耦合集合卡尔曼滤波的非线性参数估计

准确的参数对于非线性模型或者函数有极为重要的意义。但是在实际应用中,输入的参数常常带有一定的偏差,因此在预测中非线性模型(函数)往往得不到满意的结果。把集合卡尔曼滤波方法引入到非线性模型(函数)的参数估计中,并采用基于联合状态向量的方法在同化时刻同时更新模型(函数)的状态和参数,该方法可以通过同化观测数据,动态地调整参数和结果,使得参数能够自适应地变化,同时也能较好地释放积累的模型误差。将该方法应用于随时间变化的二维非线性模型(函数)中,实验表明,该方法能够准确地估计出模型参数值,同时也表现出很好的鲁棒性和自适应性。     

基于MCE-CA的东莞市紧凑城市形态模拟

针对快速城市化引起的城市蔓延问题,利用多准则判断元胞自动机(MCE-CA)模型模拟紧凑的城市空间形态。该模型主要考虑城市发展区位和农业适宜性条件,通过AHP方法确定参数权重。以广东省东莞市为实验区,在准确模拟东莞市2001-2005年的实际城市形态的基础上预测了2010和2020年城市形态。进一步模拟了用地更为紧凑、优质农田损失更少的紧凑城市形态。通过比较发现,后者的城市形态避免了用地分散、凌乱的问题,也节约了更多的优质农田。     

GPU-CA模型及大尺度土地利用变化模拟

在全球变化研究中,对省和国家尺度的土地利用变化过程进行模拟具有重要的意义.但大尺度的土地利用变化模拟存在数据量大、计算复杂、计算时间长等难点,由于计算能力和传统基于CPU计算模式的制约,在普通计算机中难以执行这样的模拟.把最新发展的GPU高性能计算技术与元胞自动机(CA)模型相结合,提出了GPU-CA大尺度土地利用变化模拟模型,并将其应用到省级尺度的土地利用变化模拟中.介绍了模型的问题映射、需解决的关键技术问题和计算的流程,并分析了GPU-CA模型在计算性能上的优势.通过全广东省的土地利用变化模拟,对GPU-CA模型进行了验证.实验表明,GPU-CA模型可以将原有一般CA模型的运行效率提高30倍以上,能够有效地应用于省和国家级的土地利用变化模拟,为全球变化模型提供重要的地表景观变化信息.