地理計算智能與城市動態(tài)變化及開發(fā)強度模擬

1緒論 1
l.1城市動態(tài)模擬發(fā)展概要 1
1.2城市用地動態(tài)變化的驅動因子及其特性 5
1.3城市用地動態(tài)模擬基本過程 6
1.3.1情景假設 6
1.3.2數(shù)據(jù)處理 6
1.3.3模擬預測 6
1.3.4結果驗證 7
1.4國內外城市模擬研究動態(tài) 8
1.4.1國內外城市模擬研究現(xiàn)狀 8
1.4.2研究趨勢 13
1.5人工智能在城市土地利用動態(tài)模擬中的應用 15
1.5.1轉換規(guī)則的提取方法 15
1.5.2人工智能的規(guī)則提取方法 16
1.6城市土地開發(fā)強度研究現(xiàn)狀及趨勢 20
1.7研究區(qū)概況 21
1.8本書結構 23
1.8.1城市用地變化動態(tài)檢測與分析 23
1.8.2城鄉(xiāng)建設用地分布模式研究 24
1.8.3城市用地動態(tài)模擬 24
1.8.4城市開發(fā)強度宏觀控制模型構建與預測 24
2城市用地動態(tài)變化檢測與分析 31
2.1城市用地動態(tài)變化檢測研究發(fā)展概述 31
2.2數(shù)據(jù)來源與研究方法 32
2.2.1數(shù)據(jù)來源 32
2.2.2研究方法 33
2.3城市用地動態(tài)變化的結果分析 36
2.3.1總動態(tài)度分析 37
2.3.2地類活躍度分析 38
2.3.3用途轉換波動度分析 41
2.4 小結 44
3城鄉(xiāng)居民點空間分布模式及其規(guī)律 46
3.1居民點空間分布模式研究概述 46
3.2居民點空間分布模式研究方法 47
3.2.1 基本原理 47
3.2.2數(shù)據(jù)來源與數(shù)據(jù)處理 48
3.3基于景觀指數(shù)的農(nóng)村居民點統(tǒng)計特征 49
3.3.1分布破碎，平均規(guī)模小 49
3.3.2農(nóng)村居民點分布密度大 50
3.4農(nóng)村居民點空間分布模式 50
3.4.1 樣方分析 50
3.4.2最鄰近指數(shù)分析 54
3.4.3 Voronoi多邊形分析 56
3.4.4核密度分析 58
3.5農(nóng)村居民點等級分布規(guī)律 58
3.6農(nóng)村居民點空間分布的相關性分析 61
3.6.1回歸分析 61
3.6.2影響農(nóng)村居民點空間分布的因素 61
3.6.3農(nóng)村居民點空間分布的相關性分析 63
3.7城鎮(zhèn)用地空間分布 64
3.7.1城鎮(zhèn)用地空間分布模式 64
3.7.2城鎮(zhèn)用地等級分布規(guī)律 65
3.8 小結 66
4基于DYNA-CLUE模型的城市動態(tài)模擬 68
4.1城市動態(tài)模擬概述 68
4.2城市動態(tài)模擬的數(shù)據(jù)處理與技術方案 69
4.2.1城市動態(tài)模擬的數(shù)據(jù)來源與數(shù)據(jù)處理 69
4.2.2 土地利用變化動態(tài)模擬技術流程 71
4.3基于DYNA-CLUE模型的城市動態(tài)模擬過程 71
4.3.1未來土地利用需求預測 71
4.3.2設定空間限制 74
4.3.3特定土地利用類型轉換設置 74
4.3.4 土地適宜性參數(shù)獲取 76
4.3.5其他相關參數(shù)的設置 76
4.4分析結果 76
4.4.1回歸結果分析 76
4.4.2 模型檢驗 79
4.4.3模擬結果分析 81
4.5 小結 84
基于指數(shù)平滑的DYNA-CLUE模型改進 87
5.1關于DYNA-CLUE模型的研究進展 87
5.2 DYNA-CLUE模型改進方案 88
5.2.1實驗的數(shù)據(jù)來源及預處理 88
5.2.2 DYNA-CLUE模型改進的技術流程 89
5.2.3模擬方法 90
5.3結果分析 92
5.3.1 Logistic回歸結果分析 92
