基于bp 人工神经网络的开发区土地集约利用评价——以浙江省为例

《基于bp 人工神经网络的开发区土地集约利用评价——以浙江省为例》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于BP人工神经网络的开发区土地集约利用评价——以浙江省为例李焕a，徐建春a，李翠珍a，徐知渊b，范晓娟a(浙江工商大学a．土地研究所；b．旅游与城市管理学院)摘要：为了研究开发区土地集约利用评价的新方法，运用BP人工神经网络对浙江省11个市开发区的土地集约利用水平进行评价并提出相关政策建议。BP人工神经网络模型及实证分析结果表明：(1)浙江省开发区土地集约利用程度普遍偏高，无论是用地效益还是用地结构状况均高于全国平均水平，在长江三角洲地区也处于领先地位。(2)开发区土地集约利用程度存在空间差异，主要表现为东高、中平、南

2、北低。(3)集约度与经济发展水平呈正相关关系，相关系数高达0．903。BP人工神经网络能够克服主观因素对评价结果的不利影响，具有巨大的实际应用价值。关键词：BP人工神经网络；土地集约利用；开发区；浙江省开发区作为城市发展和土地利用的重点区域，已经成为产业升级、区域发展的推动器和科技创新基地。然而，由于存在功能定位不清、产业结构趋同等问题，开发区的集聚效应和规模效益并未得到充分体现，土地浪费与低效利用现象仍然存在[1]。目前，在开发区土地集约利用评价研究中，运用较多的是层次分析法和回归分析法，通过构建递阶层次结构、确定权重

3、、估算理想值等环节建立评价体系，从而度量土地集约利用程度的高低。但是，以上评价方法的各个环节都存在不同程度的主观性判断，进而影响评价结果的科学性。本研究经过大量的数据搜集，尝试运用BP人工神经网络建立一个合适的评价模型，摆脱主观因素的负面影响，体现研究的客观合理性。1样本数据的采集与分类研究样本数据共有65组，占浙江省开发区总数的56％，样本总面积为2810．47hm2，占浙江省开发区总面积的58．1％，覆盖了浙江省全境，共11个市(表1)，除丽水和舟山市样本量较小外，其他9个市的样本数量均在5～10个之间。根据研究需要

4、，将65组样本数据细分为2类：第1类样本数据采集时点为2010年，共11组，是从浙江省11个市中各选取1个具有代表性的开发区作为本研究的评价对象，每组样本包括14项评价指标(表2)。第2类样本数据为剩下的54组，并随机选取其中的45组样本作为BP人工神经网络训练数据，9组作为测试数据。此类数据主要参考了2009年浙江省开发区土地集约利用评价的成果，不仅包括14项评价指标，而且还有一项开发区土地集约利用集约度分值。研究运用第2类样本数据对BP人工神经网络模型进行训练和测试，并将第1类数据代入模型，预测这11个开发区2010

5、年的土地集约利用集约度分值。2BP人工神经网络概要根据T．Koholen的定义：“人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。”它的基本结构如图1所示。人工神经网络具有多种模型，其中，BP神经网络是一种单向传播的多层前向神经网络，它是指误差反向传播的算法。BP算法是目前应用最为广泛、最具代表性的神经网络学习算法，可以把BP人工神经网络看成是一个从输入到输出的高度非线性映射[2]。3BP人工神经网络的构建与应用3．1BP人工神经网络的构建3．1．

6、1确定网络层数。Roberto等已证明，对任何在闭区间内的1个连续函数都可以用1个3层BP网络(即含1个输入层、1个隐含层、1个输出层)逼近[3]，因此，3层的BP网络就可以完成任意的n维到m维的映射，故将BP网络设计为3层。3．1．2确定输入及输出形式。土地集约利用评价指标体系是直接反映土地集约利用目标、内容、程度等不同属性特征的按隶属关系和层次关系组成的有序集合。评价指标体系必须具备解释功能、评价功能及预测预报，功能，使土地集约利用评价具有动态发展的连续性[4]。因此，为了保证研究的科学合理性，笔者主要参考《浙江省开

7、发区土地集约利用评价规程》中的14个评价指标(输入因子)作为BP神经网络的输入层：土地开发率u1、土地供应率u2、土地建成率u3、工业用地率u4、综合容积率u5、建筑密度u6、工业用地综合容积率u7、工业用地建筑密度u8、工业用地固定资产投入强度u9、工业用地产出强度u10到期项目用地处置率u11、闲置土地处置率u12、土地有偿使用率u13、土地招拍挂率u14。此外，因为2类样本数据都具有一个开发区土地集约利用程度的集约度分值，因此，将BP网络的输出层设计为1个节点S。3．1．3确定隐含层节点数。在BP网络中，隐含层节点

8、数非常重要，它对神经网络模型的性能影响很大，是训练时出现“过拟合”的直接原因，但是，目前理论上还没有一种科学和普遍的确定方法。本研究主要参考了严太山等[5-6]提出的经验公式法，他们认为最佳隐含层节点数与问题的要求、输入输出单元的多少以及训练样本数都有直接的关系，并在实验的基础上归纳出了一种直接估算最佳隐含层节点数目