RBF神經(jīng)網(wǎng)絡(luò)的城鎮(zhèn)建設(shè)用地預(yù)測(cè)范文
本站小編為你精心準(zhǔn)備了RBF神經(jīng)網(wǎng)絡(luò)的城鎮(zhèn)建設(shè)用地預(yù)測(cè)參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。
《資源科學(xué)雜志》2014年第六期
1研究區(qū)概況
成都市位于四川盆地西部，是西南地區(qū)的科技、商貿(mào)、金融中心，交通、通信樞紐。近年來(lái)，成都市經(jīng)濟(jì)實(shí)力穩(wěn)步提升，地區(qū)生產(chǎn)總值由1996年的772.27億元增加到2011年的6854.58億元，年均增長(zhǎng)率為15.67%。伴隨經(jīng)濟(jì)總量的迅速增長(zhǎng)，研究區(qū)建設(shè)用地規(guī)模呈加速擴(kuò)張態(tài)勢(shì)。據(jù)成都市土地利用變更調(diào)查數(shù)據(jù)以及第二次土地調(diào)查數(shù)據(jù)顯示，1996-2011年間，成都市建設(shè)用地規(guī)模由2.07萬(wàn)hm2增加到12.44萬(wàn)hm2，城鎮(zhèn)建設(shè)用地總量?jī)粼鲩L(zhǎng)10.37萬(wàn)hm2，年均增長(zhǎng)6913hm2，其中在2008-2009年間由于“5.12汶川地震”和分類(lèi)標(biāo)準(zhǔn)差異等原因，出現(xiàn)了城鎮(zhèn)建設(shè)用地的“突變”增長(zhǎng)（圖1）。不難想象，隨著天府新區(qū)建設(shè)的進(jìn)行和“五大興市戰(zhàn)略”的逐步實(shí)施，必然需要土地提供保障。科學(xué)預(yù)測(cè)成都市城鎮(zhèn)建設(shè)用地需求，既能為社會(huì)經(jīng)濟(jì)快速發(fā)展提供必要的土地支撐，又能合理控制建設(shè)用地?cái)U(kuò)張速度，保護(hù)有限的土地尤其是耕地資源。
2數(shù)據(jù)來(lái)源與研究方法
2.1數(shù)據(jù)來(lái)源
本文的社會(huì)經(jīng)濟(jì)數(shù)據(jù)主要來(lái)源于《中國(guó)城市統(tǒng)計(jì)年鑒》（1997-2012年），《四川統(tǒng)計(jì)年鑒》（1997-2012年），《成都統(tǒng)計(jì)年鑒》（1997-2012年）等；城鎮(zhèn)建設(shè)用地面積數(shù)據(jù)主要來(lái)自變更調(diào)查數(shù)據(jù)（1996-2008年）和第二次土地調(diào)查數(shù)據(jù)（2009-2011年）。
2.2研究方法
2.2.1灰色關(guān)聯(lián)分析從目前現(xiàn)有的定量篩選主要驅(qū)動(dòng)力的方法來(lái)看，均值、多因素相關(guān)分析、灰色關(guān)聯(lián)分析（GRA）和因素分析等方法均能實(shí)現(xiàn)。其中，多因素統(tǒng)計(jì)分析新方法-灰色關(guān)聯(lián)分析不失為一種較好的方法，它能夠較好地度量各個(gè)相關(guān)因素之間的關(guān)聯(lián)程度，可以克服傳統(tǒng)多元相關(guān)分析和多元回歸分析的缺陷，是一種能夠較好地解決多因子關(guān)聯(lián)關(guān)系的一種重要數(shù)學(xué)方法[17]，其計(jì)算公式為[9]：
2.2.2GM（1，1）模型在弱化原始數(shù)據(jù)的隨機(jī)性，建立灰色模塊的基礎(chǔ)上，應(yīng)用微分?jǐn)M合法，直接將時(shí)間序列轉(zhuǎn)化為微分方程，從而建立發(fā)展變化模型，它是一種利用不足信息建立可能充分信息模型的途徑。其計(jì)算表達(dá)式為GM（1，1）模型誤差檢驗(yàn)一般常采用后驗(yàn)差檢驗(yàn)法，后驗(yàn)差檢驗(yàn)是殘差分布統(tǒng)計(jì)特性的檢驗(yàn)，包括均方差比值和小誤差概率兩項(xiàng)即C和P。
