基于GA―BP神经网络郑州市土地集约利用时空差异分析.docVIP

基于GA―BP神经网络郑州市土地集约利用时空差异分析 　　摘要：对河南省郑州市2008-2012年城市发展状况进行分析，从土地投入强度、土地利用强度、土地利用效益及生态环境4个方面选取13个指标构建土地集约利用评价体系，采用GA-BP网络模型，评价5年内郑州市土地集约利用水平。结果表明：1）GA―BP网络能够提高网络收敛速度，优化网络结构，算法具有有效性；2）郑州市近五年来土地集约利用水平处于不断上升阶段，其中市区城市土地集约度分值分别为0.610 7，0.644 3，0.661 8，0.701 2，0.705 8；中心城区、县级市和开发区土地集约利用水平有一定差距，但都有不同程度的提高，需要根据各地区情况，合理规划，进行土地资源利用挖潜。 　　关键词：土地集约利用；遗传算法；神经网络；郑州市 　　中图分类号：F293.2 文献标识码：A 文章编号：0439-8114（2015）05-1270-06 　　DOI：10.14088/j.cnki.issn0439-8114.2015.05.059 　　Abstract： The land use status of Zhengzhou city during 2008-2012 was analyzed. 13 indexes from four aspects including the land investment intensity， land use intensity， land use efficiency and the ecological environment were selected to construct the evaluation system of land intensive use. The GA-BP network model was used to evaluate the land intensive use level of Zhengzhou city in the last five years. The results showed that the GA-BP algorithm run with better efficiency. The level of intensive use of land was in the rising stages in Zhengzhou city. The land intensive use level of center city， county-level city and development zone had a certain gap， but all was improved to a certain degree. Some advices on intensive use of urban land were put forward. 　　Key words：urban land use intensity； BP neural network； genetic algorithms（GA）； Zhengzhou city 　　新型城镇化建设的目标是建立资源节约、环境友好、经济高效、社会和谐、大中小城市和小城镇协调发展的城镇[1]，实现城乡可持续发展，这表明现阶段中国城镇化发展需要由速度扩张向质量提升“转型”，对现有城乡建设用地的存量用地进行优化与挖掘，在有限的土地上优化城市布局，提高土地资源配置效率，提升城镇用地集约利用水平。 　　目前中国城镇土地集约利用水平定量化工作多采用综合评价方法，利用多因素综合评价模型、主成分分析模型、模糊综合评价模型、理想值修正模型等，构建评价指标体系，采用层次分析法、特尔斐法等确定指标权重，以各指标值的线性权重值确定土地利用集约度，实质是找出多个评价指标与土地利用集约度间的关系。其前提是假设两者间存在线性关系，但实际上两者间的映射不完全为线性，这种假设将导致评价结果的客观性降低。而反向传播神经网络（Back-Propagation artificial neural network，BP网络）具有非线性映射能力，只要有足够的训练样本就可以完成由n维输入空间到m维输出空间的非线性映射，能够在一定程度上消除主观判断对最终结果的误导，已经成为土地集约利用定量化评价的重要手段之一[2-5]。但它本身也存在不足，如学习收敛速度较慢，网络节点难以确定等问题。本研究尝试采用遗传算法改进BP网络系统，优化评价模型中的网络结构，客观分析研究区在新型城镇化发展背景下的土地集约利用状况。 　　1 GA-BP网络算法 　　1.1 BP神经网络 　　任何一个在闭区间内的连续函数都可以用1个3层BP网络（包含1个输入层、1个隐含层、1