基于BP神經(jīng)網(wǎng)絡(luò)模型的南昌城市建設(shè)用地規(guī)模預(yù)測研究

鄒永旺

摘 要：隨著經(jīng)濟的飛速發(fā)展，城市化進(jìn)程的加快，建設(shè)用地已成為城市發(fā)展的稀缺資源，科學(xué)合理的安排城市建設(shè)用地規(guī)模顯得尤為重要。文章以南昌市2005-2010年有關(guān)城市建設(shè)用地規(guī)模的社會經(jīng)濟統(tǒng)計數(shù)據(jù)為依據(jù)，利用主成分分析方法，篩選出影響城市建設(shè)用地規(guī)模的主要因素有GDP、人口、城市化水平、園林綠地面積、財政收入、固定資產(chǎn)投資、工業(yè)總產(chǎn)值等。在此基礎(chǔ)上建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，測算出南昌市2020年城市建設(shè)用地規(guī)模，并對其進(jìn)行驗證分析，以期對南昌市土地利用總體規(guī)劃中建設(shè)用地的指標(biāo)劃分提供科學(xué)依據(jù)。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)模型；城市建設(shè)用地；規(guī)模預(yù)測；南昌市

中圖分類號：F293.2 文獻(xiàn)標(biāo)識碼：A 文章編號：1006-8937（2014）14-0058-02

城市化的進(jìn)城往往伴隨著城市建設(shè)用地的擴張，經(jīng)濟的飛速發(fā)展與建設(shè)用地的旺盛需求之間存在明顯的正相關(guān)系，土地已成為制約城市化發(fā)展的重要因素，人地矛盾越來越突出。而上一輪土地利用總體規(guī)劃實施過程中，許多地方的城市建設(shè)用地實際用地規(guī)模已經(jīng)超出規(guī)劃指標(biāo)，從一定程度上講是因為現(xiàn)行的建設(shè)用地預(yù)測方法不盡完善。本文以南昌市為例，在大量搜集和整理相關(guān)統(tǒng)計數(shù)據(jù)的基礎(chǔ)上，運用BP神經(jīng)網(wǎng)絡(luò)模型對南昌市未來幾年城市土地需求量進(jìn)行了預(yù)測分析，為正確制定下一輪南昌城市土地利用總體規(guī)劃提供參考依據(jù)。

1 數(shù)據(jù)的選取

城市建設(shè)用地規(guī)模的變化受到多方面因數(shù)的影響，不僅取決于社會因素、經(jīng)濟因素、環(huán)境因數(shù)，還受政策因數(shù)的影響，本文選取了GDP、第一產(chǎn)業(yè)產(chǎn)值、第一產(chǎn)業(yè)占生產(chǎn)總值的比重、固定資產(chǎn)投資、人均建設(shè)用地和固定資產(chǎn)、建設(shè)用地彈性比、人口、非農(nóng)人口、城市化率、園林綠地面積和工業(yè)總產(chǎn)值共11個指標(biāo)，見表1。

2 主成分分析

應(yīng)用SPASS軟件對選取的11個影響因子進(jìn)行分析計算，得出特征值、主成分貢獻(xiàn)率、累計貢獻(xiàn)率和相關(guān)系數(shù)矩陣（見表2）。由表2特征值及主成分貢獻(xiàn)率可得，第一主成分貢獻(xiàn)率為77.659%，第二主成分貢獻(xiàn)率為11.956%，第三主成分貢獻(xiàn)率為6.953%，總獻(xiàn)率為96.569% 。也就是說前3個主成分包含了11個指標(biāo)的96.569%的信息。因此，選取前3個主成分來代替原來的11個社會經(jīng)濟指標(biāo)。

為說明3個主成分的含義，采用方差極大法旋轉(zhuǎn)主成分載荷矩陣得到第一主成分中人口載荷值為0.963最高，因此將其定義為人口因素；第二主成分中，城市化率的載荷值為0.935，0.935>0.8，故將其定義為城市化率；第三主成分中，人均建設(shè)用地面積的載荷值為0.978，在0.8以上，所以將其定義為城市人均建設(shè)用地面積。由此可得人口（X1）、城市化率（X8）和人均建設(shè)用地面積（X11）為主要影響因素。