2.2.3rbf神經(jīng)網(wǎng)絡(luò)模型一種具有單隱層的3層前饋網(wǎng)絡(luò)，能以任意精度逼近任意連續(xù)函數(shù)，與廣泛應(yīng)用的BP神經(jīng)網(wǎng)絡(luò)模型相比，在學(xué)習(xí)速度、參數(shù)設(shè)置等問(wèn)題上具有明顯優(yōu)點(diǎn)[20，21]。其模型結(jié)構(gòu)如圖2所示。RBF的網(wǎng)絡(luò)學(xué)習(xí)過(guò)程分為非監(jiān)督學(xué)習(xí)與監(jiān)督學(xué)習(xí)兩個(gè)階段。非監(jiān)督學(xué)習(xí)階段采用K-means聚類(lèi)法對(duì)訓(xùn)練樣本的輸入量進(jìn)行聚類(lèi)，找出聚類(lèi)中心Ci及α參數(shù)，然后進(jìn)行監(jiān)督學(xué)習(xí)。由于當(dāng)Ci以及α確定之后，RBF網(wǎng)絡(luò)從輸入到輸出就成了一個(gè)線性方程組，因此監(jiān)督學(xué)習(xí)階段采用最小二乘法求解輸出權(quán)重Wj，其算法步驟為：（1）用最小、最大規(guī)范化方法，使屬性歸一到網(wǎng)絡(luò)的處理范圍。（2）用徑向基函數(shù)計(jì)算隱含層的輸出值Yh。（3）求輸出層第j個(gè)神經(jīng)元的輸出值Yj。其公式為：
2.2.4預(yù)測(cè)精度評(píng)價(jià)采用平均絕對(duì)誤差（MAE）和誤差均方根（RMSE）兩項(xiàng)指標(biāo)來(lái)評(píng)價(jià)模型預(yù)測(cè)精度，其計(jì)算公式如下。
3結(jié)果與分析
3.1指標(biāo)選擇與數(shù)據(jù)預(yù)處理為更好的反映成都市城鎮(zhèn)建設(shè)用地的整體變化趨勢(shì)，同時(shí)達(dá)到降低數(shù)據(jù)波動(dòng)的目的，將社會(huì)經(jīng)濟(jì)數(shù)據(jù)和建設(shè)用地面積數(shù)據(jù)轉(zhuǎn)換成年變化率的形式，并對(duì)具有“突變”特征的年份數(shù)據(jù)（1998年、2003年、2006年和2009年）進(jìn)行剔除，并結(jié)合研究區(qū)社會(huì)經(jīng)濟(jì)發(fā)展現(xiàn)狀和相關(guān)研究成果對(duì)指標(biāo)進(jìn)行選擇，并對(duì)其數(shù)據(jù)進(jìn)行預(yù)處理，最終得到表1。
3.2GM（1，1）模型預(yù)測(cè)對(duì)表1年份對(duì)應(yīng)的城鎮(zhèn)建設(shè)用地面積做一次累加處理，再利用Matlab7.1軟件建模求解重要參數(shù)a，u值，最終構(gòu)建得出累加值的預(yù)測(cè)方程：根據(jù)公式（10），首先對(duì)灰色系統(tǒng)GM（1，l）預(yù)測(cè)模型進(jìn)行精度檢驗(yàn)，即對(duì)模型預(yù)測(cè)的累加值進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如表2所示，C=0.22、P=1且經(jīng)過(guò)一次殘差序列分析后平均相對(duì)誤差最小，說(shuō)明所得的模型的精度很好。再根據(jù)公式（3）對(duì)表2中的累加值預(yù)測(cè)結(jié)果進(jìn)行還原可以得到成都市2015年和2020年城鎮(zhèn)建設(shè)用地的需求量預(yù)測(cè)值分別為242232.98hm2和532402.61hm2。
3.3RBF模型預(yù)測(cè)（1）主要驅(qū)動(dòng)因子的篩選。應(yīng)用DPS9.5版軟件中的灰色關(guān)聯(lián)分析模塊，對(duì)表1中城鎮(zhèn)建設(shè)用地變化率與初選26個(gè)社會(huì)經(jīng)濟(jì)指標(biāo)變化率做灰色關(guān)聯(lián)分析，得到結(jié)果如表3所示。結(jié)果顯示城鎮(zhèn)建設(shè)用地與社會(huì)經(jīng)濟(jì)指標(biāo)變化率灰色關(guān)聯(lián)度排序?yàn)閤7>x15>x18>x16>x25>x3>x10>x8>x19>x12>x14>x23>x26>x22>x1>x11>x17>x5>x20>x21>x2>x4>x6>x9>x13>x24。本次研究中選取與影響城鎮(zhèn)建設(shè)用地面積變化率關(guān)聯(lián)度大于0.7的社會(huì)經(jīng)濟(jì)指標(biāo)作為主要驅(qū)動(dòng)因子，共有15個(gè)。