共查询到19条相似文献，搜索用时 140 毫秒
1.
多目标微粒群算法用于土地利用空间优化配置 总被引：4，自引：0，他引：4
针对已有空间配置方法在协调土地利用多目标方面的不足,探讨构建基于多目标微粒群算法的土地利用空间优化配置模型。建立了土地利用空间配置方案与单个微粒的映射关系,以经济、社会、生态和综合效益为优化目标,以土地利用优化结构、土地利用现状、地类转换规则为约束条件进行最优配置方案的自组织、智能化搜索,并选取湖北省嘉鱼县作为试验区验证了其有效性。 相似文献
2.
土地利用优化配置是解决土地资源供需矛盾、协调社会经济发展与生态保护的重要技术手段,也是土地资源可持续利用需要解决的关键问题之一。随着空间模拟和智能优化技术的发展,土地利用优化的理论基础和方法体系也在不断更新。在文献计量的基础上,系统总结了国内外土地利用优化配置的驱动理论和方法,重点分析了空间模拟优化模型和智能寻优模型在土地利用优化配置建模应用中的进展和存在的问题,对土地利用优化配置未来的发展和面临的挑战进行了讨论和展望,提出自然与人文过程的耦合驱动、多模型的空间化协同、大数据知识挖掘方法的嵌入和数字孪生技术的支撑,应是土地利用优化配置领域下一阶段的研究方向。 相似文献
3.
从土地资源优化配置的两大核心问题的基本特点和求解需求出发,提出了面向土地资源优化配置问题求解的多目标人工免疫优化模型框架;对智能决策支持系统的架构、算法扩展与应用扩展接口、优化模型的并行化策略等关键技术进行了设计;选取湖北省秭归县作为实验区,对系统的通用性与可扩展性进行了验证,并对优化模型的多目标寻优能力和并行性能进行了评估。 相似文献
4.
5.
城市公共服务设施优化配置是实现城市公共服务均等化的必要途径。近年来，时空大数据、智能决策与仿真等技术蓬勃发展，引发了城市公共服务设施配置模型研究的革命。基于以上时代背景，本文对城市公共服务设施优化配置模型的近期研究进展进行了总结和展望：①优化决策模型朝着精细化方向快速发展，优化决策目标将更加多元化；②多源地理大数据和时空数据挖掘方法的城市公共服务需求建模动态化；③多目标群智能优化算法使城市公共服务设施优化决策朝着智能化的方向发展。随着大数据、云计算、并行计算和人工智能等新技术在GIS领域的广泛应用与集成，城市公共服务设施优化配置模型将越来越朝着精细化和智能化的方向发展。 相似文献
6.
土壤空间抽样优化需要综合考虑抽样精度、成本、代表性以及样点数量与空间布局等多目标,属于典型的NP-Hard空间优化决策问题。先验知识的应用以及多目标的博弈能够有效地提高抽样精度和效率。通过研究土壤空间抽样先验知识及其空间分层技术,以及土壤空间抽样方案与粒子群算法映射关系,建立了基于知识约束下多目标粒子群算法的土壤空间抽样优化模型。模型以最小克里金方差和最大熵为抽样目标,以分层最小样本量、空间阻隔和可达性为约束条件,结合目标规划法进行多目标帕累托优化方案求解,并以陕西省横山县为实验区验证了模型的有效性。实验结果表明,该模型相比传统方法具有较高的收敛效率和抽样精度,先验知识与目标规划法的应用显著提升了抽样方案代表性,能够为土壤空间抽样以及土壤质量监测网络构建提供新的技术支撑。 相似文献
7.
提出了利用卫星遥感数据和GIS空间信息分析技术进行土地利用空间优化配置的方法,分析了小城镇土地利用结构特点及小城镇建设和土地开发利用过程中存在的问题,实现了对洛带镇土地利用变化的监测和土地利用结构的优化。 相似文献
8.
多目标粒子群算法与选址中的形状优化 总被引：3，自引：0，他引：3
选址问题是GIS最基本的任务之一.一般性的选址是基于点的位置优化,可利用有关GIS功能完成.实际的选址问题是很复杂的.在给定设施的数量和面积前提下,需要在空间上确定设施的最佳位置,并对形状进行优化,以获取最大的效用.采用一般的方法无法求解这种最优化问题.而且,当选址问题涉及多个目标和不同的约束性条件时,就会变得异常复杂.提出了利用多目标粒子群优化算法和区域形状变异算法相结合来解决复杂的空间选址问题.具有智能的搜索方法,大大提高了空间搜索能力,并保持了搜索区域的连通性,取得了较好的效果. 相似文献
9.
