基于CA的时空过程模拟建模方法

对现有GIS数据模型的局限性、时空过程模拟模型与GIS的结合进行了分析。介绍了元胞自动机的特点及连续型元胞自动机模型 ,并结合地震动模拟对二维连续型元胞自动机进行了实例分析     

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。     

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。     

元胞空间分区及其对GeoCA模型模拟精度的影响

采用双约束空间聚类方法对元胞空间进行分区,在此基础上对不同的分区分别求取元胞转换规则,从而提高 元胞自动机的模拟精度。以杭州市土地利用变化为例,采用本文提出的基于双约束空间聚类的分区元胞自动机模型对 研究区域2000年—2005年的土地利用变化进行模拟,并利用逐点对比法和Moran I指数对模拟结果进行精度评估。结果 表明：(1)采用双约束空间聚类算法对元胞空间进行分区,可以保证同一分区内的元胞既在空间上邻近,又具有相对一 致的非空间属性信息,分区效果较好;(2)与不分区元胞自动机模型和基于空间聚类的分区元胞自动机模型相比,双约 束空间聚类元胞自动机模型具有较高的模拟精度,尤其是在空间形态和整体结构上具有较好的模拟效果。     

元胞自动机和克隆选择算法的蓝藻水华预测模型

针对蓝藻水华频发影响水体质量和生态环境的问题,该文以太湖为例,探讨了元胞自动机和克隆选择算法在蓝藻水华预测方面的可行性。使用遥感经验算法计算水体叶绿素a浓度;将叶绿素a浓度分布数据作为预测模型的输入数据,将基于平衡方程的预报模型与元胞自动机进行耦合,对蓝藻水华时空变化过程进行了动态模拟;在预测方面实现了蓝藻水华空间分布情况的可视化,并采用克隆选择算法优化了预测模型中的重要参数。研究结果表明:利用克隆选择算法优化的元胞自动机模型能够在蓝藻水华预测中直观地显示蓝藻水华的时空变化特征;能够在短时间内重复性地预演蓝藻水华的变化过程,为决策者提供有用的参考。     

基于最大发展潜力值的元胞自动机城市扩张模型

在城镇化发展水平及土地开发评价的基础上,评价待扩张区域土地转变潜力分值,基于最大转变潜力分值,提出一种有别于传统元胞自动机模拟城市扩张的新方法。该方法与传统元胞自动机模拟城市扩张相比在迭代方式上存在不同,它克服了传统元胞自动机因阈值设置不同而导致结果不确定的难题。分别将该方法与传统元胞自动机模型应用于武汉主城区,模拟了其2003年到2013年的城市扩张情况,最后,将模拟结果与实际土地利用现状图进行对比发现改进后的新方法在模拟精度上大大提高。     

一种耦合元胞自动机的改进林火蔓延仿真算法

针对传统林火蔓延仿真模型在模拟大范围森林火灾时误差大和效率低的问题,对文献[10]的林火模型添加时间修正来提升林火蔓延模拟的准确性,提出耦合地理元胞自动机模拟林火蔓延过程的仿真算法。分析了元胞自动机时间步长对模拟精度的影响,优化时间步长选择,提高了模拟大规模森林火灾的精度及效率。以模拟2006年5月大兴安岭林区森林大火蔓延过程为例验证本算法,发现地理元胞自动机算法中时间步长取整个元胞完全燃烧所需时间的1/8效果最好,林火蔓延模拟结果与实际TM影像解译的火情时空一致性较高,Kappa系数平均为0.6352,准确率平均为87.89%。算法可用于实际林火蔓延过程的重现及趋势预测,且算法可逆。     

基于CA模型的佛山市建设用地动态变化研究

元胞自动机具有能模拟复杂动态系统的强大能力,本文采用了多约束条件的元胞自动机模型,以广东佛山市2000年、2006年和2012年建设用地的变化为例,从自然、社会经济发展等方面综合考虑选取了高程、坡度、人口密度、道路交通、水系等对城市建设用地发展变化起决定作用的诸多因子,利用马尔科夫概率矩阵计算2000年～2006年建设用地变化,推算建设用地转移总量。结合Logistic-CA模型和决策树-CA模型,预测模拟了2012年的建设用地分布并与实际相比较,分析其整体精度和误差来源。结果显示基于CA模型的建设用地动态发展模拟具有良好的效果,可以为城市的发展规划,过程演变提供虚拟的实验手段和科学依据。     

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。     

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。     

耦合遥感观测和元胞自动机的城市扩张模拟

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。     

Simulation of landscape spatial layout evolution in rural-urban fringe areas: a case study of Ganjingzi District

In recent years, the rapid expansion of urban spaces has accelerated the mutual evolution of landscape types. Analyzing and simulating spatio-temporal dynamic features of urban landscape can help to reveal its driving mechanisms and facilitate reasonable planning of urban land resources. The purpose of this study was to design a hybrid cellular automata model to simulate dynamic change in urban landscapes. The model consists of four parts: a geospatial partition, a Markov chain (MC), a multi-layer perceptron artificial neural network (MLP-ANN), and cellular automata (CA). This study employed multivariate land use data for the period 2000–2015 to conduct spatial clustering for the Ganjingzi District and to simulate landscape status evolution via a divisional composite cellular automaton model. During the period of 2000–2015, construction land and forest land areas in Ganjingzi District increased by 19.43% and 15.19%, respectively, whereas farmland, garden lands, and other land areas decreased by 43.42%, 52.14%, and 75.97%, respectively. Land use conversion potentials in different sub-regions show different characteristics in space. The overall land-change prediction accuracy for the subarea-composite model is 3% higher than that of the non-partitioned model, and misses are reduced by 3.1%. Therefore, by integrating geospatial zoning and the MLP-ANN hybrid method, the land type conversion rules of different zonings can be obtained, allowing for more effective simulations of future urban land use change. The hybrid cellular automata model developed here will provide a reference for urban planning and policy formulation.     

