土地利用規(guī)劃模型

1、人工神經(jīng)網(wǎng)絡(luò)及在土地集約利用評價中的應(yīng)用摘要：土地資源是人類賴以生存和發(fā)展的、無法替代的自然環(huán)境資源，它既是環(huán)境的重要部分，又是其他自然環(huán)境資源和社會經(jīng)濟資源的載體。土地規(guī)劃方案的優(yōu)與劣，對土地及其衍生物有著直接或間接的影響。人工神經(jīng)網(wǎng)絡(luò)是人工智能的重要分支，具有自適應(yīng)、自組織和自學(xué)習(xí)的特點，已經(jīng)在信息、醫(yī)學(xué)、經(jīng)濟、控制等領(lǐng)域得到廣泛應(yīng)用。本文主要對人工神經(jīng)網(wǎng)絡(luò)的發(fā)展，基本原理做了介紹，并舉例分析了其在土地集約利用評價中的應(yīng)用。關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)；土地利用規(guī)劃；土地集約利用；原理；應(yīng)用；1 人工神經(jīng)網(wǎng)絡(luò)概述人工神經(jīng)網(wǎng)絡(luò)（ANN）是在現(xiàn)代神經(jīng)科學(xué)研究成果基礎(chǔ)上提出的，試圖通過模擬大腦神經(jīng)網(wǎng)絡(luò)處

2、理、記憶信息的方式進行信息處理的一種智能化方法。人工神經(jīng)網(wǎng)絡(luò)反應(yīng)了人腦功能的基本特性，但并不是人腦的真實描述，只是人腦的抽象、簡化與模擬。它是一門涉及醫(yī)學(xué)、神經(jīng)生理學(xué)、信息學(xué)、人工智能、數(shù)理學(xué)、計算機學(xué)等多個領(lǐng)域的新興前沿學(xué)科，它具有復(fù)雜的非線性動力學(xué)特性、并行處理機制、學(xué)習(xí)、聯(lián)想和記憶功能，以及高度自組織、自適應(yīng)能力和靈活性。因此吸引了眾多的神經(jīng)生理學(xué)家、心理學(xué)家、數(shù)理學(xué)家、計算機與信息科學(xué)家及工程師對人工神經(jīng)網(wǎng)絡(luò)進行研究和應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)作為人工智能的一個分支，在近二十年來日益成為當(dāng)代高新科技領(lǐng)域中競爭的熱點。目前關(guān)于人工神經(jīng)網(wǎng)絡(luò)的定義尚不統(tǒng)一，結(jié)合人工神經(jīng)網(wǎng)絡(luò)的來源、特點及定義，可將其

3、表述為：人工神經(jīng)網(wǎng)絡(luò)是模仿腦細(xì)胞結(jié)構(gòu)和功能、腦神經(jīng)結(jié)構(gòu)以及思維處理問題等腦功能的新型信息處理系統(tǒng)。1.1人工神經(jīng)網(wǎng)絡(luò)的發(fā)展過程人工神經(jīng)網(wǎng)絡(luò)的研究始于1943 年心理學(xué)家W.S.McCulloch 和數(shù)學(xué)家W.Pitts 提出的神經(jīng)網(wǎng)絡(luò)最早的數(shù)學(xué)模型，稱為MP模型，從而開創(chuàng)了人工神經(jīng)網(wǎng)絡(luò)研究的時代。人工神經(jīng)網(wǎng)絡(luò)的發(fā)展過程總體可以分為四個階段：（1）形成時期第一個神經(jīng)元模型（M-P 模型），他們的努力奠定了網(wǎng)絡(luò)模型和以后神經(jīng)網(wǎng)絡(luò)開發(fā)的基礎(chǔ)。1951 年，心理學(xué)家Donala O. Hebb 提出了連接權(quán)值強化的Hebb 法則，為構(gòu)造有學(xué)習(xí)功能的神經(jīng)網(wǎng)絡(luò)模型奠定了基礎(chǔ)。1954 年，生物學(xué)家Eccl

