ANN-CA模型改进及城市用地动态模拟

作者：刘明皓; 李东鸿

来源：重庆邮电大学学报(自然科学版), 2014, (05): 720-726.

• 人工神经网络(ANN)
• 元胞自动机(CA)
• 城市模拟
• 土地利用 artificial neural network(ANN)
• cellular automata(CA)
• urban simulation
• land use

针对传统ANN-CA(artificial neural network—cellular automata)模型在城市动态模拟中用地转换阈值确定繁琐以及全局模拟效果不佳的问题。以ArcGIS和Matlab2012b为开发平台,构建了一个"自上而下"和"自下而上"相结合的改进模型,以重庆市南岸区为例进行土地变化模拟,对比模型改进前后的模拟效果并讨论邻域设置对模型精度的影响。结果显示,改进后模型的模拟结果不论是精度还是Kappa系数都高于传统模型的模拟结果,而且改进后模型转换阈值的设置方便灵活,无需经过多次试验来获取,随着邻域设置范围的增大,模型的模拟精度也得到一定的改善。

• 出版日期2014
• 单位重庆邮电大学