5.3.2指數(shù)平滑與模擬結果分析（參數(shù)驗證） 94
5.3.3未來用地格局模擬 96
5.4 小結 99
基于人工神經(jīng)網(wǎng)絡的城市用地動態(tài)模擬 101
6.1 前言 101
6.2模型原理 102
6.2.1數(shù)據(jù)處理模塊 103
6.2.2人工神經(jīng)網(wǎng)絡模塊 104
6.2.3 CA 模塊 105
6.3南岸區(qū)土地利用演化模擬 105
6.3.1 研究區(qū)域概況 105
6.3.2數(shù)據(jù)處理與空間變量 106
6.3.3 神經(jīng)網(wǎng)絡的結構 106
6.3.4神經(jīng)網(wǎng)絡訓練 108
6.3.5神經(jīng)網(wǎng)絡訓練結果分析 108
6.3.6用地動態(tài)變化的模擬 110
6.4 小結 111
7基于深度學習方法的城市用地動態(tài)變化模擬 113
7.1深度學習概述 113
7.2深度置信網(wǎng) 114
7.2.1 受限玻爾茲曼機 116
7.2.2 Gibbs 抽樣 118
7.2.3對比散度學習算法 118
7.2.4深度置信網(wǎng)訓練 119
7.3 土地利用轉換規(guī)則挖掘 119
7.3.1輸入與輸出定義 119
7.3.2基于DBN的轉換規(guī)則挖掘 121
7.3.3規(guī)則生成 123
7.4模擬實施及結果分析 124
7.4.1精度評價方法 125
7.4.2實驗設計 125
7.4.3模型驗證 126
8城市用地動態(tài)變化的整合模型構建與模擬研究 131
8.1整體模型研究概述 131
8.2模型整合與模塊設計 132
8.2.1 建模思想 132
8.2.2模塊構建 133
8.3 實證研究 136
8.3.1 研究區(qū)域 136
8.3.2數(shù)據(jù)來源與數(shù)據(jù)預處理 136
8.3.3人工神經(jīng)網(wǎng)絡訓練 137
8.3.4模型驗證與相關參數(shù)設置 137
8.3.5不同模型方案對比分析——模型檢驗 140
8.3.6對城鄉(xiāng)建設用地空間格局的未來模擬與預測——模型預測 140
8.4 小結 142
9城市土地開發(fā)強度空間分布及影響因子分析 146
9.1城市土地開發(fā)強度概述 146
9.2數(shù)據(jù)來源與方法 147
9.2.1 研究區(qū)域 147
9.2.2數(shù)據(jù)來源 147
9.2.3研究方法 148
9.3 主要步驟 148
9.3.1 土地開發(fā)強度分區(qū) 148
9.3.2 土地開發(fā)強度影響因子選擇 150
9.3.3 土地開發(fā)強度相關性分析 150
9.3.4鄰域豐度分析 151
9.4結果分析 152
9.4.1 回歸分析結果 152
9.4.2鄰域豐度分析結果 155
9.5 小結 156
10城市開發(fā)強度宏觀控制模型構建與預測^ANN模型構建 158
10.1開發(fā)強度控制模型研究概述 158
10.2研究方法與數(shù)據(jù)來源 158
10.2.1研究方法 158
10.2.2數(shù)據(jù)來源與數(shù)據(jù)處理 160
10.2.3數(shù)據(jù)仿真 168
10.3結果分析 170
10.3.1 不同方案對比 170
10.3.2全局仿真結果 174
10.3.3不含鄰域因子與鄰域因子全局模擬結果對比 175
10.4 小結 175
11基于PSO的城市土地開發(fā)強度預測模型構建 178
11.1基于PSO的城市土地開發(fā)強度預測概述 178
11.2方法和數(shù)據(jù)來源 178
11.2.1 PSO 基本原理 178
11.2.2數(shù)據(jù)來源 180
11.2.3 數(shù)據(jù)處理過程 181
11.3 結果分析 182
11.3.1局部模擬結果驗證（偷中區(qū)） 183
11.3.2全部模擬（重慶主城9區(qū)） 185
11.4 小結 186