4、es 提出的真實突觸的分流模型為神經(jīng)網(wǎng)絡(luò)模擬突觸的功能提供了原型和生理學(xué)的證據(jù)。1956 年，Uttley 發(fā)明了一種由處理單元組成的推理機，用于模擬行為及條件反射。1960 年，Widrow和Hoff 提出了自適應(yīng)線性元件Adaline網(wǎng)絡(luò)模型。這些研究對于神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)理論與應(yīng)用發(fā)展起到關(guān)鍵作用。（2）低谷時期在第一次神經(jīng)網(wǎng)絡(luò)研究熱潮中，人們忽視了其本身的局限性。1969 年Minskyh 和Papert 經(jīng)過多年的研究，提出了對當(dāng)前成果的質(zhì)疑，指出當(dāng)前的網(wǎng)絡(luò)只能應(yīng)用于簡單的線性問題，卻不能有效地應(yīng)用于多層網(wǎng)絡(luò)，由此開始了神經(jīng)網(wǎng)絡(luò)的低谷期。1972 年，芬蘭的Kohonen 教授，提出了自

5、組織映射（SOM）理論，1980 年福島邦彥發(fā)表的“新認(rèn)知機”（Neocognitron）是視覺模式識別機制模型。低谷時期的許多重要研究成果都為日后神經(jīng)網(wǎng)絡(luò)理論研究打下了堅實的基礎(chǔ)。（3）復(fù)興時期1982 年，美國物理學(xué)家Hopfield 博士提出了Hopfield 模型理論，他證明了在一定條件下，網(wǎng)絡(luò)可以達到穩(wěn)定的狀態(tài)。在他的影響下， 大量學(xué)者又重新開始了對神經(jīng)網(wǎng)絡(luò)的研究。1986 年，由美國的Rumelhart 和McCkekkand 提出了PDP網(wǎng)絡(luò)思想，再一次推動了神經(jīng)網(wǎng)絡(luò)的發(fā)展。1995 年，Jenkins 等人開始研究光學(xué)神經(jīng)網(wǎng)絡(luò)（PNN），建立了光學(xué)二維并行互連與電子學(xué)混合的光學(xué)

6、神經(jīng)網(wǎng)絡(luò)系統(tǒng)。經(jīng)過多年的發(fā)展，目前已有上百種的神經(jīng)網(wǎng)絡(luò)模型被提出與應(yīng)用。（4）發(fā)展時期20 世紀(jì)80 年代， 隨著人工神經(jīng)網(wǎng)絡(luò)在世界范圍內(nèi)的復(fù)蘇，我國也逐步掀起了對其的研究熱潮。1987年，在美國加州召開了第一屆國際神經(jīng)網(wǎng)絡(luò)學(xué)會。90 年代，國內(nèi)外許多學(xué)者進一步完善和發(fā)展了神經(jīng)網(wǎng)絡(luò)領(lǐng)域。特別是通過神經(jīng)網(wǎng)絡(luò)方法來解決非線性系統(tǒng)的控制問題，并取得了突出的成果。1995 年Jenkins 等人研究了光學(xué)神經(jīng)網(wǎng)絡(luò)（PNN），建立了光學(xué)神經(jīng)網(wǎng)絡(luò)系統(tǒng)。2000 年，Setiono 提出了快速規(guī)則抽取算法。2004 年， 提出了用于計算混沌神經(jīng)網(wǎng)絡(luò)最大Lyapunov 指數(shù)的一種算法，基于最大指數(shù)的計算，研

