基于GA—BP神經(jīng)網(wǎng)絡(luò)的鄭州市土地集約利用時空差異分析

摘要：對河南省鄭州市2008-2012年城市發(fā)展狀況進行分析，從土地投入強度、土地利用強度、土地利用效益及生態(tài)環(huán)境4個方面選取13個指標構(gòu)建土地集約利用評價體系，采用GA-BP網(wǎng)絡(luò)模型，評價5年內(nèi)鄭州市土地集約利用水平。結(jié)果表明：1）GA—BP網(wǎng)絡(luò)能夠提高網(wǎng)絡(luò)收斂速度，優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，算法具有有效性；2）鄭州市近五年來土地集約利用水平處于不斷上升階段，其中市區(qū)城市土地集約度分值分別為0.610 7，0.644 3，0.661 8，0.701 2，0.705 8；中心城區(qū)、縣級市和開發(fā)區(qū)土地集約利用水平有一定差距，但都有不同程度的提高，需要根據(jù)各地區(qū)情況，合理規(guī)劃，進行土地資源利用挖潛。

關(guān)鍵詞：土地集約利用；遺傳算法；神經(jīng)網(wǎng)絡(luò)；鄭州市

中圖分類號：F293.2 文獻標識碼：A 文章編號：0439-8114（2015）05-1270-06

DOI：10.14088/j.cnki.issn0439-8114.2015.05.059

Abstract： The land use status of Zhengzhou city during 2008-2012 was analyzed. 13 indexes from four aspects including the land investment intensity， land use intensity， land use efficiency and the ecological environment were selected to construct the evaluation system of land intensive use. The GA-BP network model was used to evaluate the land intensive use level of Zhengzhou city in the last five years. The results showed that the GA-BP algorithm run with better efficiency. The level of intensive use of land was in the rising stages in Zhengzhou city. The land intensive use level of center city， county-level city and development zone had a certain gap， but all was improved to a certain degree. Some advices on intensive use of urban land were put forward.

Key words：urban land use intensity； BP neural network； genetic algorithms（GA）； Zhengzhou city

新型城鎮(zhèn)化建設(shè)的目標是建立資源節(jié)約、環(huán)境友好、經(jīng)濟高效、社會和諧、大中小城市和小城鎮(zhèn)協(xié)調(diào)發(fā)展的城鎮(zhèn)[1]，實現(xiàn)城鄉(xiāng)可持續(xù)發(fā)展，這表明現(xiàn)階段中國城鎮(zhèn)化發(fā)展需要由速度擴張向質(zhì)量提升“轉(zhuǎn)型”，對現(xiàn)有城鄉(xiāng)建設(shè)用地的存量用地進行優(yōu)化與挖掘，在有限的土地上優(yōu)化城市布局，提高土地資源配置效率，提升城鎮(zhèn)用地集約利用水平。

目前中國城鎮(zhèn)土地集約利用水平定量化工作多采用綜合評價方法，利用多因素綜合評價模型、主成分分析模型、模糊綜合評價模型、理想值修正模型等，構(gòu)建評價指標體系，采用層次分析法、特爾斐法等確定指標權(quán)重，以各指標值的線性權(quán)重值確定土地利用集約度，實質(zhì)是找出多個評價指標與土地利用集約度間的關(guān)系。其前提是假設(shè)兩者間存在線性關(guān)系，但實際上兩者間的映射不完全為線性，這種假設(shè)將導(dǎo)致評價結(jié)果的客觀性降低。而反向傳播神經(jīng)網(wǎng)絡(luò)（Back-Propagation artificial neural network，BP網(wǎng)絡(luò)）具有非線性映射能力，只要有足夠的訓練樣本就可以完成由n維輸入空間到m維輸出空間的非線性映射，能夠在一定程度上消除主觀判斷對最終結(jié)果的誤導(dǎo)，已經(jīng)成為土地集約利用定量化評價的重要手段之一[2-5]。但它本身也存在不足，如學習收斂速度較慢，網(wǎng)絡(luò)節(jié)點難以確定等問題。本研究嘗試采用遺傳算法改進BP網(wǎng)絡(luò)系統(tǒng)，優(yōu)化評價模型中的網(wǎng)絡(luò)結(jié)構(gòu)，客觀分析研究區(qū)在新型城鎮(zhèn)化發(fā)展背景下的土地集約利用狀況。

