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

作     者：王海军 夏畅 张安琪 张文婷 WANG Haijun XIA Chang ZHANG Anqi ZHANG Wengting

作者机构：武汉大学资源与环境科学学院湖北武汉430079 武汉大学地理信息系统教育部重点实验室湖北武汉430079 北京大学城市规划与设计学院广东深圳518055 华中农业大学资源与环境学院湖北武汉430000 

基　　金：国家自然科学基金(41571384)~~ 

出 版 物：《武汉大学学报（信息科学版）》 (Geomatics and Information Science of Wuhan University)

年 卷 期：2017年第42卷第9期

页      码：1323-1329页

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。

主 题 词：生物地理学优化算法 城市扩展 元胞自动机 地理模拟 

学科分类：12[管理学] 081603[081603] 081802[081802] 0709[理学-地质学] 06[历史学] 07[理学] 08[工学] 070502[070502] 070503[070503] 060201[060201] 120203[120203] 1202[管理学-工商管理类] 0708[理学-地球物理学类] 0818[工学-交通运输类] 0705[理学-地理科学类] 0815[工学-矿业类] 0816[工学-纺织类] 0602[0602] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13203/j.whugis20160438

馆 藏 号：203260883...