7、究網(wǎng)絡(luò)混沌區(qū)域的分布和特征，可以合理的選擇網(wǎng)絡(luò)參數(shù)。如今的人工神經(jīng)網(wǎng)絡(luò)仍處于快速發(fā)展之中。1.2人工神經(jīng)網(wǎng)絡(luò)的基本原理人工神經(jīng)網(wǎng)絡(luò)是在人類對其大腦神經(jīng)網(wǎng)絡(luò)認(rèn)識理解的基礎(chǔ)上人工構(gòu)造的能夠?qū)崿F(xiàn)某種功能的神經(jīng)網(wǎng)絡(luò)。它是理論化的人腦神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型，是基于模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的一種信息處理系統(tǒng)。它實際上是由大量簡單元件相互連接而成的復(fù)雜網(wǎng)絡(luò)，具有高度的非線性，能夠進行復(fù)雜的邏輯操作和非線性關(guān)系實現(xiàn)的系統(tǒng)。（1）神經(jīng)元與神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)人工神經(jīng)網(wǎng)絡(luò)由神經(jīng)元模型構(gòu)成, 這種由許多神經(jīng)元組成的信息處理網(wǎng)絡(luò)具有并行分布和結(jié)構(gòu)。神經(jīng)元作為人工神經(jīng)網(wǎng)絡(luò)的基本處理單元，是生物神經(jīng)元的抽象、簡化和模擬。抽象

8、是從數(shù)學(xué)角度而言，模擬是以神經(jīng)元的結(jié)構(gòu)和功能而言。一般形式神經(jīng)元如圖-1所示。其中的權(quán)值w即代表神經(jīng)元之間的連接強度,f(x)是激發(fā)函數(shù),一般為非線性函數(shù)圖4.1可進一步建立起更接近于工程的數(shù)學(xué)模型,成為一個多輸入單輸出的非線性器件。人工神經(jīng)網(wǎng)絡(luò)具有下列特點：圖-1 形式神經(jīng)元模型對于每個節(jié)點i, 存在一個狀態(tài)變量X i;從節(jié)點j 至節(jié)點i, 存在一個連接權(quán)系統(tǒng)數(shù)W ij; 對于每個節(jié)點i, 存在一個閾值H i; 對于每個節(jié)點i, 定義一個變換函數(shù)f i (X i,W ij , Hi ) , ij; 對于最一般的情況, 此函數(shù)取f i (,W ijX i- Hi) 形式。（2）多層神經(jīng)網(wǎng)絡(luò)人工

9、神經(jīng)網(wǎng)絡(luò)是指為了模擬動物神經(jīng)細(xì)胞群學(xué)習(xí)特性的結(jié)構(gòu)和功能而構(gòu)成的一種信息處理系統(tǒng),由于擁有很強的適用于復(fù)雜環(huán)境和多目標(biāo)控制要求的能力,并具有以任意精度逼近任意非線性連續(xù)函數(shù)的特性而適用于復(fù)雜系統(tǒng)的控制應(yīng)用領(lǐng)域典型多層神經(jīng)網(wǎng)絡(luò)如圖-2所示。圖-2 典型多層神經(jīng)網(wǎng)絡(luò)模型1.3人工神經(jīng)網(wǎng)絡(luò)類型人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)基本上分為兩類, 即遞歸(反饋) 網(wǎng)絡(luò)和前饋網(wǎng)絡(luò), 簡介如下。（1）遞歸網(wǎng)絡(luò)在遞歸網(wǎng)絡(luò)中, 多個神經(jīng)元互連以組織一個互連神經(jīng)網(wǎng)絡(luò), 如圖-3所示。有些神經(jīng)元的輸出被反饋至同層或前層神經(jīng)元。因此, 信號能夠從正向和反向流通。Hopf ield 網(wǎng)絡(luò)、Elmman 網(wǎng)絡(luò)和Jo rdan 網(wǎng)絡(luò)是遞歸網(wǎng)

