摘要
传统元胞自动机(CA)模型的转换规则不随模拟过程的时间和空间而变化,难以模拟和表达非线性地理过程。本文提出了基于集合卡尔曼滤波(EnKF)动态优化CA模型参数的方法,以提高模型对复杂地理过程模拟的适应能力。通过引入集合卡尔曼滤波到CA模型中,将模型参数与模型状态整合成一个联合状态矩阵(joint state matrix).再把该矩阵与观测数据输入到EnKF更新方程中,计算出新的参数值,并自动更新到模型中。从而实现动态调整模型运行轨迹,以更好地适应城市发展的过程模拟。将此方法应用于东莞市的城市模拟实验中,优化后的CA模型能在单参数和多参数优化中正确地调整模型参数使其迅速地收敛于真值并趋于平缓,也能降低模型误差并获得更好的模拟结果。