基于CA模型的城市空间扩展研究——义乌市为例

本文引入地理信息系统(GIS)和元胞自动机的有机集成而构筑的GeoCA-Urban模型模拟义乌市城市空间扩展的动态演化过程。结果表明:从发展速度分析,义乌市城市发展经历了一个起步—缓慢发展—爆炸发展的过程,而且爆炸式发展还在继续,从发展的空间布局上分析,义乌市在交通(主要是浙赣铁路和主要公路)、水系(义乌江)和城市中心辐射作用下,经历了带状(东北西南向)—椭圆—圆形的发展过程。通过设置转换规则、参数,真实直观地再现展示了城市空间系统的演化过程,为城市规划等提供了辅助决策。     

顾及障碍空间距离和区域差异的元胞自动机城市扩展模型构建

结合城市空间的区域异质性特征,提出了顾及障碍空间距离和区域差异的CA城市扩展模型。以武汉市中心城区为例,在精确度量障碍空间的基础上,根据城市用地的不同形态和作用方式进行元胞空间的区域划分,构建动态的演化规则。实证表明,新模型能比较真实地模拟城市的扩展过程,结果可靠。     

扩展邻域元胞自动机模型城市扩张研究

元胞自动机近年来被广泛应用于动态模拟城市扩张,但其邻域类型一般固定于摩尔邻域.文章基于Geo-CA理论,自定义扩展邻域类型,并结合特定地理位置多层次约束性条件构建CA模型,扩展了CA模型的空间建模功能.以武汉市为例,将2000年和2009年TM遥感影像和城市用地数据作为基础,结合武汉市城市规划图、DEM、道路交通图、水域等多层次图像,构成空间数据库,建立武汉市城市扩张扩展邻域CA模型.最后以2009年数据为基础,对武汉市2018年城市用地扩张情况进行预测,为武汉市城镇建设提供参考.     

用于沿海城市扩展模拟的一种CA模型

对传统的克拉克城市扩展模型进行了分析,构造了一种适合沿海城市扩展的CA模型.利用建立的CA模型,对沿海城市青岛市的城市扩展进行了模拟,试验结果表明,模型对沿海城市的扩展具有很好的模拟效果.     

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...     

吉林市城市扩展监测及模拟研究

随着我国城市化进程的加快,其引起的城市数量的增加和城市规模的扩大已经引起学术界广泛的重视,定期或不定期地获得城市扩展信息、了解城市动态变化趋势,可为城市土地资源的规划和管理提供有力的依据。本文基于元胞自动机(CA)原理,充分利用CA在土地利用空间格局演化模拟和空间局部优化方面的优势特点,结合遥感和GIS 技术建立城市空间扩展 CA 模型,对吉林市建成区的演化过程进行模拟。结果表明,开发的CA模型具有较好的模拟效果。     

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。     

集成GIS的元胞自动机在城市扩展模拟中的应用

元胞自动机CA(Cellular Automata)是一种"自下而上"的动态模拟模型,具有模拟城市复杂系统时空演化过程的能力.CA和GIS的集成使二者在时空建模方面相互补充,能使CA模拟结果可视化显示.这里以郑州市为例,设计了城市CA模型,借助VB 6.0和MapX 5.0建立了一个与GIS无缝集成的2维CA模拟系统,并结合郑州市2005～2007年遥感影像图和土地利用图,对郑东新区进行了模拟,取得较好的效果.     

基于CA的南京市城市空间结构演变模拟

元胞自动机(Cellular Automata,CA)是一种"自下而上"的动态模拟建模框架,具有模拟复杂系统时空演化过程的能力。本文将对标准CA进行扩展,以南京市为研究区域,对其城市扩展进行模拟。     

基于CA模型的西安城市空间扩展模拟及误差分析

元胞自动机(CA)是城市发展动态模拟的重要工具。本文以西安市为例,利用基于遗传算法的CA模型对西安市1990-2007年的城市发展进行模拟,得到了较好的效果。结果表明,运用遗传算法建立的CA模型能够较好地模拟城市发展状态;对模拟误差分析表明,影响城市土地利用变化机制的尺度特征,城市规划调整、重大事件、重大建设项目和行政区划调整等过程,城市不同发展阶段和不同区位的扩展类型等都将影响确定转换规则、寻找最佳参数和模拟精度的结果。     

结合粒子群寻优的混合核函数极限学习机分类模型

多光谱影像记录了地球上各类地物的电磁波,具有极大的信息量,对影像上相关信息的处理和提取是遥感信息应用的前提。多光谱影像的信息自动提取技术的准确性和提取速度是图像分析与理解领域永恒的研究主题。针对遥感影像信息提取的复杂性和极限学习机ELM的分类性能,在单隐层神经网络和极限学习机理论的基础上,提出了基于粒子群参数寻优的混合核函数极限学习机分类模型。与标准的ELM、支持向量机等分类模型进行比较验证,实验结果表明,混合核函数的极限学习机总体分类精度最高,达到了92.67%,有效提高了影像信息提取的精度和速度,很好地满足了图像信息自动提取对准确率和速度的双重要求。     

