【摘要】：為合理利用多智能體算法解決城市擴張動態模擬問題,基于地理學理論和社會學規律對粒子群算法進行有針對性的改進,提出分段式粒子群算法(SPSO),并結合元胞自動機模擬復雜時空過程的能力,構建出適用于城市擴張模擬的地理元胞自動機SPSO-CA。在SPSO-CA中我們利用多時像的土地利用數據、交通路網數據和地形數據,挖掘出1995~2000年南京城市擴張的土地轉換規則。再由此規則實現1995~2008年的南京市城市擴張過程的動態模擬。最后對比SPSO-CA、PSOCA及NULL模型結果得:SPSO-CA總精度86.3%,Kappa系數為0.792,Moran’s I為0.078,PSO-CA總精度83.6%,Kappa系數為0.755,Moran’s I為0.054,NULL模型總精度81.9%,Kappa系數為0.741,真實的Moran’s I為0.072。這表明無論是總精度還是空間一致性,SPSO-CA都優于PSO-CA和NULL模型,即用SPSO-CA模擬城市擴張是可行的。
[Abstract]:In order to solve the problem of dynamic simulation of urban expansion using multi-agent algorithm reasonably, the particle swarm optimization algorithm is improved based on geography theory and sociological law. A segmented particle swarm optimization (SPSO),) algorithm is proposed and combined with the ability of cellular automata (CA) to simulate complex space-time processes. A geo-cellular automaton (SPSO-CA.), which is suitable for urban expansion simulation, is constructed. In SPSO-CA, land use data, traffic network data and terrain data are used to excavate the land conversion rules of Nanjing urban expansion from 1995 to 2000. Then the dynamic simulation of Nanjing urban expansion process from 1995 to 2008 is realized by this rule. Compared with the results of SPSO-CA,PSOCA and NULL models, it was found that the total accuracy of SPSO-CA,PSOCA and NULL models was 86.3and that the total accuracy of the model was 0.792m Morannica and 0.0778 PSO-CA. The total accuracy of the model was 0.755mnnnnl. The total accuracy of the model was 0.741, and the true Moran's I was 0.072.The total accuracy of the model was 0.74 1. The total accuracy of the model was 0.74 1, and that of the real Moran's I was 0.072%. It shows that SPSO-CA is superior to PSO-CA and NULL models in terms of total precision and spatial consistency, that is, it is feasible to use SPSO-CA to simulate urban expansion.
【作者單位】： 中國科學院南京地理與湖泊研究所流域地理學重點實驗室;中國科學院大學;江蘇省土地勘測規劃院;
【基金】：國土資源部重點地區土地綜合承載力調查評價項目(DCPJ131208-01) 江蘇省國土科技項目(201204)~~
【分類號】：TU984.113

【相似文獻】

相關期刊論文 前10條

1 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

2 吳軍;李為吉;;改進的粒子群算法及在結構優化中的應用[J];陜西理工學院學報(自然科學版);2006年04期

3 段海濤;劉永忠;馮霄;;水系統優化的粒子群算法分析[J];華北電力大學學報(自然科學版);2007年02期

4 王偉;;混合粒子群算法及其優化效率評價[J];中國水運(學術版);2007年06期

5 付宜利;封海波;孫建勛;李榮;馬玉林;;機電產品管路自動敷設的粒子群算法[J];機械工程學報;2007年11期

6 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測試選擇[J];電子測量與儀器學報;2008年02期

7 周苗;陳義保;劉加光;;一種新的協同多目標粒子群算法[J];山東理工大學學報(自然科學版);2008年05期

8 姚峰;楊衛東;張明;;改進粒子群算法及其在熱連軋負荷分配中的應用[J];北京科技大學學報;2009年08期

9 張大興;賈建援;張愛梅;郭永獻;;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學報;2009年09期

10 王麗萍;江波;邱飛岳;;基于決策偏好的多目標粒子群算法及其應用[J];計算機集成制造系統;2010年01期

相關會議論文 前10條

1 朱童;李小凡;魯明文;;位置加權的改進粒子群算法[A];中國科學院地質與地球物理研究所第11屆（2011年度）學術年會論文集(上)[C];2012年

2 陳定;何炳發;;一種新的二進制粒子群算法在稀疏陣列綜合中的應用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學系統的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學和運動穩定性學術會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優化設計中的應用[A];第十一屆全國膨脹節學術會議膨脹節設計、制造和應用技術論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統仿真技術及其應用（第7卷）——'2005系統仿真技術及其應用學術交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機參數選擇優化中的應用研究[A];2007中國控制與決策學術年會論文集[C];2007年

7 方衛華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學參數分區反演中的應用[A];2012年中國水力發電工程學會大壩安全監測專委會年會暨學術交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學學術年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標函數優化問題[A];第二十一屆中國（天津）’2007IT、網絡、信息技術、電子、儀器儀表創新學術會議論文集[C];2007年

相關博士學位論文 前10條

1 李慶偉;粒子群算法及電廠若干問題的研究[D];東南大學;2016年

2 杜毅;多階段可變批生產線重構的研究[D];廣東工業大學;2016年

3 尹浩;求解Web服務選取問題的粒子群算法研究[D];東北大學;2014年

4 王芳;粒子群算法的研究[D];西南大學;2006年

5 安鎮宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學;2012年

6 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學;2009年

7 黃平;粒子群算法改進及其在電力系統的應用[D];華南理工大學;2012年

8 胡成玉;面向動態環境的粒子群算法研究[D];華中科技大學;2010年

9 張靜;基于混合離散粒子群算法的柔性作業車間調度問題研究[D];浙江工業大學;2014年

10 張寶;粒子群算法及其在衛星艙布局中的應用研究[D];大連理工大學;2007年

相關碩士學位論文 前10條

1 張忠偉;結構優化中粒子群算法的研究與應用[D];大連理工大學;2009年

2 李強;基于改進粒子群算法的艾薩爐配料優化[D];昆明理工大學;2015年

3 付曉艷;基于粒子群算法的自調節隸屬函數模糊控制器設計[D];河北聯合大學;2014年

4 余漢森;粒子群算法的自適應變異研究[D];南京信息工程大學;2015年

5 梁計鋒;基于改進粒子群算法的交通控制算法研究[D];長安大學;2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學;2015年

7 李程;基于粒子群算法的AS/RS優化調度方法研究[D];陜西科技大學;2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環發動機數學模型問題[D];山東大學;2015年

9 陳百霞;考慮風電場并網的電力系統無功優化[D];山東大學;2015年

10 戴玉倩;基于混合動態粒子群算法的軟件測試數據自動生成研究[D];江西理工大學;2015年

，

本文編號：2258102