共查询到17条相似文献，搜索用时 140 毫秒
1.
基于神经网络的单元自动机CA及真实和优化的城市模拟 总被引：78，自引：8，他引：78
提出了一种基于神经网络的单元自动机（CA）。CA已被越来越多地应用在城市及其它地理现象的模拟中。CA模拟所碰到的最大问题是如何确定模型的结构和参数。模拟真实的城市涉及到使用许多空间变量和参数。当模型较复杂时，很难确定模型的参数值。本模型的结构较简单，模型的参数能通过对神经网络的训练来自动获取。分析表明，所提出的方法能获得更高的模拟精度，并能大大缩短寻找参数所需要的时间。通过筛选训练数据，本模型还可以进行优化的城市模拟，为城市规划提供参考依据。 相似文献
2.
《地理与地理信息科学》2016,(5)
该文构建了一种基于空间自回归的地理元胞自动机(CA)模型——SARCA模型,该模型能够较好融合地理系统模拟中的空间自相关特性,且获取的CA参数具有明确的物理意义。以1995-2015年上海城市土地利用为案例,验证了该模型的有效性。CA参数和城市土地转化概率表明,上海市外环线对于CA参数的贡献相比其他空间变量具有压倒性优势,到外环线距离越近则土地发展为城市的概率就越大。将基于Logistic回归的CA模型(LogCA)作为比较对象,模拟同期上海全域城市土地利用变化过程。CA规则表明,SAR在赤池信息量准则(AIC)、残差的描述性统计量和空间自相关指标等方面均优于Logistic回归。同时,SARCA模型在2005年和2015年的土地利用模拟结果总体精度分别为86.3%和82.0%,均优于LogCA模型的模拟结果(总体精度分别为79.8%和76.3%)。 相似文献
3.
基于神经网络的单元自动机CA及真实和忧化的城市模拟 总被引：6，自引：0，他引：6
提出了一种基于神经网络的单元自动机（ＣＡ）。ＣＡ已被越来越多地应用在城市及其它地理现象的模拟中。ＣＡ模拟所碰到的最大问题是如何确定模型的结构和参数。模拟真实的城市涉及到使用许多空间变量和参数。当模型较复杂时，很难确定模型的参数值。本模型的结构较简单，模型的参数能通过对神经网络的训练来自动获取。分析表明，所提出的方法能获得更高的模拟精度，并能大大缩短寻找参数所需要的时间。通过筛选训练数据，本模型还可以进行优化的城市模拟，为城市规划提供参考依据。 相似文献
4.
本文提出一种基于随机森林的元胞自动机城市扩展(RF-CA)模型。通过在多个决策树的生成过程中分别对训练样本集和分裂节点的候选空间变量引入随机因素,提取城市扩展元胞自动机的转换规则。该模型便于并行构建,能在运算量没有显著增加的前提下提高预测的精度,对城市扩展中存在的随机因素有较强的容忍度。RF-CA模型可进行袋外误差估计,以快速获取模型参数;也可度量空间变量重要性,解释各空间变量在城市扩展中的作用。将该模型应用于佛山市1988-2012年的城市扩展模拟中,结果表明,与常用的逻辑回归模型相比,RF-CA模型进行模拟和预测分别能够提高1.7%和2.6%的精度,非常适用于复杂非线性特征的城市系统演变模型与扩展研究;通过对影响佛山市城市扩展的空间变量进行重要性度量,发现对佛山城市扩张模拟研究而言,距国道的距离与距城市中心的距离具有最重要的作用。 相似文献
5.
