基于神经网络的元胞自动机及模拟复杂土地利用系统

本文提出了基于神经网络的元胞自动机 (CellularAutomata), 并将其用来模拟复杂的土地利用系统及其演变。国际上已经有许多利用元胞自动机进行城市模拟的研究, 但这些模型往往局限于模拟从非城市用地到城市用地的转变。模拟多种土地利用的动态系统比一般模拟城市演化要复杂得多, 需要使用许多空间变量和参数, 而确定模型的参数值和模型结构有很大困难。本文通过神经网络、元胞自动机和GIS相结合来进行土地利用的动态模拟, 并利用多时相的遥感分类图像来训练神经网络, 能十分方便地确定模型参数和模型结构, 消除常规模拟方法所带来的弊端。