地理模拟系统：元胞自动机与空间智能

目录
序
前言
第1章 导论 1
1.1 地理元胞自动机 1
1.2 空间多智能体系统 6
参考文献 6
第2章 地理模拟系统 8
2.1 地理学研究方法的回顾 8
2.2 地理模拟系统的提出及定义 9
2.3 地理模拟系统有关的基础及其发展历史 13
2.4 地理模拟系统在地理研究中的重要性 15
2.5 地理模拟系统的研究内容与手段 16
2.6 地理模拟系统与GIS 的关系 18
2.7 地理模拟系统与多智能体系统的关系 20
2.8 地理模拟系统与系统动力学的关系 20
2.9 地理模拟系统与空间信息网格的关系 21
参考文献 21
第3章 地理模拟系统的空间数据获取 23
3.1 空间数据采集的一般方法 23
3.2 利用各种GIS 空间分析方法获取进一步的空间数据 24
3.3 利用GIS 获取城市模拟的输入数据 25
3.3.1 进行城市模拟的空间变量的获取 25
3.3.2 城市形态和结构信息的获取 27
3.3.3 土地评价 29
3.4 利用遥感获取地理模拟的输入数据 30
3.4.1 遥感在城市模拟中的应用 30
3.4.2 遥感动态变化监测的主要方法 31
参考文献 35
第4章 基于元胞自动机的城市及地理模拟 37
4.1 元胞自动机的发展历史 37
4.1.1 元胞自动机与计算科学的发展 37
4.1.2 元胞自动机与复杂系统的模拟 38
4.2 元胞自动机进行城市与地理模拟的原理及方法 40
4.2.1 基于“生命游戏”规则的CA 40
4.2.2 地理元胞自动机 42
4.2.3 地理元胞自动机与转换规则 42
4.3 常用的CA 模拟软件 45
参考文献 46
第5章 CA 建模以及转换规则获取的方法 48
5.1 未来各类用地需求总量确定的原理及方法 48
5.1.1 马尔可夫链方法 48
5.1.2 系统动力学方法 50
5.2 CA 转换规则确定的一般方法 54
5.2.1 基于多准则判断的方法 54
5.2.2 基于Logistic 回归的CA 56
5.2.3 基于5 个因子的SLEUTH 模型 57
5.2.4 基于“灰度”的转换规则 60
5.2.5 基于主成分分析的元胞自动机 61
5.2.6 基于神经网络的元胞自动机 63
参考文献 65
第6章 转换规则获取的智能式方法 67
6.1 数据挖掘及转换规则 67
6.2 遗传算法与CA 的参数选择 69
6.3 基于Fisher 判别和离散选择的CA 71
6.4 基于非线性核学习机自动提取地理元胞自动机的转换规则 75
6.5 基于支持向量机的元胞自动机 79
6.6 基于粗集的知识发现与地理模拟 84
6.6.1 粗集和约简的决策规则 84
6.6.2 基于粗集的CA（RS-CA） 87
6.7 基于案例推理元胞自动机的地理模拟 89
6.7.1 基于规则（rule-based）的地理元胞自动机 89
6.7.2 基于案例（case-based）的地理元胞自动机 89
参考文献 93
第7章 元胞自动机：过程模拟与知识发现的工具 95
7.1 利用逻辑回归模型进行城市模拟 95
7.2 基于主成分分析的CA 与城市模拟 99
7.3 利用基于神经网络的CA 模拟土地利用变化 103
7.3.1 空间变量及训练数据 104
7.3.2 神经网络的结构 105
7.3.3 神经网络的训练 105
7.3.4 土地利用变化的动态模拟及预测 105
7.4 基于数据挖掘的CA 及城市模拟 108
7.4.1 CA 转换规则的自动挖掘 108
7.4.2 模拟结果及检验 111
7.5 城市形态演变“基因”的知识挖掘及优化模拟 114
7.5.1 城市演变“基因”的获取与优化 114
7.5.2 模型应用及结果分析 116
7.5.3 结论 123
7.6 Fisher 判别及元胞自动机转换规则的自动获取 123
7.7 从高维特征空间中获取元胞自动机的非线性转换规则 127
7.8 基于支持向量机的元胞自动机及土地利用变化模拟 131
7.9 基于粗集的知识发现与地理模拟 138
7.10 基于案例推理的CA 动态转换规则及大区域城市演变模拟 145
参考文献 154
第8章 元胞自动机：城市与区域规划的辅助工具 156
8.1 引言 156
8.2 约束性CA 及可持续城市发展形态的模拟 158
8.3 基于元胞自动机的城市发展密度模拟 163
8.4 利用CA 和GIS 结合辅助生成农田保护区 171
8.5 基于神经网络的CA 及真实和优化的城市模拟 177
8.6 约束性CA 在城市规划中的应用——以广东省东莞市为例 182