针对目前多时相光谱直接变化检测方法存在训练样本分布限制和样本特征组合单一的缺陷问题,本文将微粒群优化方法引入遥感信息变化检测领域,构建了基于微粒群优化方法的遥感信息变化检测方法,在变化监测的过程中,通过变化规则的自动搜索和建立,实现了遥感影像变化信息的一次性直接提取。在方法验证过程中,选择北京为实验区,成功实现了应用微粒群优化方法对实验区2000年至2006年、2006年至2009年两个时间段的遥感影像进行了土地覆盖类型的变化信息检测,并将应用微粒群优化方法与决策树（C4.5和PART）、最大似然等方法的变化检测结果进行了对比分析。结果表明,微粒群优化方法能够自动搜索变化规则,得到的变化规则比决策树方法更简单,并能够获得更高的检测精度。 相似文献
10.
基于MOP-CA整合模型的土地利用优化研究 总被引：3，自引：1，他引：2
针对当前土地利用优化配置模型存在的不足,提出了基于多目标线性规划(multi-object planning,MOP)与约束元胞自动机(cellular automata,CA)的土地利用优化配置模型.以湖北省嘉鱼县为例,进行了模型的优化运算,并将结果与其他模型进行比较,实现了土地资源数量结构优化与空间布局优化的统一. 相似文献
11.
12.
粒子群优化算法是基于群智能的随机全局优化方法,它源于对鸟群简化社会系统的模拟。为了提高标准粒子群优化算法的收敛性能,将生物免疫系统的记忆能力和多样性引入标准粒子群优化算法,提出一种免疫粒子群优化算法。在提取纹理样本Laws纹理能量模板特征、小波特征等纹理特征的基础上,提出针对分类问题的粒子表达方法和群体寻优策略,实现了基于免疫粒子群算法的纹理分类。实验结果表明,与标准粒子群优化算法相比,免疫粒子群优化算法在获取训练样本类别中心时具有较好的收敛性能,并且基于该算法的影像纹理分类具有较高的分类精度。 相似文献
13.
提出了一种基于生物地理学优化算法寻找城市扩展元胞自动机（cellular automata,CA）模型最佳参数的方法。转换规则制定及相应权重参数获取是构建城市扩展CA的核心和难点。生物地理学优化算法（biogeography-based optimization,BBO）通过模拟生物物种在栖息地的分布、迁移和灭绝来求解优化问题。利用BBO算法自动获取城市扩展CA模型参数值,构建BBO-CA模型进行城市扩展模拟实验,并与粒子群算法（particle swarm optimization,PSO）、蚁群算法（ant colony optimization,ACO）、遗传算法（genetic algorithm,GA）及逻辑回归（logistic regression,LR）等方法相比较。结果表明,BBO算法具有较好的收敛性,可有效地快速自动寻找城市扩展CA模型最佳参数组合,获取的空间变量权重参数较为合理;BBO-CA模型明显提升了城市用地模拟精度,城市用地模拟精度为72.5%,相对PSO、ACO、GA、LR各算法分别提升了1.1%、1.2%、2.7%和4.0%,Kappa系数达到0.700,分别提升了0.015、0.016、0.034和0.046,且整体空间布局与实际情况更为接近,验证了应用BBO算法的可行性与优势。 相似文献
14.
The optimization of land-use spatio-structure is one of the most important areas of land use management;constructing a spatial optimization model that is based on the micro spatial unit in a bottom-up mode plays an important role in coupling the quan-tity structure and spatial structure effectively.The objective of this research is to develop a land use spatial optimization model based on particle swarm optimization to make spatial decision in land use management.The model is implemented using real data-sets to emulate the process of spatial structure optimization in order to get the best landscape pattern under the control of decision environments.Simulation results revealed that the particle swarm optimization model has the ability to utilize the quantity and spa-tial structure.Furthermore,the result demonstrated that it can be used to stimulate the landscape pattern in designing the appropriate optimization environment,which could land quantity target to the basic spatial units effectively and provide appropriate spa-tio-structure for regional land use space layout decision making. 相似文献
15.
