資料探勘與羅吉斯特迴歸方法應用於土地使用變遷之比較 ─以新店地區為例

Abstract

資訊科技近年來快速地發展，地理資訊系統所蒐集的資料也愈來愈廣泛；然而，如何才能在不斷增加的資料量下，將蒐集而來的資訊轉化成為有效用的知識，是吾人必須加以思考的工作。知識探索是一種以自動的方式將資料轉化成有用的資訊或知識的過程，其中應用最多的技術是資料探勘。本研究便是利用資料探勘中的Apriori演算法，解析土地使用變遷之土地發展、保存的模式，探究土地使用現象背後隱晦的關聯現象與規則。 在此之前，傳統上對於土地使用預測的方法是採用迴歸預測模式，所以除了土地使用變遷的關聯規則探勘之外，本研究再利用多主體模擬軟體NetLogo分別撰寫二元羅吉斯特迴歸方法與關聯規則的模擬預測程式，以視覺化呈現及五項預測正確度指標，比較兩種方法的預測能力。 經過一番對照分析之後，兩種方法在預測整體土地使用數量的準確性普遍較高，但是對於預測土地使用變遷的發生位置之能力則都有待加強。土地使用變遷關聯規則也還需要更進一步地檢討、改善探勘方法與規則的闡釋。

This thesis attempted to simulate the land use changes by association rules of Data Mining with the visualization software NetLogo. At the meantime, the result was also compared with that by Binary Logistic Regression, the traditional method in predicting land uses. Both the simulations of these two methods were shown on NetLogo screen with five prediction accuracy indicators calculated from each result according to the real land use pattern. At the end, these two methods have similar predicting ability of land use changes showed by the figures of accuracy indicators. But they own different strength in visual aspect. Simply black and white grids formed the building-use distribution prediction of Binary Logistic Regression which resembled more the shape of real condition in 1987. On the contrary, Association Rule can distinguish the grids into four building coverage degrees. Over all, there is still something to be done in predicting land use changes for better urban planning.