基于灰色局势决策规则的元胞自动机城市扩展模型

对标准的元胞自动机模型的元胞含义、规则定义等进行了扩展，探讨了元胞自动机模型与多目标灰色局势决策、层次分析方法有机结合。构建基于灰色局势决策、层次分析法与元胞自动机的城市空间动态扩展模型，并以海南省琼海市为例进行了验证。     

地球科学相关论文摘要

04 0 2 0 1　基于三角网的“种子法”多边形生成 /艾廷华 (武汉大学 )…∥武汉大学学报·信息科学版 .- 2 0 0 4 ,2 9(1) .- 1～5提出了基于约束Delaunay三角网结构的多边形生成算法 ,先交互式地给出内点 ,并让内点与弧段边界点一起构造约束Delaunay三角网 ,由与内点相连的三角形出发 ,在面域上向三方向扩展 ,终止于弧段边界的约束边 ,设计三角形子集 ,由所有约束边的提取最终得到多边形的生成。0 4 0 2 0 2　基于灰色局势决策规则的元胞自动机城市扩展模型 /刘耀林 (武汉大学 )…∥武汉大学学报·信息科学版 .-2 0 0 4 ,2 9(1) .- 10～ 15…     

土地利用变化研究中的细胞自动机与灰色局势决策

把细胞自动机和灰色局势决策结合起来对土地利用变换机制进行模拟。实验证明,基于灰色局势决策规则的细胞自动机是对土地利用变换机制从宏观和微观角度进行模拟的有效方法。     

《武汉大学学报·信息科学版》(2004年总目次)

第 1期CHAMP卫星的纯几何定轨及动力平滑中的动力模型补偿研究刘经南等 (1)……………………………………………基于灰色局势决策规则的元胞自动机城市扩展模型刘耀林等 (7)…………………………………………………基于三角网的“种子法”多边形生成艾廷华等 (14 )………………地貌晕渲中光源使用方法与用色规则的研究郭庆胜等 (2 0 )……基于GASA混合策略的BP网络在基准地价测算中的应用赖红松等 (2 4)…………………………………………………地理空间的数学定义及定位型地图符号的制约因素分析钟业勋 (2 9)…………………………………     

城市扩展元胞自动机多结构卷积神经网络模型

传统的城市扩展元胞自动机(CA)模型是基于单个元胞的变量信息挖掘来构建转换规则的。针对这一问题,本文基于多结构卷积神经网络提出从区域特征出发且顾及区域多尺度特征挖掘转换规则的城市扩展元胞自动机模型(MSCNN-CA),并以武汉主城区和上海浦东新区为例,模拟了两个试验区2005—2015年期间城市扩展过程。模型验证表明:与逻辑回归和神经网络相比,本文构建的3个单一结构的卷积神经网络元胞自动机(CNN-CA)模型在4个指标(Kappa系数、FoM(figure of merit)值、命中率(h)和错误率(m))上都有不同程度的提高。特别是FoM指数,在武汉主城区提高了23.3%~29.4%,在上海浦东新区提高了20.3%~28.5%。此外,MSCNN-CA模型与3个单一结构的CNN-CA模型相比,在各个指标上也有所改善,FoM指数在武汉主城区提高了0.8%~4.8%,上海浦东新区提高了2.8%~7.8%。两个试验区的模拟结果表明:相比传统CA模型,基于多结构卷积神经网络的城市扩展元胞自动机模型(MSCNN-CA)能够有效提高城市扩展模拟的精度,更真实地反映城市扩展空间演变过程。相比单结构的卷积神经网络CA模型,多结构卷积神经网络CA模型的稳定性和模拟结果准确性有所提升。     

基于约束条件的元胞自动机土地利用规划布局模型

分析了我国当前土地利用规划布局的不足，对标准的元胞自动机模型的元胞涵义、规则定义等进行了扩展，探讨了元胞自动机模型在政策及相关规划约束、邻域耦合、适宜性约束、继承性约束及土地利用规划指标约束下的土地利用规划布局的元胞自动机模型。以广西东兴市为例进行了模型的仿真运行和结果分析。     

土地利用变化研究中的细胞自动机与灰色局势决策

把细胞自动机和灰色局势决策结合起来对土地利用变换机制进行模拟。实验证明,基于灰色局势决策规划的细胞自动机是对土地利用变换机制从宏观和微观角度进行模拟的有效方法。     

基于粒子群算法的矢量元胞自动机转换规则获取

本文提出了一种基于粒子群算法来自动获取矢量元胞自动机转换规则的新方法。采用粒子群算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。以丹阳市城市扩展为例,使用粒子群算法挖掘元胞自动机转换规则模拟该研究区域的城市扩展过程,并对模拟结果进行了精度评价。     