10、絡(luò)有代表性的例子。遞歸網(wǎng)絡(luò)又稱反饋網(wǎng)絡(luò)。圖-3 遞歸網(wǎng)絡(luò)（2）前饋網(wǎng)絡(luò)前饋網(wǎng)絡(luò)具有遞階分層結(jié)構(gòu), 有一些同層神經(jīng)元間不存在互連的層級組成。從輸入層至輸出層的信號通過單向連接流通; 神經(jīng)元從一層連接至下一層, 不存在同層神經(jīng)元間的連接, 如圖-4所示。圖中, 實線指明實際信號流通而虛線表示反向傳播。前饋網(wǎng)絡(luò)的例子有多層感知器(ML P)、學(xué)習(xí)矢量量化(LVQ ) 網(wǎng)絡(luò)、小腦模型連接控制(CMAC) 網(wǎng)絡(luò)和數(shù)據(jù)處理方法(GMDH )網(wǎng)絡(luò)等。圖-4 前饋網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)的具體模型類型多樣，下面對重要的幾種網(wǎng)絡(luò)模型作簡要介紹。（1）BP網(wǎng)絡(luò)典型即網(wǎng)絡(luò)結(jié)構(gòu)如圖-5所示BP網(wǎng)絡(luò)通常有一個或多個隱含層,隱含

11、層中的神經(jīng)元均采用sigmoid型變換函數(shù),輸出層的神經(jīng)元采用純線性變換函數(shù)對于一個基本的BP神經(jīng)元,它具有R個輸入,每個輸入都通過一個適當(dāng)?shù)臋?quán)值w與下一層相連,網(wǎng)絡(luò)輸出可表示成a=f(w*P,b)。圖-5 典型BP網(wǎng)絡(luò)結(jié)構(gòu)（2）徑向基網(wǎng)絡(luò)徑向基函數(shù)RBF神經(jīng)網(wǎng)絡(luò)(簡稱徑向基網(wǎng)絡(luò))是由J.Moody和cDarken于20世紀(jì)80年代末提出的一種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),它是具有單隱含層的三層前饋網(wǎng)絡(luò),如圖-6所示隱含層神經(jīng)元采用徑向基函數(shù)作為轉(zhuǎn)換函數(shù),通常采用高斯函數(shù)作為徑向基函數(shù),它具有形式簡單!徑向?qū)ΨQ!光滑性好和任意階導(dǎo)數(shù)存在的優(yōu)點。圖-6 徑向基網(wǎng)絡(luò)結(jié)構(gòu)圖（3）線性神經(jīng)網(wǎng)絡(luò)線性神經(jīng)網(wǎng)絡(luò)是最簡單的一

12、種神經(jīng)元網(wǎng)絡(luò),它可以由一個或多個線性神經(jīng)元構(gòu)成線性神經(jīng)網(wǎng)絡(luò)的每個神經(jīng)元的傳遞函數(shù)為線性函數(shù),因而線性神經(jīng)網(wǎng)絡(luò)的輸出可以取任意值線性神經(jīng)網(wǎng)絡(luò)采用Widrow-hoff學(xué)習(xí)規(guī)則,也稱為LMS(least Mean squre)算法來調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值。1.4人工神經(jīng)網(wǎng)絡(luò)應(yīng)用人工神經(jīng)網(wǎng)絡(luò)以其獨特的結(jié)構(gòu)和處理信息的方法, 在自動控制、圖像處理、模式識別、傳感器信號處理、機器人控制、信號處理、焊接、地理、數(shù)據(jù)挖掘、電力系統(tǒng)、軍事、交通、礦業(yè)、農(nóng)業(yè)和氣象等許多實際應(yīng)用領(lǐng)域展現(xiàn)出了卓越性能。下面介紹幾種常用神經(jīng)網(wǎng)絡(luò)的應(yīng)用：BP網(wǎng)絡(luò)的應(yīng)用大體有分類、函數(shù)逼近、優(yōu)化預(yù)測等方面，。尤其是對時間序列的預(yù)測更有實用

