本文關(guān)鍵詞：基于群體智能的城市用地動態(tài)變化模擬研究

  更多相關(guān)文章： 群體智能 元胞自動機 蟻群算法 轉(zhuǎn)換規(guī)則 土地利用模擬

【摘要】：隨著我國經(jīng)濟的快速發(fā)展,城市人口規(guī)模的擴大,我國城鎮(zhèn)化進入了高速發(fā)展的階段。城市蔓延帶來的土地利用低效、交通擁擠、耕地被侵占及社會不公平加劇等一系列負面影響引起了國內(nèi)外學(xué)者的關(guān)注和重視。如何理性的促進城市增長是許多學(xué)者及政府官員一直思考的問題,建立在明確空間定位基礎(chǔ)上、綜合集成的土地利用模擬模型為研究城市土地利用變化的驅(qū)動機制、發(fā)展規(guī)律及其發(fā)展趨勢提供了重要的技術(shù)手段。本文在閱讀和研究大量文獻的基礎(chǔ)上,分析了相關(guān)領(lǐng)域的研究重點和難點,對土地利用模型進行了進一步的研究。主要研究內(nèi)容包括:(1)轉(zhuǎn)換規(guī)則的研究:針對傳統(tǒng)的方法提取出的轉(zhuǎn)換規(guī)則的不足,引入群體智能算法中的蟻群算法(Ant Colony Optimization,ACO)進行規(guī)則的提取研究。挖掘出的轉(zhuǎn)換規(guī)則簡約、直觀、有效。(2)模型的結(jié)合與分析研究:將(1)中獲取的規(guī)則與元胞自動機(Cellular Automata,CA)構(gòu)建了ACO-CA模擬模型,為了比較全面的研究群體智能算法在城市用地動態(tài)模擬研究中的應(yīng)用,引入群體智能中的另一種算法—粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)來進行轉(zhuǎn)換規(guī)則的挖掘,構(gòu)建了基于PSO-CA的模型,分別對重慶市沙坪壩區(qū)進行城市用地動態(tài)變化模擬。(3)模擬結(jié)果驗證:為了和傳統(tǒng)模型進行對比研究,引入傳統(tǒng)的Logistic-CA模型進行分析對比,同時引入了Kappa系數(shù),NULL模型進行模型可靠性、有效性的驗證。(4)在現(xiàn)有數(shù)據(jù)的基礎(chǔ)上,利用各模擬結(jié)果參數(shù)值都較好的ACO-CA模型,嘗試對未來沙坪壩區(qū)2020年、2030年用地格局的預(yù)測模擬,并對模擬結(jié)果進行了歸納與分析。結(jié)果表明:基于ACO-CA方法的模型和基于PSO-CA方法的模型都是有效的模型。就城市用地Kappa系數(shù)值而言,都要高于傳統(tǒng)Logistic-CA模型,它們總Kappa系數(shù)值都在80%以上。能夠用于城市用地動態(tài)變化模擬。相對而言,基于ACO-CA方法的模型的各項模擬結(jié)果參數(shù)值都要高于基于PSO-CA的模型。
【關(guān)鍵詞】：群體智能 元胞自動機 蟻群算法 轉(zhuǎn)換規(guī)則 土地利用模擬
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F299.23;TP18
【目錄】：

