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。     

基于土地适宜性评价与元胞自动机模型的城市开发边界划定方法

城市开发边界的划定可以在一定程度上引导城市空间的良性扩张。为了研究边界划定的方法,以我国某港口城市作为研究区域,在空间增长模拟的方向进行探索。研究中借助土地适宜性评价和元胞自动机边界工具,构建既符合生态资源环境要求又符合城市发展需要的边界划定,同时,为了实现城市用地健康和动态管控举措,提出了建立健全土地用地管理机制的要求。     

固体介质中弹性波传播机制的细胞自动机有限深势阱模型

分析了采用细胞自动机研究波动问题的建模方法，针对一维、均匀、各向同性固体介质中弹性纵波的微观机制，借用一经典弹簧振子模型、细胞自动机格子气模型，以及量子力学中的无限深势阱模型，建立了一个细胞自动机有限深势阱模型，从量子力学角度出发，基于介观物理和纳米概念，以微观精子的德布罗意假设为基础，利用薛定谔方程，讨论了该模型中粒子（分子组）的振动速度与粒子物质波波速之间的联系，给出了模型中的波动方程，得出ζ＝Vp（ζ为粒子振动速度，Vp为物质波纵波波速）。同时还讨论了模型中粒子的大小和能量传递问题，引入引力场，得出了能量及引力势的量子化条件，另外，对声波速度、格子气粒子振动速度和本文模型中分子组振动速度进行了比较；还对本文模型中的粒子能量分布作了分析。     

基于神经网络的单元自动机CA及真实和忧化的城市模拟

提出了一种基于神经网络的单元自动机（ＣＡ）。ＣＡ已被越来越多地应用在城市及其它地理现象的模拟中。ＣＡ模拟所碰到的最大问题是如何确定模型的结构和参数。模拟真实的城市涉及到使用许多空间变量和参数。当模型较复杂时，很难确定模型的参数值。本模型的结构较简单，模型的参数能通过对神经网络的训练来自动获取。分析表明，所提出的方法能获得更高的模拟精度，并能大大缩短寻找参数所需要的时间。通过筛选训练数据，本模型还可以进行优化的城市模拟，为城市规划提供参考依据。     

基于遥感与GIS的20世纪90年代中国城镇用地时空特征

文章利用20世纪90年代初期、中期和末期全国1:100000土地利用动态变化数据提取城镇用地动态变化数据,利用单元自动机和人工神经网络模型对全国城镇用地进行了区划.在此基础上,研究了90年代两个阶段中国城镇用地时空格局.研究表明:90年代前5年东部沿海地区受经济高速发展和开放政策的影响,城镇用地扩展迅速,中西部地区城镇用地扩展较慢;90年代后5年国家加大了耕地资源保护力度,在政府宏观调控政策和耕地资源保护条例的影响下,东部沿海地区城镇用地扩展大幅回落,中部地区城镇扩展也有较大幅度回落,西部地区随着经济发展加快,城镇用地扩展回落较小.     

基于系统动力学模型和元胞自动机模型的土地利用情景模型研究

综合自上而下的系统动力学模型和自下而上的元胞自动机模型, 从宏观用地总量需求和微观土地供给相平衡的角度, 充分利用系统动力学模型在情景模拟和宏观驱动因素反映上的优势与元胞自动机模型在微观土地利用空间格局反映上的优势, 发展了土地利用情景变化动力学LUSD (Land Use Scenarios Dynamics model)模型. 利用该模型对中国北方13省未来20年土地利用变化的情景模拟结果表明, 由于LUSD模型充分利用了系统动力学模型和元胞自动机模型的特点和优势, 同时考虑了土地利用系统宏观驱动因素复杂性和微观格局演化复杂性的特征, 因而提高了当前土地利用情景模型的可靠性, 这将在一定程度上为理解土地利用系统的复杂驱动行为, 评估脆弱生态区土地系统变化的潜在生态效应提供帮助. 同时, LUSD模型的情景模拟结果也表明, 农牧交错带地区是中国北方未来20年土地利用变化比较明显的地区, 而耕地和城镇用地则是该区域内变化最为显著的两种用地类型.     

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。     

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。     

基于多智能体的土地利用模拟与规划模型

利用多智能体和元胞自动机对城市土地资源的可持续利用进行了规划。根据环境经济学资源分配原理和可持续发展理论,提出结合多智能体及元胞自动机的微观规划模型,在时间和空间上合理分配及规划城市土地资源的利用,以避免浪费不可再生的土地资源。该模型由相互作用的多智能体层、元胞自动机层和环境因素层组成,可方便地探索不同土地利用政策下城市土地利用发展情景,能够为城市规划提供有用的决策依据。以广州市海珠区为实验区,在可持续发展为前提的规划下,模拟了1995-2010年的城市扩展的动态变化,并讨论了在不同规划情景下城市土地资源的利用效率及合理性。     

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。