| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-23页 |
| ·湿地时空格局演变模拟的研究背景与意义 | 第10-11页 |
| ·湿地时空格局研究现状 | 第11-13页 |
| ·3S技术在湿地时空格局变化监测中的应用 | 第13-15页 |
| ·细胞自动机应用研究进展 | 第15-18页 |
| ·数据融合研究进展 | 第18-21页 |
| ·主要研究内容 | 第21-23页 |
| 2 构建湿地时空格局演变模型框架 | 第23-44页 |
| ·引言 | 第23-24页 |
| ·湿地时空格局演变模型构建 | 第24-37页 |
| ·湿地时空格局演变原理分析 | 第25-26页 |
| ·细胞自动机特性分析 | 第26-32页 |
| ·细胞自动机的不足以及解决方案 | 第32-37页 |
| ·宏观调节规则与微观状态转化结合方式研究 | 第37-41页 |
| ·宏观调节规则分类 | 第37-38页 |
| ·宏观调节规则与微观状态转化的结合 | 第38-41页 |
| ·结果检验标准建立 | 第41-43页 |
| ·小结 | 第43-44页 |
| 3 模糊神经网络融合空间数据实现微观状态转化 | 第44-75页 |
| ·引言 | 第44-46页 |
| ·神经网络融合空间数据的方式研究 | 第46-53页 |
| ·空间数据融合方式研究 | 第46-47页 |
| ·特征提取 | 第47-49页 |
| ·神经网络结构确定与融合结果分析 | 第49-53页 |
| ·基于样本分布特性建立T-S模糊神经网络 | 第53-73页 |
| ·基于逻辑推理的模糊神经网络 | 第54-57页 |
| ·基于样本分布特性的T-S模糊神经网络构建 | 第57-67页 |
| ·仿真实例 | 第67-73页 |
| ·基于样本分布特性的T-S模糊神经网络与细胞自动机的结合 | 第73-74页 |
| ·小结 | 第74-75页 |
| 4 粗集-神经网络模型融合空间数据获取宏观调节规则 | 第75-95页 |
| ·引言 | 第75-76页 |
| ·粗集与地理信息系统 | 第76-78页 |
| ·粗集理论基本概念 | 第76-77页 |
| ·粗集理论与空间信息 | 第77-78页 |
| ·粗集-神经网络模型构建 | 第78-92页 |
| ·规则约简 | 第79-83页 |
| ·神经网络对模糊规则集的模拟 | 第83-90页 |
| ·粗集-神经网络模型应用实例 | 第90-92页 |
| ·粗集-神经网络模型与细胞自动机的结合 | 第92-94页 |
| ·小结 | 第94-95页 |
| 5 扎龙湿地时空格局演变模拟预测 | 第95-128页 |
| ·引言 | 第95-96页 |
| ·扎龙湿地时空格局变化驱动因子分析 | 第96-110页 |
| ·研究区概况与工作流程 | 第96-100页 |
| ·扎龙湿地时空格局变化分析 | 第100-110页 |
| ·细胞自动机运行基本条件的分析和获取 | 第110-113页 |
| ·STEW模型的仿真结果及对比分析 | 第113-127页 |
| ·STEW模型的仿真结果 | 第113-121页 |
| ·模拟城镇扩展细胞自动机的推广 | 第121-124页 |
| ·三种细胞自动机的结果对比分析 | 第124-127页 |
| ·小结 | 第127-128页 |
| 结论 | 第128-130页 |
| 参考文献 | 第130-138页 |
| 攻读博士学位期间发表学术论文情况 | 第138-140页 |
| 创新点摘要 | 第140-141页 |
| 致谢 | 第141-142页 |