《地理科学进展》2015,(8)
本文提出一种基于随机森林的元胞自动机城市扩展(RF-CA)模型。通过在多个决策树的生成过程中分别对训练样本集和分裂节点的候选空间变量引入随机因素,提取城市扩展元胞自动机的转换规则。该模型便于并行构建,能在运算量没有显著增加的前提下提高预测的精度,对城市扩展中存在的随机因素有较强的容忍度。RF-CA模型可进行袋外误差估计,以快速获取模型参数;也可度量空间变量重要性,解释各空间变量在城市扩展中的作用。将该模型应用于佛山市1988-2012年的城市扩展模拟中,结果表明,与常用的逻辑回归模型相比,RFCA模型进行模拟和预测分别能够提高1.7%和2.6%的精度,非常适用于复杂非线性特征的城市系统演变模型与扩展研究;通过对影响佛山市城市扩展的空间变量进行重要性度量,发现对佛山城市扩张模拟研究而言,距国道的距离与距城市中心的距离具有最重要的作用。 相似文献
6.
基于Logistic回归的CA模型改进方法——以广州市为例 总被引：7，自引：1，他引：6
基于Logistic回归的CA模型因其结构简单和数据要求相对较小的优势,被广泛应用于城市模拟领域,但数据的空间自相关性影响了模型机制挖掘与模拟精度。通过将影响城市发展演变的各种约束条件划分为强制和普通约束条件,以及运用主成分分析降低普通约束条件的数据相关性,构建了改进型Logistic回归CA模型,并在2000~2008年广州市城市增长模拟研究中进行应用。结果表明:与传统型Logistic回归CA模型相比,改进型Logistic回归CA模型在模型拟合度和精度上均有4%左右的提高。其中约束条件划分对非城市像元模拟精度约有6%的提高,对整体精度有3%的提高。更为重要的是,降低数据相关性后,Logistic回归CA模型对于城市扩展机制的解释更符合实际。本研究旨在寻求一种简单可行且易于构建的CA模型,探求城市发展机理,为城市规划管理提供更为准确的科学依据。 相似文献
7.
基于神经网络的元胞自动机及模拟复杂土地利用系统 总被引：57，自引：9，他引：57
本文提出了基于神经网络的元胞自动机(CellularAutomata),并将其用来模拟复杂的土地利用系统及其演变。国际上已经有许多利用元胞自动机进行城市模拟的研究,但这些模型往往局限于模拟从非城市用地到城市用地的转变。模拟多种土地利用的动态系统比一般模拟城市演化要复杂得多,需要使用许多空间变量和参数,而确定模型的参数值和模型结构有很大困难。本文通过神经网络、元胞自动机和GIS相结合来进行土地利用的动态模拟,并利用多时相的遥感分类图像来训练神经网络,能十分方便地确定模型参数和模型结构,消除常规模拟方法所带来的弊端。 相似文献
8.
基于核主成分元胞模型的城市演化重建与预测 总被引：3，自引：1，他引：2
通过元胞自动机(CA)模拟和重建城市演化的复杂非线性过程,对于城市土地利用规划和决策具有指导意义。利用传统线性方法获取的地理CA转换规则,较难刻画城市演化的时空动力学过程。基于核主成分分析方法(KPCA),通过核函数映射,在高维特征空间下不仅能够对多重共线的空间变量进行非线性降维,且由此建立的地理元胞模型KPCA-CA参数物理意义明确,能够较好地体现城市化过程的非线性本质。基于GIS环境下自主研发的地理模拟框架SimUrban,利用该KPCA-CA模型模拟和重建了快速城市化区域上海市嘉定区1989-2006年城市演化过程,并预测了研究区2010年的城市空间格局。模拟结果显示,嘉定区城市主要沿中心区域及主干道路而扩展,体现了KPCA方法提取的前两个主成分的作用,与城市实际发展情况相符。利用混淆矩阵和面积控制精度等指标,对模拟结果进行了评价,得到总体精度为80.67%、Kappa系数为61.02%,表明模拟结果与遥感分类结果及统计结果符合程度较好;与传统基于线性方法的地理CA模型比较,KPCA-CA模型模拟结果精度更高。 相似文献
9.
元胞自动机被广泛应用于城市及其他地理现象的模拟,模拟过程中的最大问题是如何确定模型的结构和参数。该文提出一种基于分析学习的智能优化元胞自动机,该模型在逻辑回归模型的基础上,基于分析学习的智能方法,寻找元胞自动机模型的最佳参数。该方法允许用户控制空间变量影响权重,进而模拟出不同的城市发展模式,可为城市规划提供重要参考。 相似文献
10.
