利用生物地理学优化算法获取城市扩展元胞自动机模型参数

发布时间：2018-01-10 07:01

本文关键词：利用生物地理学优化算法获取城市扩展元胞自动机模型参数　出处：《武汉大学学报(信息科学版)》2017年09期 　论文类型：期刊论文

【摘要】：提出了一种基于生物地理学优化算法寻找城市扩展元胞自动机(cellular automata,CA)模型最佳参数的方法。转换规则制定及相应权重参数获取是构建城市扩展CA的核心和难点。生物地理学优化算法(biogeography-based optimization,BBO)通过模拟生物物种在栖息地的分布、迁移和灭绝来求解优化问题。利用BBO算法自动获取城市扩展CA模型参数值,构建BBO-CA模型进行城市扩展模拟实验,并与粒子群算法(particle swarm optimization,PSO)、蚁群算法(ant colony optimization,ACO)、遗传算法(genetic algorithm,GA)及逻辑回归(logistic regression,LR)等方法相比较。结果表明,BBO算法具有较好的收敛性,可有效地快速自动寻找城市扩展CA模型最佳参数组合,获取的空间变量权重参数较为合理;BBO-CA模型明显提升了城市用地模拟精度,城市用地模拟精度为72.5%,相对PSO、ACO、GA、LR各算法分别提升了1.1%、1.2%、2.7%和4.0%,Kappa系数达到0.700,分别提升了0.015、0.016、0.034和0.046,且整体空间布局与实际情况更为接近,验证了应用BBO算法的可行性与优势。
[Abstract]:This paper presents a method for finding the best parameters of urban expansion CA model based on biogeography optimization algorithm . The transformation rules and the acquisition of corresponding weight parameters are the core and difficult points of constructing the city extension CA . The results show that the BO - CA model can effectively and quickly find the optimal parameters of the urban expansion CA model . The results show that the BO - CA model has improved the urban land simulation precision and the urban land simulation accuracy is 72 . 5 % . The relative PSO , ACO , GA , LR algorithms respectively promote the urban land simulation precision and the Kappa coefficient is 0.700 , which is more close to the actual situation , and verifies the feasibility and advantage of the application of the BBO algorithm .

【作者单位】：武汉大学资源与环境科学学院;武汉大学地理信息系统教育部重点实验室;北京大学城市规划与设计学院;华中农业大学资源与环境学院;
【基金】：国家自然科学基金(41571384)~~
【分类号】：TP18
【正文快照】： 项目资助:国家自然科学基金(41571384)。元胞自动机(cellular automata,CA)作为一个离散的动力学模型,在模拟复杂非线性问题上具有独特的优势[1],在城市扩展模拟[2]、图像分割[3]、林火蔓延[4]、土地利用变化[5]等领域得到广泛的应用。城市扩展模拟是元胞自动机应用的一个热点

【相似文献】