基于神经网络和灰色系统的住宅用地需求预测研究

《基于神经网络和灰色系统的住宅用地需求预测研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于神经网络和灰色系统的住宅用地需求预测研究摘要：科学的住宅用地需求预测是政府管理和调控城市土地市场的前提条件之一。本文将神经网络和灰色系统引入到住宅用地需求预测中，克服了传统回归分析方法的一些缺点，并对2006-2010年上海市松江区住宅用地需求量进行了预测。关键词：住宅用地需求预测；神经网络模型；灰色系统0．引言制订和实施城市住宅供应计划是管理和调控城市土地市场的主要手段，其本质是在科学预测城市住宅需求的基础上，合理配置有限的城市土地资源，尽量满足城市发展对土地资源的各种需要，促进城市房地产市场的健康发展。可以说，对城市未来住宅用地需求预测是否科学

2、、准确，直接关系到土地供应计划的成败。然而，对住宅用地需求准确地进行预测并非易事。在历史资料的收集、整理和分析过程中，我们经常会遇到诸如统计数据缺失、各种资料相互间数据矛盾以及统计口径不一致等问题，这无疑给我们的预测工作带来了极大的难度。为了尽量弥补预测工作中诸如此类的先天缺陷，我们采用了最新的预测手段与方法，建立了尽可能符合实际的数学模型。例如，我们采用神经网络模型，就是看中了这种模型强大的非线性映射能力、学习能力和容错能力；而引入灰色预测模型则是基于其在处理样本数量少、波动较大的数据时较传统方法（主要是回归分析）具有其独特的优势。本文以上海市松江区

3、为例，研究了住宅用地需求预测的思路与方法，从而为政府制订科学合理的土地供应计划提供了理论依据。1．建设用地需求预测方法研究在市场经济条件下，很多经济发展因素具有不确定性。为了更科学地进行规划和建设用地的供应，有必要制定多个预测和供应方案，以应对市场不断变化的新情况。必须说明的是，我们虽然将预测方法进行了分类，但并不意味着它们是截然分开的。基于预测对象的复杂性，我们将多种方法结合使用，以求较为准确地得到预测结果。1.1标准规模预测标准规模预测，也称定额指标法，即按照国家规定的各类建设用地定额指标，以及对人口发展规模的预测，测算未来一定时期建设用地发展规模

4、。城市用地规模预测可依据《城市用地分类与规划用地标准》(GBJ137－90)（以下简称用地标准）确定的人均城市建设用地指标进行。由于该方法基于一个一般适用的标准，调整幅度比较小，灵活性不强。况且该标准编制的依据是八十年代末期全国的土地利用状况和经济发展状况，而近十几年来整个内外环境有了非常大的变化。多项研究结果表明，在经济发达地区参照这一指标对土地需求量进行预测已经不合时易[1]。在对松江区住宅用地预测中，我们采用了“人均建筑面积法”，即通过对松江区未来人均建筑面积和人口的预测，得到未来各年的住宅建筑面积需求量，最后除以相应的容积率即得未来住宅用地的需

5、求量。1.2经济数学模型预测1.2.1、人工神经网络模型人工神经网络是一种非线性动力学系统，具有强大的非线性映射能力、学习能力、容错能力等特性，对解决非线性问题有独特的先进性。人工神经网络是由大量的神经元互联组成，模拟大脑神经处理信息的方式并对信息进行并行处理和非线性转换的系统[2]。通过样本信息对神经网络的训练，使其具有与大脑相类似的记忆、辨识能力。BP（BackPropagation）神经网络模型即误差反向传播神经网络是目前应用最为广泛的一种神经网络模型，体现了人工神经网络最精华的部分。BP网是一种单向传播的多层前向网络，解决了多层网络中隐含单元连

6、接权的学习问题。输入信号从输入节点依次传过各隐层，然后传到输出节点，每一层节点的输出只影响下一层节点的输出。BP网络可看作是一个从输入到输出的高度非线性映射，它通过对简单的非线性函数进行多次拟合，可逼近复杂的高度非线性函数。BP网络的结构如图1所示：BP网络模型处理信息的基本原理是：输入信号通过中间节点（隐层节点）作用于输出节点，经过非线性变换，产生输出信号。网络训练的每个样本包括输入向量U和期望输出量uyT，网络输出值Y与期望输出值T之间的偏差，通过调整联接权值（包括输入节点与隐层节点之间、隐层节点与输出节点之间）和阈值，使误差沿梯度方向下降。经过反

7、复学习训练，确定与最小误差相对应的网络参数（权值和阈值）。此时经过训练的BP神经网络能对在输入范围内的输入信息自行处理，并且输出经过非线性转换的误差最小的输出信息。BP算法的主要缺点为：收敛速度慢，局部极值，难以确定隐含层和隐含层的个数。为了使学习速率足够大，又不容易产生振荡，我们对梯度下降算法进行了改进，采用了具有阻尼项的权值调整算法。按照上述原理，我们利用MATLAB6.1软件编制了神经网络预测程序[3]1.2.2、灰色系统灰色系统是指既含有已知的又含有未知的或者非确知的信息系统。灰色系统理论认为一切随机量都是在一定范围内、一定时段上变化的灰色量及

8、灰色过程[4]。对于灰色量的处理，不是去寻求它的统计规律和概率分布，而是从无规律的原始数据中找