基于元胞自动机的城市发展密度模拟 总被引：3，自引：1，他引：3
元胞自动机CA越来越多地被用于模拟复杂的城市系统,但这些模拟基本不考虑城市的发展密度。不同的城市发展密度会对城市的形态有很大的影响,有必要将城市的发展密度引进CA的城市模拟中,以获得更好的模拟结果。本文将密度梯度函数引进了CA模型的转换规则中,并定义‘灰度’来反映状态的转换。利用该模型对不同可能的城市发展组合进行了模拟,为城市规划提供了辅助依据。 相似文献
11.
基于区块特征的元胞自动机土地利用演化模型研究 总被引：1，自引：1，他引：0
针对传统元胞自动机模型中栅格式规则空间模拟复杂地理元素精度不高的问题,提出一种基于土地区块特征的非规则空间元胞自动机模型,以地理单元实质不规则实体形状作为元胞空间单元,进行土地利用变化的仿真模拟,运用MapInfo建立非规则空间元胞自动机模型的应用软件.对头灶镇土地利用演化的实证研究表明,非规则空间元胞自动机模型可以更真实地描述元胞地理信息、局部空间关系和演化规则,可为城市规划提供决策支持. 相似文献
12.
基于粗集的知识发现与地理模拟——以深圳市土地利用变化为例 总被引：18，自引：0，他引：18
为了更有效地模拟地理现象的复杂演变过程,提出了用粗集理论来确定元胞自动机 (CA)不确定性转换规则的新方法。CA可以通过局部规则来有效地模拟许多地理现象的演变过程。但目前缺乏很好定义CA转换规则的方法。往往采用启发式的方法来定义CA的转换规则,这些转换规则是静态的,而且其参数值多是确定的。在反映诸如城市扩张、疾病扩散等不确定性复杂现象时,具有一定的局限性。利用粗集从GIS和遥感数据中发现知识,自动寻找CA的不确定性转换规则,基于粗集的CA在缩短建模时间的同时,能提取非确定性的转换规则,更好地反映复杂系统的特点。采用所提出的方法模拟了深圳市的城市发展过程,取得了比传统MCE方法更好的模拟效果。 相似文献
13.
基于动态约束的元胞自动机与复杂城市系统的模拟 总被引：2，自引：0，他引：2
为获得复杂城市系统更理想的模拟效果,提出时空动态约束的城市元胞自动机(CA)模型。用不同区域、不同时间新增加的城市用地总量作为CA模型的约束条件,形成时空动态约束的CA模型,并利用该模型模拟1988—2010年东莞市和深圳市城市扩张过程。结果表明,利用CA模型模拟的1993年城市用地总精度比静态CA模型提高了5.86%,而且模型中的动态约束条件可以反映城市发展的时空差异性。 相似文献
14.
多智能体与元胞自动机结合及城市用地扩张模拟 总被引：15，自引：3，他引：12
运用多智能体(Agent)和元胞自动机(CA)结合来模拟城市用地扩张的方法,将影响和决定用地类型转变的主体作为Agent引进元胞自动机模型中,Agent在CA确定的城市发展概率的基础上,通过自身及其周围环境的状况,综合各种因素的影响做出决策,决定元胞下一时刻的城市发展概率。运用Agent的决策结果,对CA模型中以随机变量体现的不确定性通过Agent决策行为给予地理意义的新解释。以城市郊区—樟木头镇为例,对1988～1993年城市用地扩张进行了模拟研究,取得了良好的模拟效果。 相似文献
15.
