[发明专利]一种基于元胞自动机的地理多元流数据时空自相关分析方法

摘要

本发明提供了一种基于元胞自动机的地理多元流数据时空自相关分析方法，采用改进的元胞自动机动态模型对地理数据的时空性与复杂性进行表达，并考虑了元胞(地理区域)转换规则和异步演化的空间异质性，可以更为准确地分析基于复杂网络的非线性结构地理多元流数据。本发明对元胞单元的分析，提取多种影响因子，可以更准确地得到元胞自动机模型参数，准确且效率高；利用ANN算法获取的转换规则，相比整个模型固定的转换规则具有动态性，更能描述且符合元胞的实际变换情况；根据Moran’s I表示元胞之间的相关性，更好、更清晰地反应地理数据的时空分布情况，从而更方便地进行后续的时空数据模型模拟与预测，使得模拟与预测精度更高。

主权项

1.一种基于元胞自动机的地理多元流数据时空自相关分析方法，其特征在于，包括如下步骤：步骤1，针对原始地理多元流数据进行分类，得到含有多种类别的栅格数据；步骤2，改进元胞自动机模型，建立一种符合地理多源流数据特性的元胞自动机模型；步骤3，将栅格数据中的每一网格定义为一个元胞单元，在每个元胞单元中提取影响因子；步骤4，确定元胞的状态情况及元胞之间的邻域关系；步骤5，随机抽取若干个元胞中的属性数据作为训练抽样数据；步骤6，考虑数据的多元性与时空性，利用机器学习中的ANN算法对训练抽样数据进行反复训练，直到得到最优解，并将得到的输出结果作为元胞自动机模型中所需用的参数；步骤7，将提取的影响因子作为输入层，采用训练得到的结果作为初始权重值，利用ANN算法挖掘每个元胞中的转换规则，得到该元胞类别转换为另一种类别的最初转换概率；步骤8，利用训练得到的输出层数据即转换概率数据，提取最大值，确定下一时刻元胞类别是否发生变化，确定转换为何种类别的趋势；步骤9，采用元胞模型的摩尔邻域方式，计算元胞之间的时空权重值；步骤10，根据地理多元流数据的连续特性，以及在空间位置、属性、时间三个层次上的模型表达形式，改进时空Moran’s I分析变量的时空结构；步骤11，顾及元胞之间的相关性，将步骤9计算的时空权重矩阵与步骤10中改进的Moran’s I指数，结合基于地理多元流数据建立的元胞自动机模型进行模拟分析与预测，形成在元胞自动机模型基础上具有时空自相关性分析功能的组合模型。