13、價值, 像國民經(jīng)濟和人口發(fā)展等計算都可用BP 網(wǎng)絡(luò)來建模與擬合。BP網(wǎng)絡(luò)的優(yōu)點: BP 網(wǎng)絡(luò)在分類與識別方面的性能優(yōu)越, 可以快速高效的對機械故障進行診斷, 比傳統(tǒng)的譜分析診斷技術(shù)效率大大提高型。存在的不足有: 網(wǎng)絡(luò)的容錯性和魯棒性差,難以保證在線實時機械故障診斷、監(jiān)測和預(yù)報的精準(zhǔn)度。 BP算法的收斂速度較慢, 且網(wǎng)絡(luò)隱層節(jié)點個數(shù)的選取尚缺少統(tǒng)一而完整的理論。ART 網(wǎng)絡(luò)在語音、圖像、文字、識別等模式識別領(lǐng)域的應(yīng)用廣泛，還可以應(yīng)用與數(shù)據(jù)挖掘, 從大量數(shù)據(jù)中搜索并發(fā)現(xiàn)穩(wěn)定而有意義的模式。其優(yōu)點是: 聚類效果好、穩(wěn)定性強、對于環(huán)境變化有良好的自適應(yīng)能力、算法簡單高效。不足之處:ART 網(wǎng)絡(luò)為確定合

14、理的診斷模型和參數(shù), 網(wǎng)絡(luò)結(jié)構(gòu)須進一步學(xué)習(xí)和優(yōu)化。RBF 神經(jīng)網(wǎng)絡(luò)已經(jīng)成功地應(yīng)用于函數(shù)近似、模式分類、系統(tǒng)建模、模式識別、信號處理等領(lǐng)域。RBF 的優(yōu)點是與其網(wǎng)絡(luò)結(jié)構(gòu)簡單、非線性逼近能力強、收斂速度快以及全局收斂等優(yōu)點。RBF 在函數(shù)逼近方面還有許多方面需要進一步研究。Hopfield是一種反饋神經(jīng)網(wǎng)絡(luò)模型, 具有在高度連接下的神經(jīng)網(wǎng)絡(luò)依靠集體協(xié)同能自發(fā)產(chǎn)生計算行為。其應(yīng)用領(lǐng)域有: 圖像識別, 加工車間調(diào)度, 電力系統(tǒng)最佳消耗計算, L S I 優(yōu)化布局, 線性系統(tǒng)模型參數(shù)估計, 最佳調(diào)節(jié)器設(shè)計, 電磁場并行計算, 并行運動估計等。Hopfield網(wǎng)絡(luò)的優(yōu)點有: 在線性規(guī)劃問題中, 霍普菲爾德

15、回避了用純數(shù)學(xué)方法(單純形法) 來研究該問題。在模數(shù)轉(zhuǎn)化時, 一旦硬件電路實現(xiàn)后, 如果在輸入端加入模擬電壓值, 那么在其幾個神經(jīng)元上立即(實時) 地顯示出所對應(yīng)的輸出數(shù)字信號。模糊神經(jīng)網(wǎng)絡(luò)集合了模糊理論和神經(jīng)網(wǎng)絡(luò)的優(yōu)點, 由其獨特的應(yīng)用特性, 是目前研究的熱點之一。目前模糊神經(jīng)網(wǎng)絡(luò)在窯爐、工業(yè)機器人控制等領(lǐng)域應(yīng)用較廣。其存在的問題有: 自適應(yīng)和自調(diào)整性能差, 抗干擾能力弱, 難以實現(xiàn)實時控制; 缺乏實用的開發(fā)平臺, 限制模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用。2 人工神經(jīng)網(wǎng)絡(luò)在土地集約利用評價中的應(yīng)用2.1土地集約利用基礎(chǔ)理論當(dāng)前，我國土地資源短缺，已成為制約經(jīng)濟發(fā)展的重要因素之一。我國城市化進程加速發(fā)展，城市

