基于BP人工神经网络的城市土地利用效益评价研究.docVIP

基于BP人工神经网络的城市土地利用效益评价研究 　　摘要： 采用BP人工神经网络模型，通过构建辽阳市城市土地利用效益评价指标体系，对2000~2009年辽阳市城市土地利用效益进行了定量评价。结果表明：辽阳市近10年的城市土地利用效益水平呈不断上升趋势。 　　Abstract: The paper evaluated urban land use efficiency for Liaoyang city by using the model of BP neural network and indexes system during 2000~2009. The BP neural network was applied and trained by training data after having dealed the evaluation indexes with dimensionless mode. The results indicated that land use efficiency index of Liaoyang city is rising. 　　关键词： 土地利用效益；BP神经网络；辽阳市 　　Key words: land use efficiency；BP neural network；Liaoyang city 　　 中图分类号：F293.2 文献标识码：A文章编号：1006-4311（2011）18-0007-02 　　0引言 　　城市土地是城市形成和发展的基础，是城市社会、经济、政治、文化等各项活动载体，城市土地资源利用的合理性，直接关系到城市的可持续发展[1]。当前，我国正努力建设资源节约型社会，提倡节约集约利用稀缺的土地资源，迫切需要实现城市土地的高效利用，防止城市土地的外围无序、摊大饼式扩张。城市土地利用效益是指城市土地在数量、质量的空间和时间上安排、使用和优化，从而给整个城市带来的经济、社会、生态、和环境效益的总和[2]。本文从经济、社会、生态效益三个方面构建城市土地利用效益评价指标体系，采用人工神经网络模型，对辽阳市2000~2009年的城市土地利用效益进行定量评价，以期为辽阳市城市土地资源的高效利用和科学管理及相关政策的制定提供借鉴。 　　1研究区概况 　　辽阳市位于辽宁中部，南邻鞍山，北依沈阳，东临本溪，西与辽河油田接壤，地处东经122°35′04″~123°41′00″；北纬40°42′19″~41°36′32″。全市土地总面积4731平方公里，总人口185万，其中市区面积574平方公里，城市建成区面积92平方公里。 　　2评价指标体系的建立 　　在指标体系构建过程中应该遵循科学性、系统性、相对完备性以及可操作性等原则[3-4]，根据研究区域实际状况，从经济效益、社会效益、生态效益三个方面，选取具有代表性的指标构成城市土地利用效益评价指标体系。 　　3人工神经网络评价模型的建立 　　3.1 BP神经网络的原理BP网络模型是一种基于反向传播学习算法的多层网络模型，其基本思路是把网络学习时输出层出现的与“事实”不符的误差，归结为连接层中各节点间连接权及阈值的“过错”，通过把输出层节点的误差逐层向输入层逆向传播，以“分摊”给各连接节点，从而可算出各连接节点的参考误差，并据此对各连接权进行相应的调整，使网络适应要求的映射[5]。 　　3.2 城市土地利用效益的人工神经网络模型评价采用三层BP神经网络模型，借助MATLAB R14的神经网络工具箱函数实现模型评价。第一层为输入层，共有14个节点，即为评判城市土地利用效益的14个指标。由于评价指标的量纲不同，且数据变化范围较大，不便于分析和计算。因此，对各评价指标值进行无量纲化处理，即每一指标数据除以各自指标中的最大值，将数据划归在[0，1]范围之内。本文以隶属度函数对各指标进行标准化，归一化后得到采用模糊数学表示的隶属函数，并且采用隶属度的概念表示每一项指标。 　　网络层数确定由1个输入层、1个输出层和1个隐含层组成。对于隐含层节点数的确定比较复杂，对于节点采用Sigmoid型节点的多层前馈神经网络，只要有足够多的隐节点，它们都能把所需要的输入信号变成线形独立的隐节点增广向量。在实际操作过程中，根据经验选取节点数为12个。学习参数的确定采用参数η（学习速率），α（动量系数）自适应调整的方法。 　　根据辽宁省统计年鉴、辽阳市统计年鉴，本文采用2000-2009年的大连、沈阳、鞍山等6城市的数据，对其作为样本对网络进行训练，用辽阳市2000-2009年数据作为测试样本，得到网络计算结果（见图1）。通过对计算结果与已有训练成果进行分析来研究神经网络模型的模拟精度，最后网络的终止参数为：经过1478次训练后，网