| 资助项目 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 选题背景及研究意义 | 第13-15页 |
| 1.1.1 选题背景 | 第13-15页 |
| 1.1.2 研究意义 | 第15页 |
| 1.2 国内外研究进展 | 第15-18页 |
| 1.2.1 元胞自动机规则挖掘研究 | 第15-16页 |
| 1.2.2 蜂群智能优化算法研究 | 第16-17页 |
| 1.2.3 研究现状小结 | 第17-18页 |
| 1.3 研究目标、内容及关键问题 | 第18-19页 |
| 1.3.1 研究目标 | 第18页 |
| 1.3.2 研究内容 | 第18页 |
| 1.3.3 关键问题 | 第18-19页 |
| 1.4 论文组织 | 第19-20页 |
| 第2章 研究基础 | 第20-26页 |
| 2.1 实验样区与实验数据 | 第20-23页 |
| 2.1.1 实验样区 | 第20-21页 |
| 2.1.2 实验数据 | 第21-23页 |
| 2.2 研究方法与技术路线 | 第23-25页 |
| 2.2.1 研究方法 | 第23页 |
| 2.2.2 实验平台 | 第23页 |
| 2.2.3 技术路线 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于蜂群智能的地理CA转换规则挖掘算法研究 | 第26-43页 |
| 3.1 蜂群智能优化与地理CA基本原理 | 第26-30页 |
| 3.1.1 地理CA基本原理 | 第26-29页 |
| 3.1.2 蜂群智能优化基本原理 | 第29-30页 |
| 3.2 基于蜂群智能的地理CA转换规则挖掘算法 | 第30-40页 |
| 3.2.1 地理CA转换规则构造与表达 | 第31-33页 |
| 3.2.2 BCO-CA转换规则挖掘算法设计 | 第33-34页 |
| 3.2.3 BCO-CA算法核心数学模型 | 第34-37页 |
| 3.2.4 BCO-CA算法的关键算子与实现 | 第37-40页 |
| 3.3 BCO-CA转换规则挖掘工具设计与实现 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于蜂群智能的地理CA转换规则挖掘算法实证研究 | 第43-69页 |
| 4.1 数据预处理与采样 | 第43-45页 |
| 4.2 城市动态演化模拟 | 第45-57页 |
| 4.2.1 基于BCO-CA的城市动态模拟 | 第47-49页 |
| 4.2.2 基于PSO-CA的城市动态模拟 | 第49-54页 |
| 4.2.3 基于Logistic-CA的城市动态模拟 | 第54-57页 |
| 4.3 模拟结果验证与对比分析 | 第57-68页 |
| 4.3.1 视觉验证分析 | 第57-64页 |
| 4.3.2 模拟精度量化分析 | 第64-66页 |
| 4.3.3 模拟结果空间格局的验证分析 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第5章 结论与展望 | 第69-71页 |
| 5.1 主要工作及结论 | 第69-70页 |
| 5.2 存在的不足及研究展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 在读期间发表的学术论文及科研成果 | 第76-77页 |
| 致谢 | 第77页 |
