基于智能体和人工神经网络的元胞自动机建模及城市扩展模拟

城市扩展模拟可为城市可持续发展与国土空间规划提供参考。智能体模型(ABM)与元胞自动机(CA)结合可兼顾城市空间增长的自组织性和不同决策主体的决策过程,人工神经网络(ANN)可描述智能体与城市扩展之间复杂的非线性关系。该文基于ANN-ABM-CA耦合模型,在构建CA转换规则时基于ABM刻画人类决策行为的影响,并采用ANN挖掘不同类型的智能体在城市扩展过程中的偏好差异,同时考虑宏观和微观层面的智能体决策行为,结合城市扩展的10个驱动因素,模拟武汉市主城区2005-2015年的扩展情况,结果表明:1)相比传统的ANN-CA模型,ANN-ABM-CA模型模拟性能更优,从宏观与微观相结合的角度更好地解释了城市扩展的驱动机制,OA值为97.46%,Kappa系数为0.9176,FoM值为0.4375,结果可靠且合理;2)不同收入层级的居民智能体对城市扩展的决策偏好不同;3)武汉主城区城市扩展模式主要为边缘型扩展,洪山区西南部有少部分填充型扩展、东南部出现飞地型扩展,与实际扩展情况相符。

元胞自动机与神经网络相结合的土地演变模拟

提出了将数据挖掘技术应用于元胞自动机(CA)进行地理模拟的新方法.基于CA原理,利用学习矢量量化神经网络,从不同时相遥感数据中挖掘土地利用演变的内在规律,自动找到土地利用元胞的转换规则,并以该规则反演和预测土地利用格局.在上海市区典型边缘带的应用显示,挖掘出的元胞转换规则,与同期上海城市发展状况相吻合.表明该模型可以满足土地利用演变模拟预测的要求,大大缩短了建立CA转换规则所需时间.

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。

基于粗糙集神经网络和元胞自动机的空间负荷预测

在分析目前空间负荷预测方法的基础上,提出了一种新的空间负荷预测的方法。该方法主要是利用粗糙集理论对从空间数据库中提取出来的随机数据样本集进行属性简化,减少人工神经网络的输入变量的个数和样本数量,从而提高神经网络提取元胞自动机转换规则的收敛速度和准确性,提高了空间负荷预测的精确性。该方法结合了粗糙集和人工神经网络的优点,并利用元胞自动机的理论来模拟城市用地类型变化,进行空间负荷预测。某市城市规划区域的空间负荷预测实验,证明了该方法的有效性。

基于CA的城市土地利用演变人工神经网络模拟

基于CA原理,利用学习矢量量化神经网络从不同时相遥感数据中挖掘土地利用演变的内在规律,自动找到土地利用元胞的转换规则,并以该规则反演和预测土地利用格局．在上海市区典型边缘带的应用显示,挖掘出的元胞转换规则,与同期上海城市发展状况相吻合,表明该模型可以满足土地利用演变模拟预测的要求,大大缩短了建立CA转换规则所需时间．若能增加社会、经济因素的影响,减少网络训练时的信息浪费,将进一步优化模拟效果．

元胞自动机模型的尺度敏感性分析

以深圳市龙华镇为案例区,构建了土地利用/覆被变化的元胞自动机模型,从时间和空间两个方面定量研究了LUCC模型的尺度效应。通过改变模型输入数据的空间分辨率和模型模拟的时间长度,探讨了尺度对土地利用变化模型的影响。分别采用龙华镇1990年30,60,90,120,150,180,210和240 m空间分辨率的土地利用数据作为元胞自动机模型的输入,模拟研究区1995年和2000年的土地利用变化状况以诠释CA模型内在的尺度依赖特征,并依据模型的点对点模拟精度、Kappa系数、实际变化元胞的模拟精度3个指标评价了该模型的尺度敏感性,最后分析了CA模型尺度敏感性的来源。结果表明:空间尺度上,元胞的空间分辨率越高,模型的模拟精度越高,时间尺度上,模型模拟的实际时间跨度越长,精度越高;孤立元胞的路径依赖是CA模型空间尺度敏感性的重要来源;特定地理过程在不同时间段的发展规律是CA模型时间尺度敏感性的重要来源。研究结果对元胞自动机的尺度选择具有重要意义。