1 GA-BP網(wǎng)絡(luò)算法

1.1 BP神經(jīng)網(wǎng)絡(luò)

任何一個在閉區(qū)間內(nèi)的連續(xù)函數(shù)都可以用1個3層BP網(wǎng)絡(luò)（包含1個輸入層、1個隱含層、1個輸出層）逼近[6]。其學習過程由信號的正向傳播與誤差的逆向傳播兩個過程組成。正向傳播過程中，先將輸入樣本導(dǎo)入輸入層，經(jīng)過隱含層的處理后導(dǎo)向輸出層。如果輸出信號與期望信號不符，即誤差不在可允許范圍之內(nèi)，則轉(zhuǎn)入誤差的反向傳播過程，將輸出誤差以某種形式反饋到隱含層，再傳向輸入層，通過誤差的反傳，將誤差分攤給各層所有單元，從而獲得各層單元的誤差信號，修正權(quán)值。權(quán)值不斷調(diào)整的過程，也就是網(wǎng)絡(luò)的學習訓練過程。多次反復(fù)進行此過程，直到網(wǎng)絡(luò)的輸出值與期望值之間的誤差達到要求，或者進行到預(yù)先設(shè)定的學習次數(shù)為止。

1.2 遺傳算法（Genetic algorithms，GA）

遺傳算法主要包括3個要素：染色體表示、適應(yīng)度函數(shù)確定、遺傳操作。算法先隨機產(chǎn)生若干個要求解問題的數(shù)字編碼（染色體），形成初始種群；通過適應(yīng)度函數(shù)對每個個體進行評價，剔除適應(yīng)度低的個體，對適應(yīng)度高的個體進行遺傳操作形成新的種群，再繼續(xù)對新種群進行新一輪的進化。算法終止有3類情況：完成預(yù)先給定的進化代數(shù)后可以停止；種群中的最優(yōu)個體在連續(xù)多代沒有進化或平均適應(yīng)度在連續(xù)多代基本沒有進化時停止；問題最優(yōu)解達到某一事先確定好的精度時停止。

1.3 基于GA的BP優(yōu)化

神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)包括網(wǎng)絡(luò)的連接方式和節(jié)點轉(zhuǎn)換函數(shù)兩部分。當BP網(wǎng)絡(luò)結(jié)構(gòu)確定之后，神經(jīng)網(wǎng)絡(luò)才開始連接權(quán)的進化。因此，良好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計是神經(jīng)網(wǎng)絡(luò)應(yīng)用的關(guān)鍵性問題。對于給定問題，如果僅有很少連接權(quán)和隱節(jié)點，則神經(jīng)網(wǎng)絡(luò)的處理能力有限；但如果連接權(quán)和隱節(jié)點過多，網(wǎng)絡(luò)處理對數(shù)據(jù)的選擇性與響應(yīng)不足，泛化能力較差。目前常規(guī)BP網(wǎng)絡(luò)多采用湊試法、增購法等進行結(jié)構(gòu)設(shè)計，主觀性較強。同時，BP的網(wǎng)絡(luò)輸入和權(quán)值矩陣決定了最終輸出值，因此，網(wǎng)絡(luò)誤差可以表示為由網(wǎng)絡(luò)輸入、期望輸出和連接權(quán)值空間組成的誤差曲面，其全局最小誤差不惟一，在某些初始條件下算法結(jié)果將陷入局部極小點。而且，網(wǎng)絡(luò)學習訓練過程中的誤差反傳在相關(guān)數(shù)據(jù)龐大、非線性關(guān)系復(fù)雜的條件下，將導(dǎo)致算法收斂速度過慢，難以達到預(yù)期目標。