16、用地擴張迅速，全國城市化率達到37%左右，城鎮(zhèn)化水平達到70%以上。我國經(jīng)濟增長方式面臨由粗放經(jīng)濟向集約經(jīng)濟的根本性轉(zhuǎn)變。因此，無論是從保護土地資源、完善土地科學(xué)的角度，還是從城市發(fā)展和城市土地合理配置的角度，城市土地集約利用論題的研究，對促進城市化進程和可持續(xù)發(fā)展具有重要的現(xiàn)實意義和深遠的戰(zhàn)略意義。土地集約利用最早來自于對農(nóng)業(yè)土地利用的研究，是李嘉圖等古典政治經(jīng)濟學(xué)家在地租理論中首先提出來的。城市土地集約利用的內(nèi)涵為：以布局合理、結(jié)構(gòu)優(yōu)化和可持續(xù)發(fā)展為前提，通過增加存量土地的投入，改善土地的經(jīng)營和管理，使土地利用的綜合效益和土地利用的效率不斷得到提高。就中國城市土地集約利用存在以下幾種觀點：

17、一是將城市土地集約利用理解為土地投入的提高；二是將城市土地集約利用理解為城市土地結(jié)構(gòu)和布局的優(yōu)化；三是理解為土地利用率的提高；四是理解為充分挖掘城市土地資源經(jīng)濟供給潛力,使城市土地投入產(chǎn)出比和土地利用率最佳。2.2土地集約利用傳統(tǒng)模型近年來,在土地集約利用方向運用的比較頻繁的模型及趨勢主要包括:多因素綜合評價模型;極限條件模型:理想值修正模型;模糊綜合評價模型;主成分分析模型，下面首先對這些模型的概念做一個系統(tǒng)的介紹。（1）多因素綜合評價模型由于影響土地集約利用的因素有多個,因此,可以將多個因素運用數(shù)學(xué)模型(比如按照各個因素的權(quán)重值)合成一個整體的綜合評價體系來對土地的集約度進行評價。模型優(yōu)點

18、是表達式通俗易懂,實際操作簡單,能綜合反映土地整體利用程；缺點在于綜合表達式和指標(biāo)的標(biāo)準(zhǔn)化不統(tǒng)一,權(quán)重確定方法中主觀成分較大。（2）極限條件模型極限條件模型也就是我們所說的木桶原理,在對研究對象選定了評價指標(biāo)和評價標(biāo)準(zhǔn)之后,把研究對象的評價指標(biāo)體系中的現(xiàn)狀值與標(biāo)準(zhǔn)值進行對比,如果超過了標(biāo)準(zhǔn)值的上限,則定義為過度利用,如果低于下限,則為低度利用。極限條件模型中選取的每個指標(biāo)都跟相應(yīng)的等級對應(yīng)，但缺點在于要確定評價的標(biāo)準(zhǔn)難度比較大,而且比較主觀,準(zhǔn)確性有待研究。（3）模糊綜合評價模型模糊綜合評價是對受多種因素影響的事物,運用模糊變換原理分析和評價,定性與定量相結(jié)合做出全面評價的一種十分有效的多因素

19、決策方法,其特點是評價結(jié)果不是絕對地肯定或否定,而是以一個集合來表示。模糊綜合評價模型結(jié)合了模糊數(shù)學(xué)與層次分析法的特點，但其隸屬函數(shù)的選取難度較大。（4）主成分分析模型影響城鎮(zhèn)土地集約利用的因素是多樣的,如果對所有的因素都進行評價,則不太現(xiàn)實,通常我們會將這些因素進行變換選擇那些重要的因素進行統(tǒng)計分析，采用主成分分析法分析起來既簡單又準(zhǔn)確。主成分分析法引入了統(tǒng)計學(xué)相關(guān)方法，解決了指標(biāo)間的相關(guān)性，權(quán)重的獲取也比較的客觀，但難以解決指標(biāo)間的非線性問題。2.3 BP神經(jīng)網(wǎng)絡(luò)在土地集約利用中的應(yīng)用BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)如圖-5所示。BP網(wǎng)的工作原理就是,由輸入層不斷輸入數(shù)據(jù),數(shù)據(jù)在隱含層中通過函數(shù)關(guān)系