状态扩展元胞自动机模型在时空数据挖掘中的应用

引入状态扩展元胞自动机模型对时空数据进行挖掘,其核心是引入可以量化的属性和不可量化的状态对元胞状态进行扩展,解决时空数据挖掘中数据稀疏性和属性数据交互性问题,采用遗传算法寻找元胞自动机模型的最优规则.实验结果表明,对于复杂的非线性和数据稀疏性问题,利用该方法能得到比传统方法更好的结果.     

基于遗传神经网络获取元胞自动机的转换规则

采用面向对象建模思路,综合遗传神经网络和元胞自动机,构建了一个基于Matlab平台的遗传神经网络-元胞自动机模型,并以长江口北岸为例,构建了其土地利用变化模型,进行土地利用演化模拟与预测,为土地利用规划提供理论依据。结果表明:GANN-CA模型有较好的仿真效果,充分利用了人工神经网络获取模型大量空间变量参数的优势,简化了土地利用转化规则的定义。该模型更全面地考虑了土地利用演化的空间影响因子,并采用遗传算法优化神经网络的连接权值和阈值,是对人工神经网络-元胞自动机模型的改进和拓展。     

基于地理环境的CA模型演变规则研究

本文定义了城市扩展模拟中的CA模型,提出模拟地理实体的栅格元胞要求;探讨了惯性自由扩展、土地利用类型转变、交通引力作用、大城市辐射、其他用地自组织、自然条件限制、规划条件约束、决策修正行为等模拟城市建设用地扩展的演变规则;并将专家打分法应用于城市建设用地扩展CA模型演变规则集成阶段,通过打分结果与阈值比较确定城市建设用地扩展的变化情况.     

GeoSOS在城市扩展中的应用

城市扩展是一个复杂的时空转换过程,元胞自动机(CA)是一种时空离散、状态简洁,利用简单的局部规则来模拟复杂系统时空演化过程的格网动力模型,CA在城市增长、扩展和土地利用演化的模拟等方面有着巨大的优势。本文基于Geo SOS for Arc GIS平台,分别利用Logistic-CA、ANN-CA和DT-CA这3种模型对长春市主城区1995—2005年、2005—2015年的城市扩展情况进行了模拟,结果表明Logistic-CA、DT-CA两种模型更适用于研究单一土地利用类型的模拟,ANN-CA更适用于涉及多种土地利用类型转换的模拟。而后,利用综合表现最佳的DT-CA模型对长春市主城区2015—2025年的城市扩展进行预测,模拟结果可为相关部门对土地规划的宏观决策提供一定的参考和数据支持。     

基于SLEUTH模型的长江口北岸土地利用演化模拟研究

采用经典的元胞自动机城市扩展与土地利用演化SLEUTH模型,改进元胞自动机控制系数的筛选方法,结合驱动力的研究调整模型控制系数,根据长江口北岸流域实际情况设置模型校准参数,提高模型在长江口北岸流域应用的实用性。研究表明SLEUTH模型方法可以获得精度较高的土地利用变化模拟结果。     

面向城市规划决策的地理国情数据挖掘——以北京市城市规模模拟为例

随着地理国情普查和监测的推进,信息量激增,数据挖掘方法和社会化应用工具不断进步,为解决规划决策中的资源分配率低、不确定性高等问题提供了得天独厚的优势。在北京市疏解非首都功能、推进京津冀地区协同发展的大背景下,以地理国情监测数据为基础,以复杂地理计算思想为指导,提出了一种基于集成学习的自适应元胞自动机模拟模型并应用于北京市城市规模演变的模拟。通过对比2015年北京市的预测结果与真实数据发现,相较于传统基于经验统计模型的元胞自动机模型,本文提出的模型预测精度更高。最后本文以2007年和2015年的北京市地理国情监测数据为模拟和训练数据,在假定当前社会经济发展速度不变的情况下,对2023年北京市城市规模作出预测,并找到北京市城市规模的演变规律,识别未来潜在的城市扩展热点区域,最终为城市规划的决策者提供"疏解"北京市的数据支持和现实路径。     