與之相比，GA算法采用多點搜索，具有較好的全局搜索性，可以減少BP網(wǎng)絡(luò)對初始權(quán)值的敏感性，降低陷入局部優(yōu)解的概率；同時，GA算法不要求誤差函數(shù)的可微分性，因此在誤差函數(shù)中根據(jù)實際增加某些懲罰項，保證概率規(guī)則在解空間搜索優(yōu)化解區(qū)域，優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)和連接權(quán)系數(shù)，搜索效率較優(yōu)。

本研究采用遺傳算法優(yōu)化3層BP網(wǎng)絡(luò)連接權(quán)和拓撲結(jié)構(gòu)：先用遺傳算法在隨機點通過選擇交叉變異操作優(yōu)化出初始值，并將此值作為BP神經(jīng)網(wǎng)絡(luò)算法的初始權(quán)值，根據(jù)此權(quán)值由BP神經(jīng)網(wǎng)絡(luò)對輸入數(shù)據(jù)進行訓練操作，得到最終結(jié)果。算法描述如下：①初始化種群（取50），包括交叉概率，高斯變異概率以及對權(quán)值和連接權(quán)初始化；②計算個體適應(yīng)度并排序；③以交叉概率對相鄰個體進行交叉操作，產(chǎn)生新的相鄰個體；④利用高斯變異使個體發(fā)生變異，產(chǎn)生新個體；⑤把新個體放至種群內(nèi)求出新個體的評價函數(shù)；⑥計算BP神經(jīng)網(wǎng)絡(luò)的誤差平方和，若達到預(yù)定值，轉(zhuǎn)至⑦，否則轉(zhuǎn)到③并繼續(xù)執(zhí)行之后的操作；⑦采用遺傳算法優(yōu)化后的值作為初始權(quán)值，加入到BP神經(jīng)網(wǎng)絡(luò)算法之中進行訓練，直到滿足規(guī)定的精度。

2 鄭州市城鎮(zhèn)化發(fā)展概況

鄭州市地處黃河中下游，處于伏牛山脈東北翼向黃淮平原過渡的交接地帶，地理坐標為東經(jīng)112°42′—114°14′、北緯34°16′—34°58′，東接開封，西依洛陽，北臨黃河與新鄉(xiāng)、焦作相望，南部與許昌、平頂山接壤。

鄭州市是中原經(jīng)濟區(qū)的核心增長區(qū)，構(gòu)建統(tǒng)籌城鄉(xiāng)的新型城鎮(zhèn)化支撐體系，把城鎮(zhèn)化發(fā)展作為中原經(jīng)濟區(qū)建設(shè)的關(guān)鍵舉措是《中原經(jīng)濟區(qū)建設(shè)綱要》的重要內(nèi)容之一。在此背景下，鄭州市土地資源配置格局發(fā)生了巨大變化。2000年以前城市建設(shè)用地主要沿主城區(qū)向四周擴散。2000年后相繼建設(shè)開發(fā)了面積為15 000 hm2的鄭東新區(qū)、總規(guī)劃面積18 600 hm2的高新技術(shù)開發(fā)區(qū)及總規(guī)劃面積為1 250 hm2的經(jīng)濟技術(shù)開發(fā)區(qū)。截止到2013年末，鄭州市轄6個市轄區(qū)（中原區(qū)、二七區(qū)、金水區(qū)、惠濟區(qū)、管城區(qū)、上街區(qū)）、5個縣級市（鞏義市、新鄭市、登封市、新密市、滎陽市）、1個縣（中牟縣），另設(shè)省級新區(qū)鄭州新區(qū)、1個國家級高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)、1個國家級經(jīng)濟技術(shù)開發(fā)區(qū)、1個國家級綜合保稅區(qū)、1個國家級航空經(jīng)濟綜合實驗區(qū)。規(guī)劃面積170 000 hm2，市區(qū)面積為101 030 hm2，市區(qū)人口472.8萬人，城區(qū)人口316.66萬人，建成區(qū)面積37 296.3 hm2，城市建設(shè)用地33 538 hm2，居住用地8 654 hm2，公共服務(wù)設(shè)施用地5 035 hm2，商服用地1 221 hm2，工業(yè)用地3 031 hm2，倉儲用地1 365 hm2，道路交通用地5 953 hm2，公共設(shè)施用地1 356 hm2，綠地面積6 923 hm2。

