[发明专利]基于地理信息系统的深度学习元胞自动机仿真分析方法

摘要

本发明公布了一种基于地理信息系统的深度学习元胞自动机仿真分析方法，综合运用地理信息系统、深度学习和元胞自动机等，对数据进行综合模拟仿真分析。该方法基于地理信息系统和数据库等技术，运用深度学习挖掘提取元胞自动机的转换规则并进行模型的构建，采用集中管理维护的设计模式，对研究区域内的信息进行统一的控制和管理。本发明实现图文并貌一体化的维护管理、综合查询、空间分析和仿真分析等功能。本发明的有益效果是综合运用地理信息系统、深度学习、元胞自动机和空间分析技术，研究仿真分析的方法和技术，在该领域理论方法上实现创新。

主权项

基于地理信息系统的深度学习元胞自动机仿真分析方法，其特征在于：按照以下步骤进行：步骤1：获取地理信息，包括空间数据和属性数据；步骤2：利用地理信息建立相应的空间数据库和属性数据库；步骤3：构建深度学习模型；第1步：分别单独无监督地训练每一层多层受限的玻尔兹曼机(RBM)网络，确保特征向量映射到不同特征空间时，都尽可能多地保留特征信息；第2步：在深度可信网络(DBN)的最后一层设置BP(Back Propagation)网络，接收RBM的输出特征向量作为它的输入特征向量，有监督地训练实体关系分类器，每一层RBM网络确保自身层内的权值对该层特征向量映射达到最优，反向传播网络将错误信息自顶向下传播至每一层RBM，微调整个DBN网络；步骤4：构建元胞自动机模型；元胞自动机，包括元胞空间和元胞转换规则两部分；元胞空间：任意一个n维元胞自动机都可以定义成如下四元组C＝(D_n,S,N,f)式中，D_n为n维欧氏空间，S是有限状态集合，r表示元胞自动机的格位，对于格位r上的元胞在t时刻的状态可以表示为S(r,t)＝{S₁(r,t),S₂(r,t),…,S_k(r,t)}S_k(r,t)表示格位r上的元胞在t时刻的第k个状态；N为r为中心元胞的邻域，是D_n的有限的序列子集N＝{N₁,N₂,…,N_q}N_q表示元胞r的第q个邻居相对于r的位置；f为S(r,t)→S(r,t+1)的转化规则f＝{f₁,f₂,…f_m}f_m表示元胞的空间的第m个转化规则，若元胞的当前状态为S(r,t)，那么它下一个状态的第j个转化规则为S(r,t+1)＝f_j(S(r+N₁,t),S(r+N₂,t),…,S(r+N_q,t))j＝1,2,…,m；步骤5：应用深度学习模型和元胞自动机模型仿真分析空间数据库和属性数据库。