基于ANN-CA的外来入侵植物互花米草的扩散趋势预测研究

采用遥感技术手段对九段沙互花米草(Spartina alterniflora)信息提取与动态监测基础上,开展滨海地区互花米草入侵时空特征分析、入侵地区景观演变规律以及预测互花米草扩散趋势等研究对于沿海城市生态环境协调发展具有重要的意义。选取邻域因子、生态属性和地理属性等相关变量因子,耦合人工神经网络(ANN)与元胞自动机(CA),基于2015-2019年间九段沙互花米草与其他湿地景观类型数据构建ANN-CA模型,采用3层BP神经网络,在不断训练与校正与验证模型精度的基础上,对2019年九段沙区域互花米草进行模拟,采用Lee-Sallee形状指数来对比模拟分类结果与实际分类结果在空间分布层面的相似度,并进行相应的模型校正,在此基础上预测2025年九段沙互花米草扩散与群落分布格局,为互花米草的扩张趋势、景观演变以及分布扩散预测提供理论依据和科学基础。结果表明,1)1995-2025年间互花米草自从引种定居到不断扩张,所呈现的面积变化图近乎S型曲线,其中2015-2019年面积增长了847 hm^(2),2019-2025年面积增长了646 hm^(2),因此互花米草在九段沙自然保护区的动态扩散,分别为定居阶段、滞缓阶段、快速增长阶段以及缓慢增长阶段。2)2025年九段沙区域互花米草的扩张速率从趋势看已进入扩张的缓慢期,与前几年相比尽管有所增加,但趋势有所放缓。3)构建的ANN-CA模型能够较好地对九段沙自然保护区的植被演变进行模拟和预测。

基于ANN-CA模型的重庆市多级流域耕地景观格局演化及预测

为解决耕地演化的尺度效应问题,研究弥补现有不足,创新性地从多级流域尺度出发,基于ANN-CA模型对重庆市2000—2030年耕地景观格局演化进行模拟及预测,不仅为山区耕地的研究尺度提供新视角,且有助于解读重庆市耕地利用现状与趋势,为其耕地保护和规划提供参考。结果表明:(1)ANN-CA模型的模拟结果精度达89.33%,适用于模拟山区耕地演化研究;(2)在城市扩张、退耕还林和耕地撂荒多重影响下,2000—2020年重庆市耕地数量以先慢后快的速度由40640.87 km^(2)下降至38590.33 km^(2),大部分转为城市建设用地,其次是林地、草地;(3)一级流域下,2000—2020年耕地规模均值由0.519缩减至0.491,耕地破碎度均值由0.217上升至0.233,耕地不规则度均值由0.311上升至0.336,耕地聚集度均值由0.657下降至0.620;(4)二级流域下,2000—2020年耕地规模均值由0.492下降至0.470;耕地破碎度均值由0.157上升至0.164;耕地不规则度均值由0.302上升至0.311;耕地聚集度均值由0.646下降至0.630。重庆市耕地景观格局大致与一级流域相契合,但呈现更精细的空间两极分化特征,“一区”与“两群”内耕地景观格局时空演化的历史规律与未来趋势差异显著。研究结果有助于对耕地进行多级流域尺度分析,破解耕地演化的尺度效应问题,对其演化规律进行跨尺度推绎。

土地利用变化的ANN-CA模拟研究--以西南喀斯特地区猫跳河流域为例

为了准确把握西南喀斯特地区土地利用格局的变化规律,以贵州省猫跳河流域为例,采用人工神经网络与元胞自动机的耦合模型对喀斯特地区1990—2002年间的土地利用格局变化进行了模拟。将模拟结果与实际土地利用图进行对比发现:在数量变化方面,两者的混淆矩阵和性能指数的总精度分别达到了87.62%和57.36%;在空间格局方面,模拟结果的景观格局指数均接近真实值。研究结果表明,该模型模拟精度较高且可操作性强,能够作为西南喀斯特地区小尺度范围土地利用变化研究的有效工具。

基于ANN-CA的湿地景观变化时空动态模拟研究

湿地景观变化的时空动态发展过程比其最终形成的空间格局更为重要,只有清楚地了解了湿地的动态发展过程,才能为湿地资源的保护利用提供更加科学的理论指导。为此,研究运用元胞自动机结合人工神经网络方法,构建了银川平原湿地景观变化时空动态模拟模型。在模型实现过程中,应用BP(back propagation)神经网络与元胞自动机相结合自动挖掘出元胞自动机模型的转换规则,不仅降低建立多种湿地类型预测模拟的难度,而且减少了人为的主观因素,提高了准确性。预测的结果与实际湿地类型比较得出预测精度达到约74.16%,总体上取得了较好的模拟结果,表明该模型可以满足湿地演变时空动态模拟的要求。

