基于神经网络CA的兰州城市土地利用变化情景模拟

利用遥感和GIS技术获取兰州市1995-2005年土地利用、城市地价和城市规划等空间数据;基于Matlab7.2耦合GIS、人工神经网络和元胞自动机,对黎夏的ANN-CA模型进行扩展,模拟兰州市土地利用变化趋势。该模型综合考虑了影响城市土地利用变化的自然、经济和政策3个层面17个空间变量,并设计了5种不同阈值和随机扰动参数组合,进行校准和情景预测。研究表明:改进的模型精度较高,第3种参数组合预测最接近兰州市未来土地利用变化趋势:2005-2015年兰州市土地利用变化主要以居住、工业和道路用地增长为主,分别为17.8%、2.1%和1.2%;商业、仓储和政府社团用地增长较少,分别为0.6%、0.6%和0.5%。

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。

数学模型法研究细胞间液中Gd(Ⅲ)对Ca(Ⅱ)物种的影响

用数学模型法研究了细胞间液中 Gd( )对 Ca( )物种的影响 ,并利用人工神经网络方法估算配合物稳定常数 .结果表明 ,细胞间液中 Ca( )物种分布受 Gd( )总浓度变化的影响 .当 Gd( )总浓度为其在细胞间液中的本底浓度时 ,Ca( )主要以自由 Ca( )离子 ( 71 .0 % ) ,[Ca( HCO3) ]( 9.5 % )和 [Ca( Lac) ]( 6.0 % )等物种存在 .随着 Gd( )浓度的提高 ,Gd( )主要与 Ca( )竞争磷酸根及碳酸根 ,并有竞争生物小分子配体趋势 ,从而导致 Ca( )物种随 Gd( )

基于景观安全格局的建设用地管制分区

旨在探索如何构建一种生态与经济发展兼顾的建设用地管制分区工作体系。以扬州市为例,选择防洪、水土保持、生物保护、乡土文化保护和游憩安全5个要素构建区域多层次综合生态安全格局,利用神经网络CA模型模拟无生态约束下的区域城镇建设用地扩展格局,将二者耦合得到优先建设区、有条件建设区、调整建设区、限制建设区和禁止建设区,并为每类管制区编制相应的管制规则。结果表明:①利用景观安全格局与城镇建设用地扩展格局耦合来进行建设用地管制区划分,优先考虑生态环境保护,再进行建设用地的安排,实现了生态与经济的双赢;②通过调整建设区的划定,为地方政府提供了新增建设用地适宜调整的区域,在建设用地管制的基础上,给予地方政府充分的自主权。

基于InVEST与ANN⁃CA模型的环洞庭湖区土地利用碳储量情景模拟

【目的】基于多模型模拟预测土地利用碳存储,为权衡环洞庭湖区的土地利用发展模式和提升区域固碳能力提供科学依据。【方法】以环洞庭湖区2005、2010、2015年土地利用变化为切入点,基于InVEST模型与人工神经网络CA(ANN⁃CA)模型,对碳存储进行量化和空间情景模拟,探讨环洞庭湖区水环境保护情景、生物多样性保护情景以及碳中和情景下的土地利用及其碳储量变化模式。【结果】①到2035年,环洞庭湖区在水环境保护情景下的主要土地利用变化为水域面积增长1.50 km^(2)(增加0.02%),带来的碳储量变化程度极小;在生物多样性保护情景下的主要地类变化为林地增长10.78 km^(2)(增加0.05%),可使碳储量增长27.10×10^(6)t(增长44.28%);在碳中和情景下主要地类变化为耕地缩减432.02 km^(2)(减少1.63%),导致碳储量减少0.81×10^(6)t(减少1.64%);土地利用面积与碳储量变化呈正相关关系。②环洞庭湖区高程、坡度、到公路距离与碳储量呈负相关,向阳坡碳储量高于阴坡;影响环洞庭湖区土地利用变化的主要驱动因子为坡度、高程和人口密度。【结论】基于InVEST与ANN⁃CA模型可模拟多情景下的土地利用及碳储量,可为环洞庭湖区土地利用结构的优化配置以及生态保护和区域发展的权衡提供情景参考。

基于离散灰色预测模型与人工神经网络混合智能模型的时尚销售预测

时尚销售预测对零售领域十分重要,准确的销售情况预测有助于大幅度提高最终时尚销售利润。针对目前时尚销售预测数据量有限并且数据波动大导致难以进行准确预测的问题,提出了一种结合人工神经网络(ANN)算法和离散灰色预测模型(DGM(1,1))算法的混合智能预测算法。该算法通过关联度分析得到关联度大的影响变量,在利用DGM(1,1)+ANN预测之后,引入二次残差的思想,将实际销售数据与DGM(1,1)+ANN预测结果的残差加入影响变量利用ANN进行第二次残差预测。最后通过真实的时尚销售数据验证算法预测的可行性及准确性。实验结果表明,该算法在时尚销售数据的预测中,预测平均绝对百分误差(MAPE)在25%左右,预测性能优于自回归积分滑动平均模型(ARIMA)、扩展极限学习机(EELM)、DGM(1,1)、DGM(1,1)+ANN算法,相较于以上几种算法平均预测精度大约提高8个百分点。所提混合智能算法可用于时尚销售即时预测,且能够大幅度提高销售的效益。

城市近郊区景观格局变化特征、潜力与模拟——以成都市龙泉驿区为例

以成都市龙泉驿区为研究区,利用TM/OLI影像、ASTER GDEM和景观变化驱动因子数据,在Arc GIS和IDRISI Selva软件支持下,建立Ann-Markov-CA复合模型,分析了1992-2014年景观格局时空演变特征和变化潜力,对2021年、2028年景观变化趋势进行了模拟。结果表明:近22年,交通运输、果园、城乡人居及工矿景观增加显著,分别增加329%、184%、125%,农田、森林、水体景观减少明显,分别减少67.85%、59.94%、41.00%;主要景观均发生频繁转入转出,其中农田向果园、森林向果园、农田向城乡人居及工矿的转化最明显。参与景观变化潜力预测驱动因子越多其预测准确率不一定越高,需根据预测准确率选择恰当驱动因子组合进行变化潜力模拟。未来14年,大部分景观保持原有变化趋势,但变化剧烈程度逐渐减弱。过去14年(2000-2014年)和未来14年(2014-2028年),农田、森林景观总体上呈减少趋势,成为其他景观增加的稳定补给源。因此,遏制农田、森林景观无节制缩减,对维持区域生态平衡、实现地方生态建设与经济发展互动双赢具有重要意义。