基于人工神经网络的约束型城市扩展 CA 模型与应用.pdfVIP

硕士学位论文 基于人工神经网络的约束型城市扩展CA 模型与应用 摘 要 本研究在已有的地理元胞自动机（CA ）模型研究的基础上，将BP 神经网络与CA 模型 相结合，并加入了宏观社会经济模型进行总量控制，构建了一个神经网络支持下的约束型城 市扩展元胞自动机模型（ANN-Urban-CA 模型），用于模拟和预测城市扩展的演变过程和未 来发展。 在该模型中，利用一个两层BP 神经网络的训练来自动获取CA 模型的转换规则和模型 参数。利用 CA 模型计算实现神经网络的仿真过程并取得每个用地单元的城镇用地转换概 率。通过设置转换阈值来模拟城市扩展的历史演变；通过设置未来城镇用地总体情景方案， 并利用Tietenberg 经济学模型计算未来各时期城镇用地增量最佳配置，再经过CA 计算来预 测城市扩展未来的情景。 运用该模型，在已有的多期北京市土地利用数据（1980，1995，2000 ）的基础上，对北 京市2000 年城镇用地进行了模拟，并取得了较为满意的效果。并通过Tietenberg 模型与CA 模型的结合，对北京市未来6 种城镇用地总体情景方案做了预测。 实践证明： （1）该模型可以在一定程度上反映城市扩展演变的基本特征和规律。由于利用了BP 神 经网络强大的并行运算能力和对非线型复杂系统的处理能力，使得确定CA 模型的转换规则 和参数相对简单并且可靠程度较高，较为有效地避免了用户的主观因素影响，节省了大量为 确定CA 模型转换规则和模型参数所耗费的精力和机时。 （2 ）由于采用了宏观社会经济模型（Tietenberg 模型）对CA 模型的扩展做了有效的总 量控制，ANN-Urban-CA 模型对城市未来扩展的预测，较好地实现了城镇用地总量最优和空 间位置最佳的有机结合，使得城镇用地效益最大化。可是说，模型对未来城市扩展的预测， 实际上是提供了一种相对比较理想的城市发展格局。预测结果对城市的未来规划具有一定的 参考价值。 （3 ）另外，该模型还考虑了城市扩展过程中的不确定性因素的影响。在 CA 模型的运 行过程中，对可能新增加的城镇用地边缘地带和可能新增加的城镇用地扩展中心加入了随机 过程。这与现实世界的城市扩展过程是基本符合的。 可见，基于神经网络的约束型CA 模型通过对空间局部个体在时间序列上的行为变化与 宏观全局行为的模拟，能够较为有效地对非线性的复杂人地系统进行时空耦合模拟；解决了 人地关系研究当中空间差异和时间演化相结合的问题，为人地关系研究提供了新的思路，为 探索人地关系的动态演化过程提供了新的途径。 关键词：人工神经网络 约束型元胞自动机模型 城市扩展 北京 硕士学位论文 基于人工神经网络的约束型城市扩展CA 模型与应用 The Artificial-neural-network-based Constrained CA model for Simulating Urban Growth and Application Abstract: In this thesis, a cellular automata model with the supporting of neural networks is developed to simulating urban growth. As we know, there are many factors having impacts on urban growth, and the relationship within them is very complex and non-linear. In Geo-CA researches, a lot of models with different structure are developed to simulating that relationship. But, its very time consuming in finding the proper values of parameters for CA models through general calibrati