8.6.1 三种约束性的CA 183
8.6.2 CA 在城市规划中的三种主要功能 191
8.7 基于城市扩张的动态选址模型——以深圳垃圾转运站选址为例 196
8.7.1 交替式Location-allocation 算法 197
8.7.2 城市扩张模型 198
8.7.3 动态选址模型 200
8.7.4 应用 201
参考文献 206
第9章 地理元胞自动机的不确定性研究 209
9.1 引言 209
9.2 城市CA 的不确定性 210
9.2.1 数据源误差 210
9.2.2 操作或转换误差 211
9.2.3 城市CA 建模中的模型不确定性 212
9.3 城市CA 中的不确定性评价 213
9.3.1 城市CA 的误差传递 213
9.3.2 CA 中的不确定性 215
9.4 结论 220
参考文献 221
第10章 元胞自动机模型与大尺度模拟及城市精细化模拟 223
10.1 灰度CA 模型与大尺度城市扩张模拟 224
10.1.1 大尺度灰度CA 模型的原理与设计 225
10.1.2 基于灰度CA 模型的未来我国城市扩张模拟与验证 231
10.2 斑块CA 模型与城市空间格局演变模拟 235
10.2.1 嵌入斑块模拟机制的CA 模型与城市发展模拟 235
10.2.2 时序–斑块CA 模型及城市空间格局演变模拟 247
10.3 矢量CA 模型与城市精细化模拟 256
10.3.1 耦合动态地块分裂的矢量CA 模型 258
10.3.2 基于DLPS-VCA 的土地利用精细模拟 263
10.3.3 基于多种未来情景的城市土地利用发展预测 267
参考文献 269
第11章 多智能体的基本原理 273
11.1 多智能体的历史根源与基本概念 273
11.2 多智能体系统的原理 277
11.3 基于计算机的多智能体 278
11.4 基于地理空间的多智能体 279
11.5 多智能在经济、资源环境中的应用 280
11.6 多智能体与CA 及GIS 的集成 281
11.6.1 多智能体与CA 集成的必要性 281
11.6.2 多智能体与CA 及GIS 集成的必要性 281
11.6.3 多智能体与CA 及GIS 集成的可行性 282
11.7 多智能体系统的公共建模平台 282
参考文献 284
第12章 基于多智能体系统的空间决策行为及土地利用格局演变的模拟 285
12.1 引言 285
12.2 基于多智能体的城市土地利用变化模拟模型 286
12.2.1 环境要素层 286
12.2.2 多智能体及决策行为 287
12.3 模型的应用 290
12.3.1 实验区及数据处理 290
12.3.2 模型的简化 290
12.3.3 模型的应用 291
12.4 模型的检验 296
12.5 结论 297
参考文献 298
第13章 CA 和MAS 结合的城市土地资源可持续发展的规划模型 300
13.1 可持续发展与城市土地资源规划 300
13.2 城市发展预测的微观模型 300
13.3 基于CA 和MAS 的城市土地资源可持续发展及规划模型 301
13.3.1 多智能体及决策行为 302
13.3.2 元胞自动机层 306
13.4 模型的应用 307
13.4.1 实验区及数据 307
13.4.2 城市土地资源可持续发展需求预测 307
13.4.3 模型的应用及结果 308
13.5 结论和讨论 310
参考文献 311
第14章 CA 和MAS 结合的城市工业及基本就业空间增长过程的微观模拟 313
14.1 引言 313
14.2 工业企业及基本就业空间增长的CA-MAS 微观模型 314
14.2.1 工业企业及基本就业空间增长 314
14.2.2 工业企业及基本就业空间增长的多智能体和环境 316
14.2.3 工业企业及基本就业空间增长的CA-MAS 模拟模型 318
14.3 应用 320
14.4 结论 325
参考文献 325
第15章 地理模拟与优化系统：软件及其应用 327
15.1 地理模拟与优化系统 327
15.1.1 GeoSOS 理论与方法 328
15.1.2 GeoSOS 软件介绍 332
15.1.3 GeoSOS 与地理国情分析 334
15.1.4 GeoSOS 与“三规合一”信息服务 344
15.2 GeoSOS-FLUS 模型与应用 351
15.2.1 GeoSOS-FLUS 模型与方法 351
15.2.2 GeoSOS-FLUS 软件介绍 353
15.2.3 FLUS 模型与土地利用情景模拟 354
15.2.4 FLUS 模型与城市增长边界划定 356
参考文献 367