• 摘要3-4
• Abstract4-11
• 第1章 緒論11-21
• 1.1 研究背景11-13
• 1.2 土地利用/覆蓋變化國內(nèi)外研究進展13-16
• 1.2.1 土地利用/覆蓋變化的研究方法13-15
• 1.2.2 土地利用/覆蓋變化模型的尺度15-16
• 1.3 國內(nèi)外元胞自動機研究現(xiàn)狀16-18
• 1.3.1 國外元胞自動機研究現(xiàn)狀16
• 1.3.2 國內(nèi)元胞自動機研究現(xiàn)狀16-17
• 1.3.3 存在的問題17-18
• 1.4 論文研究內(nèi)容及意義18-19
• 1.5 論文技術(shù)路線及組織結(jié)構(gòu)19-21
• 第2章 基本原理概述21-29
• 2.1 復(fù)雜系統(tǒng)理論21-23
• 2.1.1 復(fù)雜性概念與理論21-22
• 2.1.2 城市土地利用的復(fù)雜性22-23
• 2.2 元胞自動機理論23-27
• 2.2.1 CA模型的概念及構(gòu)成23-25
• 2.2.2 CA的一般特性25-26
• 2.2.3 CA在地理模擬中的可行性分析26-27
• 2.3 群體智能理論27-28
• 2.3.1 群體智能概念27
• 2.3.2 群體智能應(yīng)用于地理模擬中的可行性分析27-28
• 2.4 本章小結(jié)28-29
• 第3章研究區(qū)概況與數(shù)據(jù)處理29-37
• 3.1 研究區(qū)概況29
• 3.2 數(shù)據(jù)來源29-30
• 3.3 數(shù)據(jù)處理30-36
• 3.3.1 用地類型數(shù)據(jù)提取31-33
• 3.3.2 空間驅(qū)動因子數(shù)據(jù)提取33-36
• 3.4 本章小結(jié)36-37
• 第4章 基于群體智能的城市土地利用類型轉(zhuǎn)換規(guī)則挖掘37-44
• 4.1 蟻群算法基本原理及特點37-38
• 4.1.1 蟻群算法的基本原理37-38
• 4.2 基于蟻群算法的轉(zhuǎn)換規(guī)則挖掘38-43
• 4.2.1 算法描述38-41
• 4.2.2 轉(zhuǎn)換規(guī)則挖掘41-43
• 4.3 本章小結(jié)43-44
• 第5章 城市用地動態(tài)變化模擬模型的構(gòu)建及應(yīng)用44-58
• 5.1 城市用地動態(tài)變化模擬的構(gòu)建44-45
• 5.2 基于CA的土地配置模塊構(gòu)建45-46
• 5.3 模型應(yīng)用—重慶市沙坪壩區(qū)城市發(fā)展模擬46-52
• 5.3.1 空間變量與數(shù)據(jù)處理46-47
• 5.3.2 基于ACO-CA的城市用地動態(tài)模擬47-49
• 5.3.3 基于PSO-CA的城市用地動態(tài)模擬49-51
• 5.3.4 基于Logistic-CA的城市用地動態(tài)模擬51-52
• 5.4 結(jié)果對比分析52-55
• 5.5 未來城市用地格局模擬55-56
• 5.6 本章小結(jié)56-58
• 第6章 總結(jié)與展望58-60
• 6.1 總結(jié)58
• 6.2 展望58-60
• 參考文獻60-66
• 致謝66-67
• 攻讀碩士學(xué)位期間從事的科研工作及取得的成果67

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李德仁;李熙;;論夜光遙感數(shù)據(jù)挖掘[J];測繪學(xué)報;2015年06期

2 高義;王輝;王培濤;孫曉宇;呂婷婷;;基于人口普查與多源夜間燈光數(shù)據(jù)的海岸帶人口空間化分析[J];資源科學(xué);2013年12期

3 孫德山;;元胞自動機研究進展[J];五邑大學(xué)學(xué)報(自然科學(xué)版);2011年04期

4 王新軍;顏安;曹月娥;;系統(tǒng)動力學(xué)和灰色多目標(biāo)動態(tài)模型相結(jié)合在博樂市土地利用總體規(guī)劃中的應(yīng)用[J];新疆農(nóng)業(yè)大學(xué)學(xué)報;2011年01期

5 謝仁偉;牛錚;孫睿;湯泉;;基于多波段統(tǒng)計檢驗的土地利用變化檢測[J];國土資源遙感;2009年02期

6 陶倩;徐福緣;;基于機制的復(fù)雜適應(yīng)系統(tǒng)建模[J];計算機應(yīng)用研究;2008年05期

7 陳海;梁小英;高海東;王濤;;Multi-Agent System模型在土地利用/覆蓋變化中的研究進展[J];自然資源學(xué)報;2008年02期

8 邱炳文;陳崇成;;基于多目標(biāo)決策和CA模型的土地利用變化預(yù)測模型及其應(yīng)用[J];地理學(xué)報;2008年02期

9 陶嘉;黎夏;劉小平;何晉強;;分析學(xué)習(xí)智能元胞自動機及優(yōu)化的城市模擬[J];地理與地理信息科學(xué);2007年05期

10 劉小平;黎夏;葉嘉安;何晉強;陶嘉;;利用蟻群智能挖掘地理元胞自動機的轉(zhuǎn)換規(guī)則[J];中國科學(xué)(D輯:地球科學(xué));2007年06期

  本文關(guān)鍵詞：基于群體智能的城市用地動態(tài)變化模擬研究

  更多相關(guān)文章： 群體智能 元胞自動機 蟻群算法 轉(zhuǎn)換規(guī)則 土地利用模擬

，

本文編號：514756