基于ANN-CA模型的黄土小流域正负地形演化模拟

黄土高原正负地形的不同组合特征反映了黄土地貌的发育程度,黄土小流域正负地形的演化则是黄土高原地貌形态发育的缩影。该文采用地理元胞自动机的建模方法,对室内黄土小流域正负地形的演化过程进行建模与模拟。实验通过多次训练神经网络,自动获取转换规则,简化了构建元胞自动机模型的难度,同时,模拟的结果总精度达88.5%。研究表明,该方法可以反映黄土小流域正负地形演化过程中其沟谷扩张、沟头向前以及黄土陷穴的发育特点,对黄土高原地貌发育研究具有重要意义和可鉴性。

基于ANN-CA模型的土壤侵蚀时空演化分析

土壤侵蚀是中国乃至世界的主要环境问题之一。到目前为止,应用于土壤侵蚀研究的模型仅仅能够做一些事后的预报,并不能实现真正意义的土壤侵蚀预报,更不能反映土壤侵蚀的时空演化规律。本研究利用元胞自动机强大的空间动态模拟功能,建立了土壤侵蚀的元胞自动机模型,实现了对研究区2010年土壤侵蚀类型的空间预测,从微观的元胞状态的变化,反映了研究区土壤侵蚀的宏观变化规律。利用2000年计算出的土壤侵蚀强度类型与模拟的2000年土壤侵蚀强度类型对比,评价了土壤侵蚀强度预测的准确率,并对准确率相对较低的类型分析了原因,增加各个土壤侵蚀类型的训练样本,改进土壤侵蚀强度类型的分类标准,将大大提高ANN- CA模型的精度。同时指出,本研究建立的模型可以推广到其他土壤侵蚀区的预测研究。

基于ANN-CA模型的滨海新区土地利用预测

利用遥感和地理信息系统技术获取1993～2008年滨海新区城市土地利用现状数据,基于Matlab 2008a,耦合地理信息系统、人工神经网络和地理元胞自动机,在黎夏等提出的ANN-CA模型基础上进行调整,模拟了滨海新区的土地利用变化趋势。该模型综合考虑了影响城市土地利用变化的社会、经济和自然3个层面的10个空间变量,并加入了不同的随机扰动项,进行模型训练和未来预测。研究表明,未来15年滨海新区仍将经历城市扩张的过程,大量的耕地、盐田等非城市用地将会转化为新兴的城市化地区,但扩张速度有所放缓,土地利用变化从规模型向效益型转变。

基于MCR-ANN-CA模型的包头市生态用地演变模拟

以内蒙古自治区包头市为研究区,耦合最小累积阻力(MCR)模型、人工神经网络(ANN)和元胞自动机(CA)构建MCR-ANN-CA模型。利用MCR模型量化包头市各用地类型演变为生态用地时的阻力,构建CA适宜性规则;利用ANN模型提取CA邻域转换规则,基于包头市2006、2011年土地利用数据及归一化植被指数(NDVI)、高程、坡度、水体距离、人口密度多项数据,对2016年生态用地演变情景进行模拟,以2016年实际生态用地分布为参照,将该模型模拟结果与CA-Markov模型的模拟结果进行对比(以2016年实际景观分布为参照),结果显示,两种模型模拟结果的卡帕一致性指数(Kappa index of agreement,KIA)分别为0. 89和0. 87,相对误差分别为3. 10%和5. 31%,MCR-ANN-CA模型显示了较高的模拟精度。

基于ANN-CA模型的黄土丘陵区县域土壤侵蚀演变预测

为了精准预测土壤侵蚀变化,科学合理地预防区域水土流失的发生,选择黄土丘陵沟壑区的彭阳县为研究区,2000、2008和2015年3期遥感影像、DEM和日降雨等为基础数据,基于GIS和RUSLE模型计算土壤侵蚀并定量分析2000—2015年时空分布变化特征;应用人工神经网络耦合元胞自动机构建ANN-CA模型,预测彭阳县2025年土壤侵蚀。结果显示:1)彭阳县2000—2015年土壤侵蚀状况整体呈现向好趋势;强度及强度以上侵蚀面积减少652.81 km^(2),高等级侵蚀逐渐向低等级转移;2)2015年土壤侵蚀强度模拟结果精度排序为:微度>轻度>中度>极强度>剧烈>强度,总体精度为87.9%,Kappa系数0.82,预测精度较高;3)彭阳县2025年土壤侵蚀以微度与轻度为主,面积分别为1366.67和748.61 km^(2),占总面积的84.69%,强度以上面积仅为2.69 km^(2),占总面积的1.1%,较2015年进一步好转;强度以上侵蚀主要发生在孟塬乡与新集乡,可在该区域加强水土保持措施建设,预防水土流失。研究结果表明,ANN-CA模型具有较强的自学习与空间动态模拟能力,可以应用于区域土壤侵蚀预测。

