地理元胞自动机的动态转换规则的知识挖掘和自学习

元胞自动机(CA)可以被应用于模拟地理学及相关学科的地表现象的空间演变过程，属于GIS理论和方法研究的前沿性领域。目前CA模拟所用的转换规则的确定受主观因素影响非常大，而且都是静态的。当被模拟的区域较大和模拟的周期较长时，使用静态的转换规则是极为不合理的。我们率先开展了CA转换规则的知识挖掘研究，已经取得了初步的成果。有必要进一步利用GIS和遥感数据，对随时空而变化的转换规则进行知识挖掘。将从GIS和遥感数据挖掘出来的规则储存到规则库中，探讨采用案例推理的方法来再次使用这些规则。根据案例之间的吻合程度来搜索出合适的转换规则，并根据需要生成新的规则。结合GIS和多时相的遥感数据，采用智能学习的方法，使CA模型对变化的模拟环境具备自适应的能力。方法是对案例库中不同的案例进行学习，获取自适应的知识，挖掘出能够适应新情况的动态规则。并分析这些转换规则的区位效应，探讨其与资源环境和经济等要素的关系。