基于群体智能的城市用地动态变化模拟研究

发布时间：2017-07-03 18:25

  本文关键词：基于群体智能的城市用地动态变化模拟研究

  更多相关文章： 群体智能 元胞自动机 蚁群算法 转换规则 土地利用模拟

【摘要】：随着我国经济的快速发展,城市人口规模的扩大,我国城镇化进入了高速发展的阶段。城市蔓延带来的土地利用低效、交通拥挤、耕地被侵占及社会不公平加剧等一系列负面影响引起了国内外学者的关注和重视。如何理性的促进城市增长是许多学者及政府官员一直思考的问题,建立在明确空间定位基础上、综合集成的土地利用模拟模型为研究城市土地利用变化的驱动机制、发展规律及其发展趋势提供了重要的技术手段。本文在阅读和研究大量文献的基础上,分析了相关领域的研究重点和难点,对土地利用模型进行了进一步的研究。主要研究内容包括:(1)转换规则的研究:针对传统的方法提取出的转换规则的不足,引入群体智能算法中的蚁群算法(Ant Colony Optimization,ACO)进行规则的提取研究。挖掘出的转换规则简约、直观、有效。(2)模型的结合与分析研究:将(1)中获取的规则与元胞自动机(Cellular Automata,CA)构建了ACO-CA模拟模型,为了比较全面的研究群体智能算法在城市用地动态模拟研究中的应用,引入群体智能中的另一种算法—粒子群优化算法(Particle Swarm Optimization,PSO)来进行转换规则的挖掘,构建了基于PSO-CA的模型,分别对重庆市沙坪坝区进行城市用地动态变化模拟。(3)模拟结果验证:为了和传统模型进行对比研究,引入传统的Logistic-CA模型进行分析对比,同时引入了Kappa系数,NULL模型进行模型可靠性、有效性的验证。(4)在现有数据的基础上,利用各模拟结果参数值都较好的ACO-CA模型,尝试对未来沙坪坝区2020年、2030年用地格局的预测模拟,并对模拟结果进行了归纳与分析。结果表明: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系数值而言,都要高于传统Logistic-CA模型,它们总Kappa系数值都在80%以上。能够用于城市用地动态变化模拟。相对而言,基于ACO-CA方法的模型的各项模拟结果参数值都要高于基于PSO-CA的模型。
【关键词】：群体智能 元胞自动机 蚁群算法 转换规则 土地利用模拟
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F299.23;TP18
【目录】：

• 摘要3-4
• Abstract4-11
• 第1章 绪论11-21
• 1.1 研究背景11-13
• 1.2 土地利用/覆盖变化国内外研究进展13-16
• 1.2.1 土地利用/覆盖变化的研究方法13-15
• 1.2.2 土地利用/覆盖变化模型的尺度15-16
• 1.3 国内外元胞自动机研究现状16-18
• 1.3.1 国外元胞自动机研究现状16
• 1.3.2 国内元胞自动机研究现状16-17
• 1.3.3 存在的问题17-18
• 1.4 论文研究内容及意义18-19
• 1.5 论文技术路线及组织结构19-21
• 第2章 基本原理概述21-29
• 2.1 复杂系统理论21-23
• 2.1.1 复杂性概念与理论21-22
• 2.1.2 城市土地利用的复杂性22-23
• 2.2 元胞自动机理论23-27
• 2.2.1 CA模型的概念及构成23-25
• 2.2.2 CA的一般特性25-26
• 2.2.3 CA在地理模拟中的可行性分析26-27
• 2.3 群体智能理论27-28
• 2.3.1 群体智能概念27
• 2.3.2 群体智能应用于地理模拟中的可行性分析27-28
• 2.4 本章小结28-29
• 第3章研究区概况与数据处理29-37
• 3.1 研究区概况29
• 3.2 数据来源29-30
• 3.3 数据处理30-36
• 3.3.1 用地类型数据提取31-33
• 3.3.2 空间驱动因子数据提取33-36
• 3.4 本章小结36-37
• 第4章 基于群体智能的城市土地利用类型转换规则挖掘37-44
• 4.1 蚁群算法基本原理及特点37-38
• 4.1.1 蚁群算法的基本原理37-38
• 4.2 基于蚁群算法的转换规则挖掘38-43
• 4.2.1 算法描述38-41
• 4.2.2 转换规则挖掘41-43
• 4.3 本章小结43-44
• 第5章 城市用地动态变化模拟模型的构建及应用44-58
• 5.1 城市用地动态变化模拟的构建44-45
• 5.2 基于CA的土地配置模块构建45-46
• 5.3 模型应用—重庆市沙坪坝区城市发展模拟46-52
• 5.3.1 空间变量与数据处理46-47
• 5.3.2 基于ACO-CA的城市用地动态模拟47-49
• 5.3.3 基于PSO-CA的城市用地动态模拟49-51
• 5.3.4 基于Logistic-CA的城市用地动态模拟51-52
• 5.4 结果对比分析52-55
• 5.5 未来城市用地格局模拟55-56
• 5.6 本章小结56-58
• 第6章 总结与展望58-60
• 6.1 总结58
• 6.2 展望58-60
• 参考文献60-66
• 致谢66-67
• 攻读硕士学位期间从事的科研工作及取得的成果67

【参考文献】

中国期刊全文数据库 前10条

1 李德仁;李熙;;论夜光遥感数据挖掘[J];测绘学报;2015年06期

2 高义;王辉;王培涛;孙晓宇;吕婷婷;;基于人口普查与多源夜间灯光数据的海岸带人口空间化分析[J];资源科学;2013年12期

3 孙德山;;元胞自动机研究进展[J];五邑大学学报(自然科学版);2011年04期

4 王新军;颜安;曹月娥;;系统动力学和灰色多目标动态模型相结合在博乐市土地利用总体规划中的应用[J];新疆农业大学学报;2011年01期

5 谢仁伟;牛铮;孙睿;汤泉;;基于多波段统计检验的土地利用变化检测[J];国土资源遥感;2009年02期

6 陶倩;徐福缘;;基于机制的复杂适应系统建模[J];计算机应用研究;2008年05期

7 陈海;梁小英;高海东;王涛;;Multi-Agent System模型在土地利用/覆盖变化中的研究进展[J];自然资源学报;2008年02期

8 邱炳文;陈崇成;;基于多目标决策和CA模型的土地利用变化预测模型及其应用[J];地理学报;2008年02期

9 陶嘉;黎夏;刘小平;何晋强;;分析学习智能元胞自动机及优化的城市模拟[J];地理与地理信息科学;2007年05期

10 刘小平;黎夏;叶嘉安;何晋强;陶嘉;;利用蚁群智能挖掘地理元胞自动机的转换规则[J];中国科学(D辑:地球科学);2007年06期

  本文关键词：基于群体智能的城市用地动态变化模拟研究

  更多相关文章： 群体智能 元胞自动机 蚁群算法 转换规则 土地利用模拟

，

本文编号：514756