基于ANN-CA的城市用地扩张模拟优化——以潍坊市城区为例

随着城市规模的不断扩大,土地覆盖和利用的格局发生了显著改变,利用神经网络—元胞自动机模型(ANN-CA)模拟预测未来城市用地变化,可为城市整体规划和布局提供依据。文章以潍坊市城区为例,采用地理模拟优化系统集成的ANN-CA模型,利用宏观规划方案对其进行优化,分别模拟了潍坊市城区2005、2011、2017年土地利用状况,并预测了2025年的土地利用状况。结果表明:2005至2017年期间,潍坊城区空闲用地面积减少,居住用地、城市道路用地面积增加,城市发展中心向城市北部偏移;优化后的模拟结果精度明显提高,说明加入宏观规划因子在一定程度上弥补ANN-CA模拟的不足;预测至2025年,潍坊城区居住、工矿用地和交通运输地面积将会继续增加,而绿地和空闲用地面积则会继续缩小。

人工智能技术在土地适宜性评价中应用文献综述

通过大量的文献检索,主要从人工智能技术在土地适宜性评价中的应用现状和理论两方面,对国内人工智能技术做了综述。人工智能技术在土地适宜性评价中体现其全面,便捷,系统性等优点,但在现在的实际运用中也存在着一定局限性,应开展更多研究学习。

永久基本农田保护片区智能识别系统iZone的建立与应用

永久基本农田划定是当前国土资源管理一项十分重要而紧迫的任务,其对维护粮食安全和控制城镇无序增长具有重要意义。永久基本农田划定不仅要满足耕地质量较高而且还要集中连片,更需要协调城镇化矛盾。因此,如何从土地利用现状数据库中提取永久基本农田保护图斑实际上是一个复杂的空间数据挖掘过程。研究利用农用地分等成果定义保护片区质量,利用元胞自动机模拟分析土地利用矛盾,利用种子扩充算法进行保护片区搜索,利用神经网络进行耕地保护压力预警。基于C#和Arc Engine10.1将多种空间数据挖掘模型进行集成,构成了面向全域永久基本农田识别的智能系统工具包iZone,并在广东省高要区金利镇进行实例应用。研究表明,iZone能按既定规则从土地利用现状数据库中提取保护图斑,有效避免了人为划定的过多主观性,并且能获得与人工方案相当乃至更好的表现。iZone利用复杂地理计算技术进行永久基本农田智能识别,可提高永久基本农田划定工作的科学性。

基于多智能体模型的银川平原土地利用情景模拟

基于多智能体模型研究了土地利用变化的模拟问题。以银川平原为例,以2002年和2014年的遥感影像为基础数据源,在对2002—2014年土地利用变化特征及其驱动因素分析的基础上,选取了政府、农户、城镇居民3种智能体,结合经分析选取的自然因素、社会因素和经济因素3方面5个主要驱动力因素对3种智能体的决策行为进行逐个分析,构建多智能体的行为规则,建立了基于多智能体模型的土地利用空间格局模拟模型。在此基础上,对研究区自然禀赋情景、社会经济发展情景、基本农田保护情景下的土地利用空间格局进行了模拟。结果表明,基于多智能体的土地利用模型能够较好地模拟复杂土地利用变化;在影响土地利用变化的各因素中,政策性因素对区域土地利用变化影响较为明显。

传染病传播模型研究

用数学模型帮助发现传染病的传播机理,预测传染病的流行趋势已成为共识。主要简述了传染病模型的发展历程。传染病的数学模型研究分为两类:决定性模型和网络动力学模型。虽然决定论模型目前仍然具有非常重要的学术地位,但随着人工智能计算机技术的发展,目前网络动力学模型成为了新的研究热点。决定性模型主要介绍了SIS和SIR模型,网络动力学模型主要介绍了目前流行病数学模型中研究较多、应用较广的模型,包括元胞自动机、人工神经网络、无尺度网络模型。介绍了各种模型的研究方法,并且探讨了今后的研究热点,以利用其模拟结果可以更好地为传染病防治决策提供支持。