扎龍濕地時空格局演變的細胞自動機模型研究.pdf

1、濕地時空格局的動態(tài)演變模擬有利于監(jiān)測和分析濕地格局的變化，可以形象地輔助管理濕地資源。目前，濕地格局變化的研究多為景觀指數(shù)計算分析，較少反映格局的時空特性，不能檢測具體位置的變化過程，因此難以實施更具針對性的管理措施。而模擬濕地時空格局的動態(tài)演變恰好可以彌補景觀指數(shù)分析的不足。本文針對濕地格局變化以及已有時空數(shù)據(jù)的特點，集成神經網絡、模糊邏輯、粗集理論等多種智能方法，構建細胞自動機模型，來模擬濕地時空格局演變。主要研究內容和結果如下：

2、 (1)因為細胞自動機具有時空特性，能夠模擬復雜系統(tǒng)的演化過程，所以本文以細胞自動機為框架，構建了濕地時空格局演變模型。集成多種智能方法，自動實現(xiàn)微觀狀態(tài)轉化和獲取宏觀調節(jié)規(guī)則。本文將相同狀態(tài)細胞的質心位置移動作為一種宏觀調節(jié)規(guī)則，引導細胞狀態(tài)轉化的方向，彌補了已有的宏觀規(guī)則只是限制備個狀態(tài)的細胞數(shù)量的不足。為了有效驗證所提模型結果，本文提出綜合性比較方法，不僅考慮到像素點的相似性，還考慮了斑塊形狀、排列對格局的影響。 (

3、2)針對濕地時空格局變化的復雜性和監(jiān)測數(shù)據(jù)的模糊性、多尺度的特點，構建基于樣本分布特性的Takagi-Sugeno模糊神經網絡，實現(xiàn)細胞自動機的微觀狀態(tài)轉化。該T-S模糊神經網絡基于樣本的分布特性，自動確定變量語言值的隸屬度函數(shù)，合理劃分模糊空間。根據(jù)所確定的隸屬度函數(shù)，模糊化聚類中心來確定初始規(guī)則，并通過聚合方法得到帶有重要度的最終規(guī)則集?；谒靡?guī)則集的前件，連接模糊化層和推理層，簡化網絡結構。仿真結果表明該網絡比已有T-S模糊神經

4、網絡具有更高的模擬精度和更好的泛化能力。 (3)針對濕地社會經濟資料缺乏以及難以建立公式獲取數(shù)值宏觀規(guī)則的問題，構建粗集-神經網絡模型，通過約簡和模擬規(guī)則集獲取語言值表達的宏觀規(guī)則，來調節(jié)細胞自動機中微觀狀態(tài)轉化可能性的大小。為了提高粗集所得規(guī)則的泛化能力，本文提出用參數(shù)表示隸屬度函數(shù)的方法，將每個規(guī)則的前、后件語言值作為輸入、輸出數(shù)據(jù)，采用三層前向網絡實現(xiàn)規(guī)則集。與常用的隸屬度函數(shù)向量表示法、區(qū)間表示法相比，這種方法使得網絡訓

5、練速度更快，對待識樣本的推理結果更準確。 (4)模擬和預測扎龍濕地時空格局演變。首先對扎龍濕地1986年-2002年的格局進行指數(shù)分析，挖掘促使其格局變化的驅動因子。其次以1986年-1999年已有的扎龍濕地格局為基礎，利用濕地時空格局演變模型預測2000年-2002年的格局變化。同時修正模擬城鎮(zhèn)擴展的兩種細胞自動機模型，也用來預測扎龍濕地的時空格局演變。結果表明，本文所提模型比修正模型更精確地預測出扎龍濕地的格局演變，平均預測