鄉(xiāng)村景觀設(shè)計(jì)效果評(píng)估。符合需求的權(quán)值與閾值通過(guò)以上迭代算法學(xué)習(xí)訓(xùn)練后，可得到向BP神經(jīng)網(wǎng)絡(luò)模型內(nèi)輸入等待評(píng)估的鄉(xiāng)村景觀設(shè)計(jì)效果的評(píng)分?jǐn)?shù)據(jù)，所對(duì)應(yīng)的輸出值便是匯聚各專家經(jīng)驗(yàn)和知識(shí)的評(píng)估結(jié)果。

1.3.2? BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練與仿真

1） 樣本數(shù)據(jù)的獲取。根據(jù)鄉(xiāng)村景觀設(shè)計(jì)效果的評(píng)估指標(biāo)體系與鄉(xiāng)村景觀的評(píng)估準(zhǔn)則，特邀業(yè)界內(nèi)各專家學(xué)者所組成的評(píng)委組共同參加調(diào)研工作，并對(duì)鄉(xiāng)村景觀設(shè)計(jì)效果的吸引力、生命力及承載力三方面所包含的14個(gè)指標(biāo)層實(shí)行評(píng)估打分，各專家均熟悉鄉(xiāng)村景觀的設(shè)計(jì)并擁有足夠的景觀評(píng)估知識(shí)和經(jīng)驗(yàn)，對(duì)所評(píng)估區(qū)域的文化特征較為了解，其中，邀請(qǐng)的景觀學(xué)專家、生態(tài)學(xué)專家及交通工程專家各5位，每個(gè)領(lǐng)域內(nèi)的5位專家所打分的平均值即為每個(gè)指標(biāo)層的最后評(píng)分。評(píng)估等級(jí)時(shí)需結(jié)合現(xiàn)實(shí)狀況，因?yàn)槊總€(gè)指標(biāo)層之間存在一部分模糊特性，故設(shè)1與0為評(píng)估的最高與最低分，評(píng)估的標(biāo)準(zhǔn)見表2。BP神經(jīng)網(wǎng)絡(luò)模型的樣本數(shù)據(jù)即為所獲得的綜合評(píng)分?jǐn)?shù)據(jù)，也就是評(píng)估的標(biāo)準(zhǔn)值。

2） 學(xué)習(xí)與訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。以數(shù)組樣本數(shù)據(jù)為訓(xùn)練樣本，通過(guò)Matlab實(shí)現(xiàn)對(duì)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。訓(xùn)練函數(shù)與隱含層函數(shù)分別設(shè)為trainlm，tansig，輸出值為[0，1]之間的logsin輸出層函數(shù)，以1 000與0.000 1分別作為最高訓(xùn)練次數(shù)與訓(xùn)練的目標(biāo)。為降低網(wǎng)絡(luò)的系統(tǒng)誤差與迭代次數(shù)，重復(fù)多次地對(duì)網(wǎng)絡(luò)以不同的隱含層層數(shù)與學(xué)習(xí)率實(shí)行訓(xùn)練，直到網(wǎng)絡(luò)穩(wěn)定且網(wǎng)絡(luò)參數(shù)與結(jié)構(gòu)可被確準(zhǔn)，最后確準(zhǔn)14[×]10[×]1為鄉(xiāng)村景觀設(shè)計(jì)效果評(píng)估模型的三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

3） BP神經(jīng)網(wǎng)絡(luò)的檢測(cè)與仿真。采用作為網(wǎng)絡(luò)檢測(cè)樣本的余下樣本數(shù)據(jù)檢測(cè)評(píng)估模型的可靠性與合理性。比對(duì)分析后可了解到，評(píng)估模型經(jīng)過(guò)訓(xùn)練其期望輸出和仿真輸出的相對(duì)誤差都低于4%，見表3，誤差范圍合理，仿真評(píng)估結(jié)果同原數(shù)據(jù)的結(jié)果相同，可用于綜合評(píng)估鄉(xiāng)村景觀的設(shè)計(jì)效果。

2? 實(shí)際應(yīng)用

以門頭溝鄉(xiāng)村景觀為例，評(píng)估其設(shè)計(jì)效果的指標(biāo)層、目標(biāo)層及項(xiàng)目層各項(xiàng)指標(biāo)的綜合評(píng)估值，并與其他方法對(duì)比驗(yàn)證本文方法的準(zhǔn)確可行性。