Xiaoping Liu Lin Liu Jinqiang He Bin Ai 《International journal of geographical information science》2013,27(11-12):1247-1269
This paper presents a new method to discover transition rules of geographical cellular automata (CA) based on a bottom‐up approach, ant colony optimization (ACO). CA are capable of simulating the evolution of complex geographical phenomena. The core of a CA model is how to define transition rules so that realistic patterns can be simulated using empirical data. Transition rules are often defined by using mathematical equations, which do not provide easily understandable explicit forms. Furthermore, it is very difficult, if not impossible, to specify equation‐based transition rules for reflecting complex geographical processes. This paper presents a method of using ant intelligence to discover explicit transition rules of urban CA to overcome these limitations. This ‘bottom‐up’ ACO approach for achieving complex task through cooperation and interaction of ants is effective for capturing complex relationships between spatial variables and urban dynamics. A discretization technique is proposed to deal with continuous spatial variables for discovering transition rules hidden in large datasets. The ACO–CA model has been used to simulate rural–urban land conversions in Guangzhou, Guangdong, China. Preliminary results suggest that this ACO–CA method can have a better performance than the decision‐tree CA method. 相似文献
16.
Weilin Wang Ting Dong Zhibang Xu Gang Xu 《International journal of geographical information science》2013,27(11):2259-2283
ABSTRACTCellular automata (CA) are effective tools for simulating urban dynamics. Coupling top-down and bottom-up CA models are often used to address macro-scale demand and micro-scale allocation in the simulation of urban dynamics. However, those models typically ignore spatial differences in terms of the coupling process between macro-scale demand and micro-scale allocation. Herein, a novel approach for combining top-down and bottom-up strategies based on simulating urban dynamics is proposed. An optimizing strategy was used to predict the parameter of the inverse S-shaped function of future urban land use pattern and further deduce urban land increment within each concentric ring. The maximum probability transformation rule was incorporated into the CA model to address the micro-scale allocation. Wuhan was selected to test the performance of the proposed approach, and the conventional and the proposed approaches were compared. The results demonstrated that the proposed approach can not only retain the model’s accuracies but also better simulate the macro morphology of urban development dynamics and generate more realistic urban dynamic pattern in the urban sub-center and fringe regions. The proposed coupling approach can also be used to generate different development scenarios. The approach is expected to provide new perspectives for coupling top-down and bottom-up CA models in modeling urban expansion. 相似文献
17.
Modeling urban land-use dynamics in a fast developing city using the modified logistic cellular automaton with a patch-based simulation strategy 总被引：1，自引：0，他引：1
Yimin Chen Xiaoping Liu Bin Ai 《International journal of geographical information science》2014,28(2):234-255
Cellular automata (CA) have been used to understand the complexity and dynamics of cities. The logistic cellular automaton (Logistic-CA) is a popular urban CA model for simulating urban growth based on logistic regression. However, this model usually employs a cell-based simulation strategy without considering the spatial evolution of land-use patches. This drawback largely constrains the Logistic-CA for simulating realistic urban development. We proposed a Patch-Logistic-CA to deal with this problem by incorporating a patch-based simulation strategy into the conventional cell-based Logistic-CA. The Patch-Logistic-CA differentiates new developments into spontaneous growth and organic growth, and uses a moving-window approach to simulate the evolution of urban patches. The Patch-Logistic-CA is tested through the simulation of urban growth in Guangzhou, China, during 2005–2012. The cell-based Logistic-CA was also implemented using the same set of data to make a comparison. The simulation results reflect that the Patch-Logistic-CA has slightly lower cell-level agreement than the cell-based Logistic-CA. However, visual inspection of the results reveals that the cell-based Logistic-CA fails to reflect the actual patterns of urban growth, because this model can only simulate urbanized cells around the edges of initial urban patches. Actually, the pattern-level similarities of the Patch-Logistic-CA are over 18% higher than those of the cell-based Logistic-CA. This indicates that the Patch-Logistic-CA has much better performance of simulating actual development patterns than the cell-based Logistic-CA. In addition, the Patch-Logistic-CA can correctly simulate the fractal structure of actual urban development patterns. By varying the control parameters, the Patch-Logistic-CA can also be used to assist urban planning through the exploration of different development alternatives. 相似文献