排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
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
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
2.
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
3.
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
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
4.
1