基于集成学习和元胞自动机的城市地理模拟  

Urban Geosimulation Based on Ensemble Learning and Cellular Automata

作　　者：张锐豪[1,2] 赵耀龙[1,2] 吴智刚[3] 罗文斐[1,2] 

机构地区：[1]华南师范大学地理科学学院,广州510631 [2]华南师范大学智慧国土与资源环境研究中心,广州510631 [3]华南师范大学城市与区域发展研究中心,广州510631

出　　处：《华南师范大学学报（自然科学版）》2016年第1期101-107,共7页Journal of South China Normal University(Natural Science Edition)

基　　金："十二五"国家科技支撑计划课题(2012BAJ22B06)

摘　　要：针对常用城市地理模拟系统中元胞自动机转换规则获取算法的局限性,提出基于集成学习的元胞自动机,并将其应用于城市建设用地的动态模拟.以决策树作为弱分类器,应用集成学习和元胞自动机,模拟了东莞市2001—2005年的建设用地时空格局.精度评估的结果表明,经集成学习后的决策树比单个决策树对城市建设用地动态的模拟精度更高,算法泛化能力更好.In order to alleviate the limitation of obtaining transformation rules in GIS using cellular automata, a cel- lular automata based on ensemble learning is proposed for simulating urban dynamic geosimulation. Decision tree is used as weak classifier in the ensemble learning and cellular automata to simulate the urban spatio-temporal dynam- ics in Dongguan from 2001 to 2005. The accuracy results show that the simulation of ensemble learning is better than using decision tree alone for urban dynamic geosimulation; The new method can obtain better generalization a- bility.

关 键 词：集成学习 元胞自动机 城市地理模拟 决策树 

分 类 号：P209[天文地球—测绘科学与技术] TU984[建筑科学—城市规划与设计]