潜江市建设用地需求量预测的研究

《潜江市建设用地需求量预测的研究》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、⑨硕士学位论文MASTER‘STHESIS中文摘要随着工业化进程的不断加快，城市化水平的不断提高，对建设用地需求量也不断增加。建设用地规模的不断扩大势必使我国人多地少的矛盾更加突出。因此合理预测建设用地需求量就显得尤为重要。本文正是在此背景下，利用潜江市1997—2009建设用地需求总量及相关的社会经济统计数据，研究适合预测潜江市未来建设用地需求量的预测方法。(1)绪论部分介绍了课题研究的背景和意义，通过对国内外研究现状的分析并结合潜江市建设用地利用现状和存在的问题，提出了本文的研究目标、研究内容和技术路线。(2)第二部分是关于建设用地需求量预测的相关理论。主要介绍了建设用地的涵义、土地供给

2、稀缺理论、理性增长理论、系统工程理论和人地关系理论。(3)第三部分着重分析了建设用地需求量预测模型，包括多元线性回归模型原理、灰色系统GM(1，1)原理和BP神经网络组合预测法。这三个模型是本文研究的重点，也是预测潜江市建设用地需求量的基础。(4)第四部分是潜江市的区域概况，主要从自然条件、社会经济条件和土地利用现状等方面进行介绍并总结了潜江市建设用地利用存在的问题。(5)第五部分是本文的核心部分。首先介绍了多元线性回归模型的构建和模型的检验以及模型的修正优化，建立了预测潜江市建设用地需求量的多元线性回归方程。其次利用DPS6．85构建灰色GM(1，1)模型并对模型进行检验，得出该模型可以直

3、接用于建设用地中长期预测。接着介绍了BP神经网络模型的构建过程，包括神经网络模型的设计和学习训练，得到神经网络拟合残差曲线图和潜江市1998—2009建设用地总量的拟合值。最后对三种模型的预测结果进行评价，得到GM(1，1)灰色模型拟合效果优于其它两个模型并用GM(1，1)灰色模型预测潜江市建设用地需求量。(6)最后一章分为结论和不足，结论总结了本文的研究成果，不足指出了本文应该改进的地方。模型关键词：建设用地；多元线性回归模型；灰色GM(1，1)模型；BP神经网络⑨硕士学位论文MASTER‘STHESISAbstractAsindustrializationprocessaccelerat

4、ingurbanizationlevel，thedemandsofconstructionlandarealsoincreasingrapidly．TheconstantexpansionofthescaleofconstructionlandinChinawillperpetuatethecontradictionofmorepeopleandlesslandmoreprominent．Thereforereasonableconstructionlanddemandforecastingisparticularlyimportant．Itisinthisbackgroundthatwer

5、esearchconstructionlandtotaldemandoftheQianjiangCityfrom1997to2005andrelatedsocialeconomicstatisticstofindsuitableforecastingmethodstopredictfutureconstructionlanddemandoftheQianjiangCity．’(1)Researchbackgroundandsignificanceofresearcharedescribedintheintroductionsection,throughtheanalysisofthepres

6、entsituationbothathomeandabroadandthecurrentsituationandexistingproblemsofconstructionland-峨abouttheQianjiangCity,thispaperputsforwardtheobjectivesofthestudyandthemajorcontentandthetechnicalroute．(2)Tbesecondpartintroducesconstructionlanddemandforecastingtheorybasis．Itmainlyincludesthemeaningofcons

7、tructionland,landsupplyscarcetheory，rationalgrowththeory，systemengineeringtheoryandtherelationbetweenhumanandlandtheory．(3)Thethirdpartfocusesonanalyzingconstructionlanddemandforecastingmodel，includingthemu