（2）主成分分析。應(yīng)用SPSS19.0軟件中的因子分析功能對(duì)15個(gè)主要驅(qū)動(dòng)因子變化率進(jìn)行提取主成分處理，以達(dá)到降維和去除因子共線性的作用，共可以提取10個(gè)主成分PC1到PC10，累計(jì)貢獻(xiàn)率為100%，各主成分得分值見(jiàn)表4。（3）主因子預(yù)測(cè)。應(yīng)用SPSS19.0軟件中的曲線估計(jì)功能構(gòu)建15個(gè)主要驅(qū)動(dòng)因子值與時(shí)序的最 優(yōu)擬合方程（表5），利用最優(yōu)方程對(duì)主要驅(qū)動(dòng)因子值進(jìn)行預(yù)測(cè)，最后結(jié)合成分得分系數(shù)矩陣可反算得出各主成分得分預(yù)測(cè)值（表6）。（4）RBF神經(jīng)網(wǎng)絡(luò)運(yùn)算。以提取的10個(gè)主成分的得分值作為輸入樣本，輸入層節(jié)點(diǎn)數(shù)設(shè)置為10，以城鎮(zhèn)建設(shè)用地變化率作為輸出樣本，輸出層節(jié)點(diǎn)數(shù)設(shè)置為1，輸入輸出樣本皆進(jìn)行歸一化處理，選取1997年、1999年和2004年數(shù)據(jù)為檢測(cè)樣本，其余各年數(shù)據(jù)為訓(xùn)練樣本（表6），之后應(yīng)用Matlab7.1軟件中提供的函數(shù)newrb對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中關(guān)鍵參數(shù)隱含節(jié)點(diǎn)數(shù)和擴(kuò)展常數(shù)最佳值通過(guò)不斷試驗(yàn)獲得，其結(jié)果分別為5.0和0.8，最終模型訓(xùn)練誤差值為0.00750848，用訓(xùn)練好的模型對(duì)樣本進(jìn)行檢測(cè)，其結(jié)果（變化率還原為面積）如表7所示，成都市2015年和2020年城鎮(zhèn)建設(shè)用地的需求量預(yù)測(cè)值分別為145986.10hm2和182321.26hm2。
3.4精度評(píng)價(jià)與趨勢(shì)分析
3.4.1模型預(yù)測(cè)精度評(píng)價(jià)以樣本實(shí)際面積和兩種模型對(duì)樣本的預(yù)測(cè)值分別為橫軸x和縱軸y，建立直角坐標(biāo)系（圖3），則每一個(gè)實(shí)際面積都可以找到一個(gè)相應(yīng)位置的模型預(yù)測(cè)值。如果模型預(yù)測(cè)值等于實(shí)際面積，則在直角坐標(biāo)系中，該坐標(biāo)點(diǎn)落在y=x這條直線上，偏離直線y=x越遠(yuǎn)，則預(yù)測(cè)誤差越大[14]。從圖3可以看出，RBF神經(jīng)網(wǎng)絡(luò)模型對(duì)樣本的擬合結(jié)果明顯優(yōu)于GM（1，1）模型，擬合度更高。進(jìn)一步用平均絕對(duì)誤差（MAE）和誤差均方根（RMSE）兩項(xiàng)指標(biāo)對(duì)所有參與模擬樣本的模擬預(yù)測(cè)精度進(jìn)行評(píng)價(jià)（表8）。經(jīng)計(jì)算RBF神經(jīng)網(wǎng)絡(luò)模型和GM（1，1）模型的MAE分別為161.63和10610.92，RMSE分別為206.16和13055.01。再次證明了RBF神經(jīng)網(wǎng)絡(luò)模型較GM（1，1）模型具有更好的預(yù)測(cè)精確度，故本次城鎮(zhèn)建設(shè)用地需求預(yù)測(cè)方法選擇RBF神經(jīng)網(wǎng)絡(luò)模型。
