| Titre | Exploring human behaviour using agent-based modelling, neural networks and land use/land cover (LU/LC): a case study of flooding in the Limpopo River Basin, Xai-Xai, Mozambique |
| |
| Auteur | Fligg, R A; Barros, J |
| Source | International Geographical Union (IGU) 2013 - Applied GIS and Spatial Modelling; 2013 p. 1-25 |
| Image |  |
| Année | 2013 |
| Séries alt. | Secteur des sciences de la Terre, Contribution externe 20130401 |
| Réunion | International Geographical Union (IGU) 2013 - Applied GIS and Spatial Modelling; Leeds; UK; 2013 |
| Document | livre |
| Lang. | anglais |
| Media | numérique |
| Formats | pdf |
| Programme | Programme d'arpentage du Canada (9850) Programme d'arpentage du Canada |
| Résumé | (non publié)
La prise de décision dans les SIG est souvent basé sur la cartographie statique manque la dimension temporelle et comportement émergent . Modèles à base d'agents offrent un moyen
dynamique et novatrice pour résoudre les problèmes liés dans l'espace qui peuvent augmenter l'information pour l'atténuation des catastrophes naturelles et la gestion des urgences .
L' article présente un modèle à base d'agents pour une zone
d'inondation du bassin du fleuve Limpopo , Xai -Xai , au Mozambique , en utilisant des signatures spectrales et classés par catégories des caractéristiques du sol à partir d'images satellite GeoEye1 . Le modèle explore l'utilisation de six types de
réseaux de neurones , neuro-flou , feed-forward , modulaire , récurrente , stochastique et apprendre à classer comme un moyen de rendre la décision dans cet environnement .
Une conception hybride des réseaux de neurones a été utilisé pour simuler
la capacité cognitive de l'agent pour détecter , d'apprendre et de s'adapter lorsque vous voyagez sur un paysage au cours d'un épisode d'inondation . Dans le modèle , les agents cherchent une route plus sûre loin de l'inondation , de prendre des
décisions en fonction de leur évaluation de la couverture terrestre . Le processus de simulation de la pensée humaine intègre une plage de fonctionnement optimale de l'information pondérée qui augmente la capacité de l'agent à s'adapter au changement
.
La validation a été effectuée en utilisant des statistiques spatiales , l'analyse de régression , et également par comparaison de la sélection de la route à l'imagerie d'origine de 50 cm . Il y avait quatre résultats significatifs :
- Les
agents ont pris des décisions intelligentes sur le terrain qui a suggéré sens cognitifs humains simulés pour la survie .
- la sensibilisation limitée de l'environnement global a souvent abouti à de mauvaises décisions et les agents de se retrouver
et de se noyer , dans un comportement qui ressemble à la «panique» .
- l'interaction de l'agent multiple dans la même zone géographique a contribué au réseau de neurones produisant plus efficaces des résultats individuels .
- l'interaction de
l'agent multiple dans différentes zones géographiques a contribué au réseau de neurones produisant des résultats individuels inefficaces .
Les résultats suggèrent le comportement humain a été exposé dans le modèle , mais un niveau plus élevé de la
connaissance et la prise de décisions par les agents on pourrait s'attendre à un développement ultérieur. |
| Sommaire | (Résumé en langage clair et simple, non publié)
La prise de décision dans les SIG est souvent basé sur la cartographie statique manque la dimension temporelle et comportement émergent .
Modèles à base d'agents offrent un moyen dynamique et novatrice pour résoudre les problèmes liés dans l'espace qui peuvent augmenter l'information pour l'atténuation des catastrophes naturelles et la gestion des urgences . |
| GEOSCAN ID | 293477 |
|
|