This study presents an optimized algorithm into the cellular automata (CA) models for urban growth simulation in Binhai New Area of Tianjin, China. The optimized CA model by particle swarm optimization (PSO) was compared with the logistic-based cellular automata (LOGIT-CA) model to see the effects of the simulation. The study evaluated the stochastic disturbance in the development of urban growth using the Monte Carlo method; the coefficient d determined the state of urban growth. The validation was conducted by both cross-tabulation test and structural measurements. The results showed that the simulations of PSO-CA were better than LOGIT-CA model, indicating an improvement in the spatio-temporal simulation of urban growth and land use changes in study area. Since the simulations reached their best values when the coefficient was between 1 and 2, the urban growth in the study area was in the period of conversion from spontaneous growth to edge-expansion and infilling growth. 相似文献
16.
17.
Sprawl measures have largely been neglected in land‐use forecasting models. The current approach for land‐use allocation using optimization mostly utilizes objective functions and constraints that are non‐spatial in nature. Application of spatial constraints could take care of the contiguity and compactness of land uses and can be utilized to address urban sprawl. Because a land‐use model is used as an input to transportation modeling, a better spatial allocation strategy for more compact land‐use projections will promote better transportation planning and sustainable development. This study formulates a scenario‐based approach to normative modeling of urban sprawl. In doing so, it seeks to improve the land‐use projections by employing a spatial optimization model with contiguity and compactness consideration. This study incorporates urban sprawl measures based on smart growth principles together with a mixed‐use factor, and adjacency consideration of nearby land uses. The objective function used in the study maximizes net suitability based on imposed constraints. These constraints are based on smart growth principles that enhance walkability in neighborhoods, promote better health for residents, and encourage mixed‐use development. The formulated model has been applied to Collin County, TX, a fast‐developing suburban county located to the north of the Dallas–Fort Worth metroplex. The suitability of land cells indicates the probability of conversion, which is calculated using spatial discrete choice analysis with Moran eigenvector spatial filtering for vacant cells at a resolution of 150 × 150 m employing factors of the built environment, and socioeconomic and demographic characteristics. This study demonstrates how spatial proximity between land uses, which has been ignored to date, can be used to control sprawl, resulting in better mixing of different land uses based on constraints imposed in a spatial optimization problem. 相似文献
18.
以典型干旱内陆河流域石羊河为例,将GIS技术、最小累积阻力（minimum cumulative resistance,MCR）模型和CLUE-S（conversion of land use and its effects at small regional extent）模型应用到该流域土地利用优化配置研究中。通过景观安全格局理论构建土地利用生态安全格局,基于土地利用空间分布和驱动因子的定量关系,提出一种基于生态安全格局的土地利用情景模拟方法,借助1986年、2000年和2014年3期土地利用数据对石羊河流域生态安全格局情景、耕地保护情景和自然发展情景3种模式下2030年的土地利用结构和布局进行了优化配置,并对优化配置结果进行比较分析。结果表明,在生态安全情景下耕地有所减少,林地、草地和水域有较明显增加;耕地保护情景以土地开发和整治及宅基地还耕为主要目标,科学有效控制了建设用地规模,大力开发未利用地潜力;自然发展情景综合考虑了目前发展情况和宏观政策指导下各土地利用类型的数量及空间结构发展情况。综合考虑石羊河流域社会经济、生态及耕地保护等多方面的因素,研究结果认为耕地保护情景更为合理,其它两种情景可为耕地保护情景进行补充和局部修正。该结果可为石羊河流域土地利用总体规划和生态保护提供参考。 相似文献
19.
China is facing the pressures of both rapid economic development and environmental protection, and land-use allocation optimization is an important way to manage the conflicts between these pressures and to achieve sustainable development. Optimization of land-use allocation is a nonlinear multiobjective spatial optimization problem, and a purely local simulation model or global optimization model is insufficient to solve it. It is essential to bridge the gap between the two models through the combination of top-down and bottom-up approaches. This study integrates a multiagent system (MAS) that simulates the behaviors of land-use stakeholders with regard to their choices of specific locations, with a genetic algorithm (GA) that simultaneously evaluates and optimizes land-use configurations to meet various regional development objectives. The model is expected to achieve the optimization of land use in terms of the composition and spatial configuration. Caidian District, Wuhan, China, was chosen as the study area to test the model in this paper. The results show that the performance of the coupled model is superior to a pure GA model or MAS model. The optimal configuration improves on the economic output, spatial compactness, and carbon storage of the current configuration and promotes sustainable regional land-use development from the local scale to the regional scale. 相似文献