资源简介

城市增长模型(UGM)对于城市的可持续发展非常重要,因为它们基于当前情景预测了未来的城市化进程。 实践证明,基于神经网络的元胞自动机模型可以预测城市的增长,使其更加接近现实。 最近,基于深度学习的技术正用于预测城市增长。 在本研究中,使用2010年和2013年城市地图的基于神经网络的元胞自动机(NN-CA)模型和基于深度信念的元胞自动机(DB-CA)模型来预测2017年钦奈都会区的城市增长。 由于研究区域经历了城市增长的拥堵类型,仅2013年的“现有建筑”就被用作城市化的代理来预测2017年的城市增长。经过验证,DB-CA模型被证明是更好的模型,因为它与仅预测502.42 km2的城市(kap

资源截图

代码片段和文件信息

评论

共有 条评论