20、進行計算,并對結(jié)果進行反復(fù)修正,從而使最后的網(wǎng)絡(luò)輸出的結(jié)果達到最差最小、精度最高等特點。傳統(tǒng)的土地集約利用評價研究中，運用較多的是層次分析法和回歸分析法，通過構(gòu)建遞階層次結(jié)構(gòu)、確定權(quán)重、估算理想值等環(huán)節(jié)建立評價體系，從而度量土地集約利用程度的高低。但是這些方法存在著個人主觀性影響，使得評價結(jié)果會偏離實際情況。用BP人工神經(jīng)網(wǎng)絡(luò)建立一個合適的評價模型，可以擺脫主觀因素的負(fù)面影響，而且可以很好地解決指標(biāo)間的非線性問題，體現(xiàn)研究的客觀合理性。下面以合肥市土地集約利用評價為例，介紹基于BP神經(jīng)網(wǎng)絡(luò)模型的土地集約利用程度評價過程。（1）評價指標(biāo)體系選擇土地利用具有區(qū)域性、動態(tài)性和連貫性。 運用統(tǒng)一、固定

21、的指標(biāo)對所有對象進行集約利用評價較困難， 而土地集約利用評價指標(biāo)體系指標(biāo)的選取將直接影響到最后評價的結(jié)果。該指標(biāo)除了要體現(xiàn)研究對象城市的土地集約利用的目標(biāo)和內(nèi)容，還必須能夠直接的反應(yīng)其土地利用集約程度等不同屬性。整個評價指標(biāo)體系的各項指標(biāo)是不斷發(fā)展、變化、連續(xù)的。在評價指標(biāo)體系的選擇過程中，應(yīng)注意全面性和代表性相結(jié)合，定性與定量相結(jié)合，可操作性和系統(tǒng)性原則。實例中作者通過參考安徽省統(tǒng)計年鑒（20002009 年）、合肥市統(tǒng)計年鑒（20002009 年）、 安徽省合肥市土地利用總體規(guī)劃（20062020 年）等資料，確定將指標(biāo)分為三類，即土地利用經(jīng)濟效益指標(biāo)、 土地利用社會效益指標(biāo)和土地利用生態(tài)

22、效益指標(biāo)。地均 GDPI1單位面積工業(yè)總產(chǎn)值 I2、城市人均可支配收入I3、地均社會消費品零售總額 I4、單位面積固定資產(chǎn)投資額 I5、人口密度 I6、城市燃?xì)庥盟占奥?I7、每萬人擁有公交車數(shù)量 I8、城市人均居住面積 I9、人均公共綠地面積 I10、建成區(qū)綠地覆蓋率 I11、城市工業(yè)廢水排放達標(biāo)率 I12等 12 個指標(biāo)。具體如表-1所示。表-1 合肥市土地集約利用評價指標(biāo)指標(biāo)集評價指標(biāo)代號單位土地利用經(jīng)濟效益區(qū)域地均GDPI1萬元/每平方公里單位面積工業(yè)產(chǎn)值I2萬元/每平方公里城市居民人均可支配收入I3元地均社會消費品零售總額I4萬元/每平方公里單位面積固定資產(chǎn)投資額I5萬元/每平方公

23、里土地利用社會效益人口密度I6人/平方公里城市燃?xì)庥盟占奥蔍7百分比每萬人擁有公交車數(shù)量I8臺城市人均居住面積I9平方米土地利用生態(tài)效益人均公共綠地面積I10平方米建成區(qū)綠地覆蓋率I11百分比城市工業(yè)廢水排放達標(biāo)率I12百分比（2）確定網(wǎng)絡(luò)層數(shù)BP 人工神經(jīng)網(wǎng)絡(luò)一般由三部分組成 ：輸入層 、隱含層和輸出層， 研究表明三層網(wǎng)絡(luò)可完成任意 n 維到 m 維的映射。故研究中的作者將擬建立的 BP 人工神經(jīng)網(wǎng)絡(luò)模型設(shè)定為 3 層。（3）確定隱含層節(jié)點數(shù)在BP網(wǎng)絡(luò)中，隱含層節(jié)點數(shù)的選擇非常重要，它不僅對神經(jīng)網(wǎng)絡(luò)模型的性能有很大的影響，而且是模型訓(xùn)練時出現(xiàn)“過擬合”的直接原因，但是目前理論上還沒有一種權(quán)