3.4.2變化趨勢(shì)分析城鎮(zhèn)建設(shè)用地近期2015年預(yù)測(cè)值比2011年現(xiàn)狀增加了21537.29hm2，年均增加5384.30hm2，年均增長(zhǎng)率為4.07%；遠(yuǎn)期2020年預(yù)測(cè)值比2015年現(xiàn)狀增加了36335.16hm2，年均增加7267.03hm2，年均增長(zhǎng)率為4.55%；1996-2011年城鎮(zhèn)建設(shè)用地面積增加了103765.60hm2，年均增加6917.71hm2，年均增長(zhǎng)率為12.71%。由此不難看出，2011年后成都市城鎮(zhèn)建設(shè)用地面積增速將會(huì)變緩，這主要是因?yàn)楫?dāng)前世界經(jīng)濟(jì)已經(jīng)進(jìn)入深度轉(zhuǎn)型調(diào)整期，受?chē)?guó)際經(jīng)濟(jì)環(huán)境的影響，我國(guó)經(jīng)濟(jì)正在轉(zhuǎn)展進(jìn)入一個(gè)中速增長(zhǎng)期，經(jīng)濟(jì)工作的重心落到了提高增長(zhǎng)質(zhì)量和效益的位置上，加之成都市周邊城鎮(zhèn)可擴(kuò)展區(qū)域已捉襟見(jiàn)肘，“嚴(yán)格控制增量、挖潛盤(pán)活存量”，城鎮(zhèn)的發(fā)展方向必然會(huì)由平面擴(kuò)張向立體空間轉(zhuǎn)變。但是成都市政府新近提出了“交通先行”，加快健全城鄉(xiāng)基礎(chǔ)設(shè)施的重要批示，同時(shí)“天府新區(qū)”也在規(guī)劃打造，優(yōu)化人居環(huán)境也作為了工作重點(diǎn)來(lái)抓，不難想像隨著交通網(wǎng)絡(luò)的健全、“天府新區(qū)”的開(kāi)工建設(shè)和生態(tài)環(huán)境的改善，成都市未來(lái)的城鎮(zhèn)建設(shè)用地需求量必將與日俱增。
4結(jié)論與討論
（1）為更好地反映成都市城鎮(zhèn)建設(shè)用地的整體變化趨勢(shì)，本文提出了將直接預(yù)測(cè)面積轉(zhuǎn)換為間接預(yù)測(cè)面積變化率再反算面積的一種新思路，將經(jīng)濟(jì)數(shù)據(jù)和城鎮(zhèn)建設(shè)用地面積數(shù)據(jù)轉(zhuǎn)換成年變化率，能夠顯著降低數(shù)據(jù)的波動(dòng)性，為模型預(yù)測(cè)提供良好基礎(chǔ)。（2）在成都市城鎮(zhèn)建設(shè)用地需求預(yù)測(cè)中，RBF神經(jīng)網(wǎng)絡(luò)模型的MAE（161.63）、RMSE（206.16）遠(yuǎn)遠(yuǎn)低于GM（1，1）模型的MAE（10610.92）、RMSE（13055.01）且線性擬合效果更佳，說(shuō)明RBF神經(jīng)網(wǎng)絡(luò)模型是建設(shè)用地需求預(yù)測(cè)的有效方法之一。（3）預(yù)測(cè)結(jié)果顯示2011年后城鎮(zhèn)建設(shè)用地需求量將呈現(xiàn)緩慢增長(zhǎng)態(tài)勢(shì)，近期2015年比2011年現(xiàn)狀將增加21537.29hm2，遠(yuǎn)期2020年預(yù)測(cè)值比2015年現(xiàn)狀將增加36335.16hm2。預(yù)測(cè)結(jié)果可為區(qū)域土地資源可持續(xù)利用和土地利用總體規(guī)劃的制定提供科學(xué)的參考依據(jù)。而建設(shè)用地的需求量始終受到供給量的制約，而政策因素存在難以量化的問(wèn)題，應(yīng)在預(yù)測(cè)基礎(chǔ)上結(jié)合土地復(fù)墾、土地整理等合理調(diào)控，緩解城市發(fā)展與生態(tài)及糧食安全之間的矛盾，提高土地集約利用水平，達(dá)到可持續(xù)發(fā)展的戰(zhàn)略目標(biāo)。（4）RBF神經(jīng)網(wǎng)絡(luò)模型是在技術(shù)方法層面上對(duì)城鎮(zhèn)建設(shè)用地需求預(yù)測(cè)的一種嘗試，在對(duì)具有“突變”特征數(shù)據(jù)進(jìn)行剔除的前提下，基于平穩(wěn)數(shù)據(jù)開(kāi)展預(yù)測(cè)研究，應(yīng)用效果較好。但同時(shí)也發(fā)現(xiàn)在數(shù)據(jù)“突變”的情況下，該模型預(yù)測(cè)效果不盡如人意，還需在此基礎(chǔ)上對(duì)RBF神經(jīng)網(wǎng)絡(luò)模型進(jìn)一步優(yōu)化。同時(shí)這僅是以成都市特定時(shí)空范圍內(nèi)為例進(jìn)行的分析，研究結(jié)果是否具有普適性還需進(jìn)一步研究與探討。
作者：郝思雨謝汀伍文高雪松鄧良基李啟權(quán)單位：四川農(nóng)業(yè)大學(xué)資源環(huán)境學(xué)院成都市國(guó)土規(guī)劃地籍事務(wù)中心