基于两种预测方法的福州市建设用地需求预测研究-农业资源利用专业论文.docxVIP

独创性声明 本人声明，所呈交的学位（毕业）论文，是本人在指导教师的指导下独 立完成的研究成果，并且是自己撰写的。尽我所知，除了文中作了标注和致 谢中已作了答谢的地方外，论文中不包含其他人发表或撰写过的研究成果。 与我一同对本研究做出贡献的同志，都在论文中作了明确的说明并表示了谢 意，如被查有侵犯他人知识产权的行为，由本人承担应有的责任。 学位（毕业）论文作者亲笔签名： 日期： 论文使用授权的说明 本人完全了解福建农林大学有关保留、使用学位（毕业）论文的规定，即学 校有权送交论文的复印件，允许论文被查阅和借阅; 学校可以公布论文的全部或 部分内容，可以采用影印、缩印或其他复制手段保存论文。 保密，在 年后解密可适用本授权书。 □ 不保密，本论文属于不保密。 □ 学位（毕业）论文作者亲笔签名： 日期： 指导教师亲笔签名： 日期： 目 录 摘 要I AbstractII 第一章 前言 1 1.1 研究背景与意义1 1.1.1 研究背景1 1.1.2 研究意义2 1.2 相关研究进展3 1.2.1 国外相关预测研究3 1.2.2 国内相关预测研究3 1.3 研究内容与技术路线5 1.3.1 研究内容5 1.3.2 技术路线5 第二章 材料与方法7 2.1 研究区概况7 2.1.1 自然环境概况7 2.1.2 社会经济环境概况8 2.1.3 城市发展战略概况9 2.1.4 建设用地动态分析9 2.2 基础数据收集10 2.3 数据分析方法10 2.3.1 驱动因子的相关分析10 2.3.2 多元线性回归模型的构建方法11 2.3.3 BP 神经网络算法 15 第三章 结果与讨论20 3.1 研究区域用地规模的影响因素分析 20 3.1.1 影响因素的选取20 3.1.2 进行影响因素的相关性分析 22 3.1.3 影响因素相关性结果的分析 24 3.2 多元线性回归模型预测28 3.2.1 以福州市为实例的多元线性回归模型构建 28 3.2.2 多元线性回归模型的预测应用 33 HYPERLINK \l _TOC_250002 3.3 以福州市为实例的 BP 神经网络模型构建 34 HYPERLINK \l _TOC_250001 3.3.1 建立 BP 神经网络模型 34 HYPERLINK \l _TOC_250000 3.3.2 基于 BP 神经网络模型的预测 42 3.4 两种模型的比较与评价43 3.4.1 预测理论的科学性43 3.4.2 预测方法的适用范围43 3.4.3 预测结果的精确性43 3.5 小结 45 第四章 结论和展望46 4.1 结论 46 4.2 展望 46 参考文献 48 致谢 50 I I 摘 要 利用现有技术手段对影响城市发展的各个要素进行分析研究，寻求一个直观易于分析的 预测方法，建立适应福州市地方特点的模型，促进土地资源优化配置，宏观调控地方经济发 展，制定建设用地节约集约利用政策提供决策依据。本研究以福州市建设用地总量与社会经 济数据为研究对象，通过对驱动因子的相关性分析，并使用多元线性回归和人工神经网络两 种数学手段进行模型构建，研究分析福州市 2003-2013 年的建设用地面积变化情况，将预测 结果与实际数据进行验证以判定模型是否可行，并利用人工神经网络模型预测福州 市 2014-2020 年的建设用地面积。结果表明： 1、本文从人口、社会、经济三个方面分别选择了十一个对建设用地发展既有影响作用 又容易量化的数据指标，通过相关性分析得到了制约影响福州市建设用地规模最主要的五个 社会经济指标，分别为从业人口、第一产业增加值、农民人均纯收入、社会消费品零售总额、 财政总收入。揭示福州市建设用地需求规模的驱动因子，为研究福州市建设用地规模扩张提 供基础。 2、构建多元线性回归预测模型，通过对相关性分析得出的几个关键影响因子进行逐步 回归，获得了福州市建设用地需求规模与从业人口存在线性正相关，线性相关显著。结论表 明利用多元线性回归模型进行建设用地面积预测的效果较好。 3、将建设用地面积的样本数据输入 BP 神经网络技术构建的模型中进行训练，通过实 例验证该模型在建设用地面积的预测中能够收到较佳的预测效果， 并由此得出一个结论即 BP 神经网络模型可作为一个定量分析预测方法来研究建设用地需求量变化情况。 4、通过对多元线性回归模型和 BP 神经网络模型的三个方面的评价比较，发现 BP 神经 网络模型的有效性更高，预测效果更佳。 关键词:建设用地；驱动因子；多元线性回归；BP 神经网络 II II Abstract We use of existing technology to analyze factors affecting the demand of the urban