Comparison between CBR and CA methods for estimating land use change in Dongguan, China

摘要

用不同途径和模型，陆地使用变化(LUC ) 上的许多研究产出好结果。这些方法的应用揭示了优点和限制。然而， LUC 在政策和自然条件由于许多因素，和变化的影响是一个复杂问题。因此，特征和不同方法的地区性的适用性要求典型途径的进一步的研究，和比较被要求。自从 1980 年代末， CA 被用来模仿城市的生长，城市散漫并且成功地打使用进化。现在它在解决估计的 LUC 是很流行的问题。(CBR ) 作为一种人工智能技术，基于盒子的推理也被采用了后来由一些研究人员学习 LUC 2000 年代。越来越多的研究人员在 LUC 的学习使用了 CBR 方法。CA 途径是从许多典型简单部件构造的一个数学系统，它一起能够当 CBR 是一个面向问题的分析方法解决地理问题时，模仿复杂行为，特别地，地理进程的开车机制是什么时候，还没充分理解。这二个方法在 LUC 研究是完全不同的。在这篇论文，因此基于提高的 CBR 当模特儿，它在我们的以前的研究被建议(杜等。2009 ) ，在估计 LUC 的 CBR 和 CA 途径之间的比较被介绍。在 Dongguan 沿海的区域的 LUC，中国被调查。到学习区域的改进 CBR 和细胞的自动机(CA ) 的应用，生产从 CA 从改进 CBR，和 70.7% 精确性表明 89% 的类似评价精确性的结果。从结果，我们能看到 CA 和 CBR 途径的精确性是两个 >70% 。尽管 CA 方法在预言城市的类型有明显的优点， CBR 方法在预言非城市的类型有明显的趋势。就全部分析过程而言，在 CBR 的预处理工作量是不到 CA 途径的。因此， CBR 途径比为估计陆地使用变化的 CA 途径更灵活、实际上有用，这能被结束。