科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着土地开发建设规模不断扩大,土地利用情况也在逐年发生变化,准确预测未来土地利用的发展趋势,可以为本地区的土地利用规划提供依据,提升本地区的土地利用效率。传统方法一般采用CAMarkov、ANN以及CAANN模型进行预测,存在训练时间长、预测精度不足和缺乏说服力等问题。本文针对上述问题,结合元胞自动机以及人工神经网络模型,建立一种自适应可变滤镜网络模型,针对特定大小区域内的土地类别数目,创建多类数据集来训练不同参数的多个神经网络,可以成功预测未来土地变化的情况,这样就避免了训练单一网络时数据对网络权值的抵消。相比于传统模型中效果最好的CAANN模型,本文建立的自适应可变滤镜网络模型不仅总体精度提高了1%～3%,各种地类转化精度提高了12.82%～33.33%,模型预测时间也缩减了49.47%。
- 单位
