论文研究 基于深层信念和基于神经网络的元胞自动机模型的城市增长模型的比较以印度泰米尔纳德邦金奈大都市区为例

城市增长模型（UGM）对于城市的可持续发展非常重要，因为它们基于当前情景预测了未来的城市化进程。实践证明，基于神经网络的元胞自动机模型可以预测城市的增长，使其更加接近现实。最近，基于深度学习的技术正用于预测城市增长。在本研究中，使用2010年和2013年城市地图的基于神经网络的元胞自动机（NN-CA）模型和基于深度信念的元胞自动机（DB-CA）模型来预测2017年钦奈都会区的城市增长。由于研究区域经历了城市增长的拥堵类型，仅2013年的“现有建筑”就被用作城市化的代理来预测2017年的城市增长。经过验证，DB-CA模型被证明是更好的模型，因为它与仅预测502.42km2的城市（kap