3 BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建

本文構(gòu)建的南昌市城市建設(shè)用地規(guī)模BP神經(jīng)網(wǎng)絡(luò)模型采用三層網(wǎng)絡(luò)結(jié)構(gòu)，即輸入層、隱含層和輸出層。其中輸入層有3個神經(jīng)元，輸出層有1個神經(jīng)元，具體的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

在DPS中計算輸出得到學(xué)習(xí)樣本的擬合值見表2。

從表2中可以看出，用BP神經(jīng)網(wǎng)絡(luò)預(yù)測的城市建設(shè)用地規(guī)模值與實際值相差不大，BP神經(jīng)網(wǎng)絡(luò)模型擬合情況很好，所以BP神經(jīng)網(wǎng)絡(luò)模型選用正確，可以對南昌市城市建設(shè)用地規(guī)模進(jìn)行預(yù)測。結(jié)合2015年、2020年的各影響因子的預(yù)測值，最終得到2015年和2020年南昌市城市建設(shè)用地規(guī)模為256.32 km2和345.26 km2。

4 結(jié) 語

本文通過對南昌市2005～2010年有關(guān)城市建設(shè)用地規(guī)模的社會經(jīng)濟統(tǒng)計數(shù)據(jù)分析，綜合考慮了社會、經(jīng)濟和環(huán)境等因素，并從中選取了11個影響南昌市城市建設(shè)用地規(guī)模的影響因子。采用主成分分析法刷選了影響城市建設(shè)用地規(guī)模的主成分為人口、人均城市建設(shè)用地面積和城市化率，運用DPS軟件建立了BP神經(jīng)網(wǎng)絡(luò)預(yù)測，發(fā)現(xiàn)城市建設(shè)用地規(guī)模的預(yù)測值和實際值具有很好的的擬合度，這表明BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的預(yù)測精確度很高。從模型的預(yù)測結(jié)果看，南昌市城市建設(shè)用地規(guī)模到2015年和2020年分別為256.32 km2和345.26 km2。

引起城市建設(shè)用地規(guī)模變化的因素眾多而且復(fù)雜，本文雖然說選取了多個影響因子，但是并沒有考慮國家政策、自然條件等因素影響。如何將政策因素、自然條件等因素融入到預(yù)測模型中，以提高模型的精確度，未來需要更加深入的研究。

本文采取的BP神經(jīng)網(wǎng)絡(luò)模型對城市建設(shè)用地規(guī)模進(jìn)行預(yù)測是一種經(jīng)典的預(yù)測方法，近年來GIS空間技術(shù)發(fā)展迅速，已經(jīng)得到廣泛的運用，如何將空間分析法引進(jìn)到城市建設(shè)用地規(guī)模預(yù)測中，以提高預(yù)測的精確度，豐富預(yù)測方法是未來研究需要十分重視的問題。

參考文獻(xiàn)：

[1] Karen C，Seto，Robert K，et al.Modeling the drivers of urban land use change in the pearl river delta，China：integrating r-emote sensing with socioeconomic data[J].Land Economics，2003，（1）.

[2] 嚴(yán)金明.中國土地利用規(guī)劃[M].北京：經(jīng)濟管理出版社，2001.

[3] 孫善龍，東野光亮，劉喜廣，等.城鄉(xiāng)建設(shè)用地需求量預(yù)測研究[J].陜西農(nóng)業(yè)科學(xué)，2008，（5）.

[4] 曲三省.增加農(nóng)民收入與發(fā)展農(nóng)產(chǎn)品期貨市場研究[J].價格月刊，2008，（1）.

[5] 趙小敏，王人潮.城市合理用地規(guī)模的系統(tǒng)分析[J].地理學(xué)與國土研究，1997，（1）.

[6] 邱道持，劉力，粟輝，等.城鎮(zhèn)建設(shè)用地預(yù)測方法新探—以重慶市渝北區(qū)為例[J].西南師范大學(xué)學(xué)報（自然科學(xué)版），2004，（1）.