城市扩展模拟预测:多种机器学习算法的比较

以湖北省襄阳市中心城区为例,对比用不同机器学习算法模拟城市规模演变的精度.结果表明,将支持向量机和粗糙集通过stacking算法集成的模型模拟精度最好.利用该模型对2020年襄阳市城市建设用地扩展进行预测.结果显示,襄阳市建成区2020年建设用地相对2017年有一定程度扩展,主要集中在襄城区余家湖工业园,襄州区唐白河以...     

优化极限学习机在城市轨道交通地表沉降预测中的应用

为了确保轨道交通隧道施工作业的正常进行及地表建构筑物的稳定安全,采用遗传算法(genetic algorithm,GA)对极限学习机(extreme learning machine,ELM)模型的输入权值和隐含层偏置进行优化,通过构建GA-ELM模型,实现对轨道交通施工隧道地表断面监测点实测数据进行变形预测研究,并将...     

利用深度学习模型进行城市内涝影响分析

城市内涝是当前典型的一类城市自然灾害,影响着居民的生活质量。以城市内涝点作为研究对象,综合考虑内涝对城市居民工作和生活等方面造成的影响,筛选出与影响程度相关的21类空间数据。同时,基于深度学习原理构建栈式自编码神经网络模型,结合层次分析法获取的内涝点影响程度标签,剖析21类空间数据与内涝点对居民工作生活影响程度的关系,实现城市内涝对居民工作和生活影响的定量分析。实验表明,栈式自编码神经网络模型能准确地描述内涝点周围的系列空间数据与内涝影响程度之间的关系,可有效预测潜在内涝点对居民工作和生活的影响程度大小,可用于城市防洪排涝方案的制定和排水管网的优化设计。     

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。     

基于多时相Landsat的衡阳市城区扩张模式研究

本研究基于RS和GIS技术,以衡阳中心城区(珠晖区、雁峰区、石鼓区、蒸湘区)为研究区域,利用多时相的Landsat数据,探讨衡阳城区2000—2015年15年期间建设用地扩张的规律。定量分析主城区在不同时段的扩张过程、特点及扩张模式,分析衡阳市城区的发展趋势,研究表明:衡阳市城区2000—2015年间通过大量侵占耕地来满足城区扩张过程中的建设用地土地需求。建设用地增加78.3 km~2,耕地面积减少122.6 km~2。其扩张方向由西部蒸湘区转向南部雁峰区后转向东部珠晖区。15年的整体扩张模式表现为以中心城为圆心的"同心圆"式蔓延扩张,且具有明显的各向异性,为科学制订和完善城市规划、实现城市社会经济与环境的可持续发展提供数据支撑。     

机器学习辅助下的概率积分法参数预计模型寻优

收集整理了多组地表移动观测站资料作为训练样本和检验样本,以工作面地质采矿条件为输入集,概率积分法预计参数为输出集,利用机器学习方法对概率积分法预测参数进行了预测。选取支持向量机、BP神经网络和偏最小二乘法3种机器学习方法对训练样本进行训练,利用训练所得模型预测检验样本中的概率积分法预测参数,并将预测结果与观测站实测值进行对比。结果表明,利用支持向量机预测下沉系数、主要影响角正切值及水平移动系数的精度最高,其平均相对误差分别达到7.46%、4.00%、13.17%;拐点偏距及开采影响传播角利用偏最小二乘法预计精度最高,平均相对误差分别为10.83%、0.88%;总体而言支持向量机的预测精度最为稳定。     

基于规则集的城市空间扩展监测研究

以陕西省咸阳市秦都区与渭城区为研究区域,利用1997年、2004年、2012年高分辨率影像数据和1999年、2001年、2006年、2008年、2010年的Landsat卫星影像数据,建立了监测城市空间扩展的多重规则集;并按照规则集获得了监测年份的城市空间扩展信息。     

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。     

利用结构自适应极端学习机预报导航卫星钟差

针对卫星钟差难以用精确模型来进行预报的问题,将极端学习机（extreme learning machine,ELM）神经网络用于导航卫星钟差预报。针对ELM网络隐层结构难以确定的问题,提出了基于自适应共振理论（adaptive resonance theory,ART）网络思想的ELM网络结构设计算法。该算法将ART网络的聚类特性用于ELM网络结构设计中,通过对输入向量与已存模式的相似度比较将输入向量进行分类,自适应地确定隐层节点规模。使用GPS卫星钟差数据进行30 d的预报实验,结果表明,此方法的钟差预报精度明显优于二次多项式模型和灰色系统模型。