图1 ANN-CA城市扩张模拟流程

2  研究方法

2。1  地理模拟优化系统（GeoSOS）

本文选用地理模拟优化系统（GeoSOS）为主要工作平台，研究了连云港地区的城市扩展模拟。黎夏、刘小平等人提出了地理模拟系统的理论框架，可弥补常规GIS在动态过程模拟分析方面的不足[5]，并将多智能体系统 (Multi-agentSystems, MAS)、元胞自动机 (Cellular Automata, CA) 和群集智能 (Swarm Intelligence, SI)集成为地理模拟和空间优化系统GeoSOS (http://www。geosimulation。cn)[6]。

元胞自动机模型是一种模拟复杂系统时空演变的有效工具，可以反映出城市化演变规律，常常被用于城市空间扩张的模拟和预测[7]以及城市规划情景分析[8，9]等等。目前基于CA的城市扩张模型有许多种，每种模型都有其自身的特点。GeoSOS对多个城市元胞自动机模型加以整合，如逻辑回归CA模型（Logistic-CA）[10]、神经网络CA模型(ANN-CA)[11]、决策树-CA (DT-CA)[12]等。 

2。2  ANN-CA模型

    本文的主要研究方法为利用基于人工神经网络的CA模型进行模拟。人工神经网络算法有很多优点：在数据质量较差的情况下仍然具有较好的鲁棒性，适用于解决复杂的非线性问题；不需要提供确切的数学表达式；也不要求变量具有独立性等。这些特点决定了ANN-CA模型十分适合运用到对复杂系统如土地利用系统的模拟之中。此外，神经网络算法也可以解决多变量的情况，本次研究中涉及到较多的空间变量，故适合选用。其算法主要如下：来~自,优^尔-论;文*网www.youerw.com +QQ752018766-

(1)在网络中，对于元胞x而言，隐藏层中的神经元j从输入层接收到的信号可以表示为：           

    (2)将隐藏层中神经元j的激活函数设置为：  (2)

(3)元胞x的开发概率由输出层的输出结果和一个随机扰动项构成。前者可表示为：

    (4)将随机扰动项表示为：      (4)

    (5)综上可得到元胞x在t时刻的开发概率：

人工神经网络最大的特点是黑箱算法，无需人为确定模型结构便可以通过对神经网络进行训练来自动获取模型参数，替代转换规则，使用起来较为方便。

神经网络共分为三层：输入层、输出层、隐藏层（图2）。输入层神经元个数为7个，对应着7个空间变量；隐藏层和输入层相应，设置了7个神经元；输出层则只有一个神经元。