2.1? 門頭溝鄉(xiāng)村景觀指標(biāo)層評(píng)估

為了對(duì)門頭溝鄉(xiāng)村景觀的設(shè)計(jì)效果實(shí)行評(píng)估，特邀相關(guān)方面的專家共同評(píng)估鄉(xiāng)村景觀的設(shè)計(jì)效果，經(jīng)過(guò)詳細(xì)的分析和探討研究區(qū)的大概狀況與工程項(xiàng)目狀況后，依據(jù)前文所構(gòu)建的鄉(xiāng)村景觀設(shè)計(jì)效果評(píng)估指標(biāo)體系與評(píng)估模型，為研究區(qū)的鄉(xiāng)村景觀設(shè)計(jì)效果評(píng)估打分，向經(jīng)過(guò)訓(xùn)練的評(píng)估模型內(nèi)代入評(píng)分?jǐn)?shù)據(jù)，最后網(wǎng)絡(luò)評(píng)估結(jié)果通過(guò)Matlab運(yùn)算輸出，如表4所示。

通過(guò)表4可以看出，研究區(qū)指標(biāo)層中評(píng)分結(jié)果最低的為農(nóng)產(chǎn)值年增長(zhǎng)率和歷史遺跡完整度，說(shuō)明該地區(qū)應(yīng)重視這兩方面指標(biāo)的優(yōu)化;所得綜合網(wǎng)絡(luò)仿真評(píng)估值在0.4～0.64之間，說(shuō)明研究區(qū)鄉(xiāng)村景觀指標(biāo)層綜合評(píng)估為優(yōu)。由此驗(yàn)證本文方法可準(zhǔn)確評(píng)估研究區(qū)鄉(xiāng)村景觀設(shè)計(jì)效果的指標(biāo)層各指標(biāo)評(píng)分，說(shuō)明本文方法評(píng)估有效。

2.2? 門頭溝鄉(xiāng)村景觀綜合評(píng)估

依據(jù)2.1節(jié)中研究區(qū)指標(biāo)層各指標(biāo)評(píng)分結(jié)果，采用本文方法計(jì)算得出研究區(qū)鄉(xiāng)村景觀設(shè)計(jì)效果的綜合評(píng)估結(jié)果，如表5所示。

通過(guò)表5可以看出，研究區(qū)的綜合評(píng)估分值是0.60，說(shuō)明研究區(qū)的鄉(xiāng)村景觀設(shè)計(jì)效果優(yōu)，且三個(gè)項(xiàng)目層的綜合評(píng)估值分別為0.65，0.48，0.67，說(shuō)明研究區(qū)的承載力指標(biāo)最優(yōu)，生命力指標(biāo)相對(duì)最為薄弱，由此可知，此研究區(qū)的環(huán)境狀態(tài)較好，而經(jīng)濟(jì)發(fā)展水平和社會(huì)綜合條件仍需改善，且該評(píng)估結(jié)果同鄉(xiāng)村的現(xiàn)實(shí)調(diào)查狀況幾乎一致，說(shuō)明本文評(píng)估方法具有準(zhǔn)確可行性。

2.3? 評(píng)估方法對(duì)比

為進(jìn)一步驗(yàn)證本文評(píng)估方法的可靠性與合理性，現(xiàn)將本文評(píng)估方法與模糊綜合評(píng)估法、美景度評(píng)判法（SBE）分別進(jìn)行對(duì)比。以14個(gè)指標(biāo)層中[F1～F7]，[F8～F14]作為樣本數(shù)據(jù)，分別對(duì)比其他兩種評(píng)估方法的相對(duì)誤差值，具體對(duì)比結(jié)果如圖1所示。

通過(guò)圖1a）可以看出，模糊綜合評(píng)估法的相對(duì)誤差值出現(xiàn)三個(gè)高峰，評(píng)估結(jié)果不夠可靠、準(zhǔn)確，而本文評(píng)估方法的相對(duì)誤差變化趨勢(shì)較為平穩(wěn)，且整體的相對(duì)誤差均低于模糊綜合評(píng)估法;通過(guò)圖1b）可分析出，美景度評(píng)判法僅出現(xiàn)一次最低相對(duì)誤差值，其余6次相對(duì)誤差值均較高，評(píng)估效果極為不理想，本文評(píng)估方法的相對(duì)誤差值始終保持在4%的合理誤差范圍內(nèi)，說(shuō)明本文評(píng)估方法的準(zhǔn)確可靠性及理想性更高。

3? 結(jié)? 語(yǔ)