一种改进元胞自动机的人员疏散模型

为使人员疏散离散模型更好描述行人微观特性,提出一种改进元胞自动机的人员疏散模型。在传统模型基础上,将空间划分为更细小网格,令单个行人占据多个网格以便展现行人间微观行为。引入社会力模型中自身驱动力、排斥力、摩擦力的运算规则改进模型,以模拟行人间碰撞现象。通过建立行人出口选择机制并改进移动规则,真实模拟行人动态出口选择过程。疏散过程中考虑了速度因素,能更加具体展现行人不同的移动方式。模拟结果显示,改进的模型能够真实地反映人员疏散的具体过程。     

基于支持向量机的元胞自动机及土地利用变化模拟

提出了利用遥感数据，并采用支持向量机来确定元胞自动机非线性转换规则的新方法。元胞自动机在模拟复杂地理现象时，需要采用非线性转换规则。目前元胞自动机主要采用线性方法来获取转换规则，在反映复杂的非线性地理现象时有一定的局限性。以城市扩张的模拟为例，将模拟城市系统的主要特征变量映射到Hilbert空间后，通过SVM建立最优分割超平面，分割超平面的分类决策函数由径向基核（Radial Basis Kernel）构造。利用历史遥感数据校正超平面的决策函数，确定城市元胞自动机的非线性转换规则，计算出城市发展概率。利用所提出的方法，对深圳市1988-2010年的城市发展进行了模拟，取得了较理想的模拟效果。研究结果表明，基于SVM-CA模型的模拟精度比传统MCE方法模拟精度高，MoranⅠ指数与实际更为接近。     

Integrating GIS‐Based Geo‐Atom Theory and Voxel Automata to Simulate the Dispersal of Airborne Pollutants

Environmental processes are usually conceptualized as complex systems whose dynamics are best understood by examining the relationships and interactions of their constituent parts. The cellular automata paradigm, as a bottom‐up modeling approach, has been widely used to study the macroscopic behavior of these complex natural processes. However, the cellular automata models are largely restricted to the two‐dimensional spatial perspective even though the process dynamics they represent evolve in the three spatial dimensions. The objective of this study is to develop a voxel‐based automata approach for modeling the propagation of airborne pollutants in three‐dimensional space over time. The GIS‐based geo‐atom theory was used to manage the data within the automaton. The simulation results indicate the model has the capability to generate effective four‐dimensional (4D) simulations from simple transition rules that describe the processes of particle advection and diffusion. The application of voxel‐based automata and the geo‐atom concepts allows for a detailed 4D analysis and tracking of the changes in the voxel space at every time‐step. The proposed modeling approach provides new means to examine the relationships between pattern and process in 4D.     

利用生物地理学优化算法获取城市扩展元胞自动机模型参数

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。     

基于逻辑回归CA模型的溢油模拟与预测

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。     

Simulating Temporal Fluctuations of Real Estate Development in a Cellular Automata City

This research aims to understand the source of temporal fluctuations in real estate development through simulating a cellular automata model. In this cellular automata city, investment decisions are made according to the profitability measured in a local neighbourhood. If developers think there is enough of a profit margin in a particular site, i.e. a 'niche' of investment, they will increase investment at that site. However, by increasing investment at the site, new 'niches' might be created. Therefore, the action of converging towards an equilibrium state itself paves the way towards new fluctuations. This model demonstrates the potential of using simulation to increase our understanding of real estate dynamics. The experiments suggest that locally made 'rational' decisions can lead to temporal fluctuations because of non–linearity (discrete changes/densification and local bounded information). Interestingly, the fluctuations may show the property of a temporal fractal. This requires a sufficiently sensitive process of 'niche' formation compared with a relatively large impact of additional investment. The simulation suggests that the impact should be 4 to 20 times higher than the threshold over which a niche will be formed. This condition is satisfied in most cases of real estate investment, thus suggesting a self–organised criticality in complex real estate development.     

An Artificial-Neural-Network-based,Constrained CA Model for Simulating Urban Growth

Insufficient research has been done on integrating artificial-neural-network-based cellular automata (CA) models and constrained CA models, even though both types have been studied for several years. In this paper, a constrained CA model based on an artificial neural network (ANN) was developed to simulate and forecast urban growth. Neural networks can learn from available urban land-use geospatial data and thus deal with redundancy, inaccuracy, and noise during the CA parameter calibration. In the ANN-Urban-CA model we used, a two-layer Back-Propagation (BP) neural network has been integrated into a CA model to seek suitable parameter values that match the historical data. Each cell's probability of urban transformation is determined by the neural network during simulation. A macro-scale socio-economic model was run together with the CA model to estimate demand for urban space in each period in the future. The total number of new urban cells generated by the CA model was constrained, taking such exogenous demands as population forecasts into account. Beijing urban growth between 1980 and 2000 was simulated using this model, and long-term (2001–2015) growth was forecast based on multiple socio-economic scenarios. The ANN-Urban-CA model was found capable of simulating and forecasting the complex and non-linear spatial-temporal process of urban growth in a reasonably short time, with less subjective uncertainty.