排序方式： 共有16条查询结果，搜索用时 140 毫秒
1.
结合逻辑回归方法和元胞自动机模型构建了逻辑回归CA模型,模型中的逻辑回归方法能够很方便地获取影响因子的权重,再设置起止条件等,便可以模拟出溢油的动态变化情况。把模型应用到Deep Spill项目的溢油模拟实验中,结果表明,从模型结果的形态看,模拟结果与检验结果吻合程度较高,能够很好地模拟出溢油扩散与漂移等重要的溢油特性。从统计分析中可知,模拟结果的总精度可达96.8%,Kappa系数达到0.834。 相似文献
2.
3.
4.
“1 h交通圈”的确定对区域经济发展、城市远景规划,甚至居民的生产生活都有着重要影响。然而现有研究几乎都采用欧几里得距离（直线距离）方法定性地、粗略地表示“1 h交通圈”。为弥补这些不足,文章以广州为例,根据城市道路交通网络来划分广州“1 h交通圈”,定量并精确地分析该交通圈。结果表明：1）广州“1 h交通圏”覆盖了珠三角的9个主要城市,其中佛山受益最大;2）广州“1 h交通圈”的主要贡献对象是城际轨道交通和高速公路网;3）由于城市道路并非直线,广州“1 h交通圈”的范围集中在主城区的120 km缓冲区范围内;4）因为广州周边的交通网络发达,其“1 h交通圈”没有显现出很多的岛状区域。此外,广州“1 h交通圈”也对经济发展、政府服务、城市生活和基础设施建设有重要影响。 相似文献
5.
廊道效应是交通网等产生的、由中心轴线向外随距离增大而逐步衰减的效应。目前,城市交通网络对城市建设用地的廊道效应正在受到越来越多的关注,但现有的对城市交通网络的研究主要集中在城市轨道交通和公路网络等方面,并没有考虑到人们出行越来越多采用的交通工具——地铁。因此,以广州市番禺区为研究区,运用GIS和RS分析了广州地铁对番禺区土地利用的廊道效应。先分别建立地铁线和地铁站点的缓冲区,再分别提取距地铁500 m,1 000 m和2 000 m范围内的土地利用信息,最后研究广州地铁沿线和沿站点的土地利用空间分异情况。研究结果表明,到目前为止,广州地铁线对番禺区的土地利用还没有明显的廊道效应,但广州地铁站点却对番禺区土地利用具有明显的分异作用。 相似文献
6.
传统元胞自动机(CA)模型的转换规则不随模拟过程的时间和空间而变化,难以模拟和表达非线性地理过程.提出基于集合卡尔曼滤波(EnKF)动态优化CA模型参数的方法,以提高模型对复杂地理过程模拟的适应能力.通过引入集合卡尔曼滤波到CA模型中,将模型参数与模型状态整合成一个联合状态矩阵(joint state matrix).再把该矩阵与观测数据输入到EnKF更新方程中,计算出新的参数值,并自动更新到模型中,从而实现动态调整模型运行轨迹,以更好地适应城市发展的过程模拟.将此方法应用于东莞市的城市模拟试验中,优化后的CA模型能在单参数和多参数优化中正确地调整模型参数,使其迅速地收敛于真值并趋于平缓,也能降低模型误差并获得更好的模拟结果. 相似文献
7.
基于元胞自动机的海上溢油扩散模拟 总被引：1，自引：0，他引：1
利用逻辑回归算法和决策树C5.0算法分别获取溢油扩散的转换规则,并构建了基于逻辑回归的CA模型和决策树CA模型。这两个模型仅需要设置起始影像、影响因子和权重等少数的变量,便可以方便地模拟出溢油的动态变化情况。把逻辑回归CA模型和决策树CA模型应用到Deep Spill项目的海上溢油模拟实验,结果表明逻辑回归CA模型的模拟总精度达到96.4%,Kappa系数达0.893,而决策树CA模型的模拟结果更为理想,其精度和kappa系数分别提高了0.2%和0.006。利用元胞自动机能够很好地模拟并预测出海上溢油的动态变化,可以满足对溢油快速响应的要求。 相似文献
8.
9.
以广州市番禺区为研究区,构建了相应的城市扩张CA模型,从采样、邻域结构和微观元胞尺度等方面研究了CA模型的敏感性。首先通过改变模型采样比例、样本各个类别的比例等研究样本对模型参数的影响。然后分析不同的邻域结构与模型模拟精度的关系,并从微观尺度分析邻域元胞对中心元胞的影响。最后从空间尺度上分析CA模型在各种不同分辨率下的模拟结果,用景观指数剖析模拟结果的形态,同时在元胞摩尔邻域内分析其3×3邻域的城市发展密度变化情况。实验表明:(1)适当提高采样比例,会得到精度较高的权重,但训练样本中城市用地的比例应该与城市用地的转变量在全区的占比相匹配。(2)不论是采用摩尔邻域还是冯诺依曼邻域,模拟精度均随着空间尺度的增加而降低。在同一空间尺度下,采用摩尔邻域的模拟结果略好。相比冯诺依曼4个邻域元胞,摩尔邻域中的角点对中心元胞具有更大的影响。(3)随着空间分辨的降低,模拟结果的斑块数、斑块密度、聚集度和分形维度值在减少,结构变得简单,而且在微观的摩尔邻域中城市发展密度正在减少,即由高密度向低密度转换。 相似文献
10.
耦合遥感观测和元胞自动机的城市扩张模拟 总被引：2，自引：0，他引：2
在传统元胞自动机(CA)模型中,静态的模型参数和模型误差不能释放是影响城市扩张模拟效果的两个重要原因。文中引入集合卡尔曼滤波方法到CA模型中,提出了基于联合状态矩阵的地理元胞自动机。该模型在模拟过程中可以通过同化遥感观测数据,动态地调整模型参数和纠正模拟结果,使模型参数能够反映转换规则的时空变化,同时也能较好地释放积累的模型误差。将模型应用于东莞市的城市扩张模拟中,实验结果表明,模型能够准确地调整模型参数使之符合城市发展模式,同时也能有效地控制模型误差,其模拟的空间格局与真实情况吻合。 相似文献