24、威的確定方法。常用的方法有靜態(tài)設(shè)計法、動態(tài)構(gòu)造法、進化法等。本篇文章借鑒嚴(yán)太山等提出的經(jīng)驗公式法， 其公式為NH=N1NO+NP/2；其中NH 為隱含層節(jié)點數(shù)；N1為輸入層節(jié)點數(shù)；N0為輸出層節(jié)點數(shù)；NP為訓(xùn)練樣本數(shù)。據(jù)此式得，本研究的隱含層節(jié)點數(shù)為 11 。 按照本文前已建立的土地集約利用評價指標(biāo)體系， 將已經(jīng)確定的區(qū)域地均 GDP 等 12 個指標(biāo)額作為輸入層，構(gòu)建出三層的 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。（4）評價水平標(biāo)準(zhǔn)確定通過搜集其它與合肥市城市規(guī)模水平， 經(jīng)濟發(fā)展程度相近的省會城市對應(yīng)的指標(biāo)的相關(guān)值、國家標(biāo)準(zhǔn)、經(jīng)驗值確定評價指標(biāo)的分級標(biāo)準(zhǔn)，分為粗放利用、適度利用和集約利用三個水平，量化為：在0

25、，0.4范圍之內(nèi)為低度利用、在0.4，0.7范圍之內(nèi)為適度利用、在0.7，1范圍之內(nèi)為集約利用。（5）BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練將搜集到的數(shù)據(jù)進行匯總，由于每個評價值單位不同，不便于后期進行統(tǒng)計計算， 對每個評價指標(biāo)值進行標(biāo)準(zhǔn)化，即將數(shù)據(jù)的變化范圍控制在0，1之間。采用安徽省 20002009 年數(shù)據(jù)作為樣本進行訓(xùn)練， 用合肥市 20002009 年數(shù)據(jù)作為測試樣本。以下為部分訓(xùn)練數(shù)據(jù)。表-2 合肥市土地集約利用 BP 神經(jīng)網(wǎng)絡(luò)部分訓(xùn)練數(shù)據(jù)通過Matlab中的工具箱編程，在經(jīng)過數(shù)次次訓(xùn)練過，得到的結(jié)果如下圖-7所示。圖-7 訓(xùn)練結(jié)果（6）土地集約利用程度評價利用訓(xùn)練好的 BP 人工神經(jīng)網(wǎng)絡(luò)模型， 將合肥

26、市 20002009 年的各項指標(biāo)值逐年輸入，得出 20002009 年間合肥市土地集約利用程度值分別為：0.2363、0.3243、0.3878、0.4653、0.5543、0.5657、0.6459、0.7573、0.8021、0.8807。 根據(jù)前面確定的土地利用集約程度標(biāo)準(zhǔn)，結(jié)果如表-3所示。表-3 合肥市土地集約利用 BP 神經(jīng)網(wǎng)絡(luò)分析結(jié)果年份集約度值等級年份集約度值等級20000.2362低度20050.5657適度20010.3243低度20060.6459適度20020.3878低度20070.7573集約20030.4653適度20080.8021集約20040.5543適度20090.8807集約從上表可以得出， 合肥市土地集約利用程度呈逐年上升的趨勢， 但從數(shù)據(jù)上看， 城市土地集約利用可挖潛力還比較大。對照合肥市歷年各指標(biāo)值發(fā)現(xiàn)， 有關(guān)經(jīng)濟益類的指標(biāo)值增速較快，有關(guān)社會效益和生態(tài)效益的指標(biāo)值增速一般。作為安徽的省會城市，合肥市今后的發(fā)展應(yīng)在現(xiàn)有的基礎(chǔ)上，堅持走可持續(xù)發(fā)展道路，