基于SDOG-ESSG的地球系统元胞自动机框架及其应用试验

元胞自动机结构简单且具备模拟复杂系统的能力,已被广泛应用于大气、流体力学、地球物理等领域。然而,现有元胞自动机以欧氏空间为约束进行地球系统过程模拟,忽略了地球重力等天然约束,导致计算过程中元胞状态的传递方向与真实运动的趋势方向不相符,一定程度上扭曲了最终的模拟结果。本文提出了地球系统元胞自动机这一概念,并从元胞表达及构建、邻居模型等方面设计了基于SDOG-ESSG格网的地球系统元胞自动机框架。由于演化规则取决于不同的应用,因此本文进一步以地壳的热传递为例,通过对热力学方程离散化设计了相应的演化规则。最后,借助公开的数据源开展了地壳热传递元胞自动机模拟的初步试验,并与一定区域下的数值模拟结果展开了比对。试验表明,与数值模拟方法相比,本文方法的模拟结果相对误差控制在27%以内,具备一定程度的可行性,可作为地球系统过程模拟的一种新思路。     

城市用地模拟与可持续发展研究

预测及模拟城市朋地的动态变化,可以为城市空间整合及可持续发展等相关政策的制定提供科学依据.利用基于BP神经网络的元胞自动机模型,对2005-2010年间萝岗区城市用地的扩展进行空间模拟,并预测未来5年的萝岗区城市扩张的空间分布,评价其合理性,为规划制定合理的土地政策和城市总体规划提供科学的决策依据.     

元胞自动机城市增长模型的空间尺度特征分析

基于元胞自动机模拟城市系统的复杂行为时,空间尺度是一个非常重要的概念,模型的模拟结果往往会随着输入数据的空间尺度变化而发生变化。然而,目前的元胞自动机城市增长模型大多没考虑数据的空间尺度特征,本文拟通过改变模型中输入数据的空间尺度来验证元胞自动机城市增长模型对尺度的敏感性及其空间尺度特征,并以长沙市为例进行实证研究。研究结果表明:元胞自动机城市增长模型只有在一定的尺度范围内才具有较高的模拟精度,并且模型对尺度具有一定的敏感性,因此为了使模型能够具有较高的模拟精度,并较好地反映城市形态特征,应认真选择模型中输入数据的空间尺度。     

基于并行元胞自动机的水体污染物扩散模拟

研究影响水体污染物扩散的因素,使用计算机快速地对水体污染物进行模拟,能够为水体污染物的控制提供决策支持。将元胞自动机与并行计算相结合,能够高效地模拟水体污染物扩散。分析了元胞自动机的构成,综合考虑了污染物浓度、风向、风速、水流方向、水流速度、水体边缘等因素对污染物扩散的影响,设计了面向水体污染扩散的元胞自动机模型。分析了MPI(Message Passing Interface)在并行计算方面的优势,设计了面向水体污染物扩散的并行元胞自动机模拟算法流程,实现了水体污染物扩散的模拟。对比分析了面向水体污染物的元胞自动机串行计算、单机并行计算和多机并行计算的执行时间,结果表明,运用并行元胞自动机可以节省计算时间,提高计算效率。     

城市扩展极限学习机模型

城市空间结构及其扩展的模拟是城市科学管理与规划的重要前提,本文基于极限学习机提出了顾及不同非城市用地转化为城市用地差异与强度的城市扩展元胞自动机模型（ELM-CA）。模型验证表明：①ELM-CA模型的模拟精度达到70.30%,相比于逻辑回归和神经网络分别提高了2.21%和1.54%,FoM系数分别提高了0.025 9和0.017 9,Kappa系数分别提高了0.024 7和0.016 9,且Moran I指数接近于实际值,说明极限学习机模型较逻辑回归和神经网络能更有效模拟城市扩展的空间形态及其变化;②ELM模型的训练时间仅为神经网络的1/3左右,体现了ELM学习速度的优势;③在小样本情况下,逻辑回归和神经网络都受到明显的影响,而极限学习机还能保持良好的性能,这个特点使其在样本难以获取的情况下具有明显的优势。两个时相的城市扩展模拟与真实数据的比较表明：基于极限学习机的城市扩展元胞自动机模型（ELM-CA）,简化了CA模型的复杂度,并在小样本情况下能有效提高模拟精度,适合于复杂土地利用条件下城市扩展模拟与预测。     

地理特征元胞自动机及城市土地利用演化研究

将综合了几何和非几何属性的地理特征概念引入元胞自动机，构建了地理特征元胞自动机概念模型。通过对深圳特区土地利用演化的实证研究表明，地理特征CA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，理论上是可行的；基于地理特征的城市土地利用演化CA在城市规划中具有很大的应用价值。