基于CA与AO 的区域土地利用变化模拟研究——以三峡库区为例   总被引：3，自引：0，他引：3  

曹银贵  王静  陶嘉  刘爱霞  许宁 《地理科学进展》2007,26(3):88-95

运用元胞自动机(Cellular Automata)与AO(ArcObject) 相结合的方法, 在VB 环境下编程来 进行三峡库区地类变化模拟研究。以1995 年和2005 年的土地利用图为基础数据, 比较研究期各 地类的变化数量与方向以确定地类转换之间的优先级, 然后确定地类的转换概率。研究结果表明 此方法便于理解与操作, 同时模拟精度高; 预测结果说理性强, 其结果显示三峡库区城镇建设用 地增加, 耕地面积减少, 水域的面积在增加。其预测结果可以指导库区的土地利用规划, 为库区有 效土地管理提供参考。  相似文献   

分析学习智能元胞自动机及优化的城市模拟     

陶嘉  黎夏  刘小平  何晋强 《地理与地理信息科学》2007,23(5):43-47,51

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   

利用蚁群智能挖掘地理元胞自动机的转换规则   总被引：3，自引：0，他引：3  

刘小平  黎夏  叶嘉安  何晋强  陶嘉 《中国科学D辑》2007,37(6):824-834

提出了基于蚁群智能算法(Ant Colony Optimization, ACO)的地理元胞自动机(ACO-CA). 元胞自动机(CA)具有模拟和预测复杂的地理现象演变过程的能力. CA 的核心是如何定义转换规则, 但目前的方法所获取的转换规则大都是隐含的, 是通过数学公式来表达. 当研究区域较复杂时, 确定CA的模型结构和参数有一定困难, 需要使用智能式的方法获取有效的转换规则. 提出了一种基于蚁群智能来自动获取地理元胞自动机转换规则的新方法. 该方法所提取的转换规则毋需通过数学公式来表达, 能更方便和准确地描述自然界中的复杂关系, 并且这些规则比数学公式更容易让人理解. 将ACO-CA应用于广州市的城市模拟实验中, 取得了较好的结果. 并与See5.0决策树模型进行了对比研究, 对比实验结果表明: 蚁群智能算法在提取CA转换规则时比See5.0 模型更具有优势.  相似文献   

蚁群智能及其在大区域基础设施选址中的应用   总被引：7，自引：0，他引：7       下载免费PDF全文

何晋强  黎夏  刘小平  陶嘉 《遥感学报》2009,13(2):246-256

提出了基于蚁群智能的空间选址模型,通过蚁群智能和GIS的结合来解决复杂的空间优化配置问题.这种启发式的智能搜索方法大大提高了空间搜索能力.为符合选址问题的求解,从信息素更新方式和禁忌表调整策略两方面对基本蚁群算法进行改进.同时,为了使得模型能实用于大区域的基础设施选址,提出了"分步逼近"的策略,取得了较好的效果.将所提出的模型应用于广州市公共没施的空间优化选址.实验结果表明,该方法比简单搜索方法和遗传算法更有优势.  相似文献