采用本文提出的基于層次分析法和人工智能技術(shù)的鄉(xiāng)村景觀設(shè)計(jì)效果評(píng)估方法，對(duì)門頭溝鄉(xiāng)村景觀設(shè)計(jì)效果的評(píng)估發(fā)現(xiàn)，此鄉(xiāng)村具有豐富的森林景觀資源，歷史遺跡完整度較好，鄉(xiāng)村景觀的整體結(jié)構(gòu)設(shè)計(jì)效果較為理想，承載力及吸引力較優(yōu)，具備開發(fā)鄉(xiāng)村旅游的充分條件。但鄉(xiāng)村景觀中的生命力仍有不足之處，需針對(duì)此因素展開充分的調(diào)研評(píng)估，克服不利于此因素發(fā)展的條件，合理利用此鄉(xiāng)村的優(yōu)勢(shì)條件，以期更為科學(xué)合理地規(guī)劃此鄉(xiāng)村旅游景觀的設(shè)計(jì)效果，實(shí)現(xiàn)鄉(xiāng)村景觀獨(dú)有的特色，為此鄉(xiāng)村帶來(lái)更大的旅游發(fā)展效益。

參考文獻(xiàn)

[1] 康秀琴，李海防.基于層次分析法的桂林市“兩江四湖”景區(qū)植物景觀評(píng)價(jià)[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2016，36（3）：129?133.

[2] 徐新洲，薛建輝.蠡湖湖濱濕地景觀生態(tài)格局分析及適宜性評(píng)價(jià)研究[J].西北林學(xué)院學(xué)報(bào)，2019，34（3）：219?224.

[3] 孫姝亭，陳美諭，李蘋，等.北京市居民小區(qū)景觀林林內(nèi)景觀質(zhì)量評(píng)價(jià)研究[J].西北林學(xué)院學(xué)報(bào)，2016，31（5）：297?305.

[4] 肖偉峰，張婷婷.基于視覺分析的百色市麒麟山公園景觀要素評(píng)價(jià)與布局優(yōu)化[J].規(guī)劃師，2016，32（4）：78?84.

[5] 劉佳麗，杜榮祥.西雙版納景觀格局時(shí)空變化及其生態(tài)效應(yīng)研究[J].環(huán)境科學(xué)與管理，2016，41（9）：167?171.

[6] 趙敏，牛曉軍，薛小杰.基于層次分析法的特色地域文化酒店建筑設(shè)計(jì)方案的比較研究[J].四川建筑科學(xué)研究，2017，43（6）：110?113.

[7] 聶軍委，韓立軍，孟慶彬，等.層次分析法在巷道支護(hù)優(yōu)化設(shè)計(jì)中的應(yīng)用研究[J].煤炭技術(shù)，2016，35（4）：73?75.

[8] 孫傳龍，張卓棟，邱倩倩，等.基于層次分析法的錫林郭勒草地景觀系統(tǒng)風(fēng)蝕危險(xiǎn)性分析[J].干旱區(qū)地理，2016，39（5）：1036?1042.

[9] 解銘.基于層次分析法的多屬性灰決策方法及應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2018，48（20）：107?113.

[10] 秦國(guó)華，吳志斌，葉海潮，等.基于層次分析法與定位確定性的工件定位方案規(guī)劃算法[J].機(jī)械工程學(xué)報(bào)，2016，52（1）：193?203.

[11] 汪鶴，相蓉，張道農(nóng)，等.基于層次分析法的時(shí)間同步裝置多源判決模型[J].電力科學(xué)與技術(shù)學(xué)報(bào)，2016，31（3）：8?13.

[12] 海清，李維民.基于人工智能技術(shù)的認(rèn)知光網(wǎng)絡(luò)結(jié)構(gòu)研究[J].光通信技術(shù)，2016，40（5）：15?18.

[13] 徐彬彬.基于人工智能技術(shù)的建筑工程造價(jià)估算研究[J].湖南城市學(xué)院學(xué)報(bào)（自然科學(xué)版），2016，25（4）：24?25.

[14] 陳娟.基于人工智能Agent技術(shù)發(fā)展現(xiàn)狀分析[J].電腦知識(shí)與技術(shù)，2016，12（3）：195?196.

[15] 朱志鵬，黎俊儀，傅偉聰，等.云南洱海次生水面枯木景觀評(píng)價(jià)[J].江蘇農(nóng)業(yè)科學(xué)，2016，44（3）：236?239.