3 基于GA-BP網(wǎng)絡(luò)的城市土地集約利用評價實例

3.1 城市土地集約利用評價的指標體系

城市土地系統(tǒng)是一個動態(tài)的、區(qū)域性的系統(tǒng)，目前為止還不存在一個適合所有城市土地集約利用評價的統(tǒng)一標準。本研究在參考相關(guān)研究成果和基礎(chǔ)理論指導(dǎo)下[7-13]，綜合考慮指標的可獲取性與獨立性，結(jié)合現(xiàn)有城鎮(zhèn)化發(fā)展評價的相關(guān)指標，從土地投入強度、土地利用強度、土地利用效益及生態(tài)環(huán)境4個方面構(gòu)建包括13個指標的評價指標體系。土地投入強度包括地均固定資產(chǎn)投入（q1）、地均基本建設(shè)投資（q2）、每萬人擁有公共汽車數(shù)（q3）、人均擁有道路面積（q4）4個指標，土地利用強度包括人口密度（q5）、人均建設(shè)用地面積（q6）、城市平均容積率（q7）3個指標，土地利用效益包括人均GDP（q8）、地均工業(yè)產(chǎn)值（q9）、地均社會消費品零售額（q10）3個指標，生態(tài)環(huán)境包括萬元GDP能耗（q11）、人均公共綠地面積（q12）和工業(yè)二氧化硫排放量（q13）3個指標。

3.2 城市土地集約利用評價等級劃分

參照《中國城市建設(shè)統(tǒng)計年鑒》（2009-2013）、《中國統(tǒng)計年鑒》（2009-2013）、《河南統(tǒng)計年鑒》（2009-2013），《鄭州市統(tǒng)計年鑒》（2009-2012），鄭州市各區(qū)經(jīng)濟公報，以及《城市用地分類與規(guī)劃建設(shè)用地標準（GBJ137-90）》等相關(guān)資料，確定城市土地過度利用、集約利用、適度利用、低度利用的評價標準（表1）。

參考與鄭州市經(jīng)濟發(fā)展水平相近、城市規(guī)模相當?shù)?0個城市土地利用相關(guān)指標值，建立評價指標分級標準（表2）。

對原始數(shù)據(jù)采用極差化法進行數(shù)據(jù)無量綱化處理，并采用線性內(nèi)插法得到訓練數(shù)據(jù)，部分訓練數(shù)據(jù)見表3。

3.3 GA-BP神經(jīng)網(wǎng)絡(luò)模型的實現(xiàn)

采用MATLAB（r2009a版）實現(xiàn)GA-BP網(wǎng)絡(luò)模型的搭建。在MATLAB中，用NEWFF函數(shù)確定網(wǎng)絡(luò)層數(shù)、每層中的神經(jīng)元數(shù)和傳遞函數(shù)；調(diào)用INIT函數(shù)，用缺省參數(shù)初始化網(wǎng)絡(luò)中各個權(quán)重和偏置量，產(chǎn)生一個可訓練的前饋網(wǎng)絡(luò)，即該函數(shù)的返回值NET。主要參數(shù)設(shè)置如下：net.trainParam.show=10；（訓練顯示間隔），net.trainParam.epochs=2000；（最大訓練次數(shù)），net.trainParam.goal=1.0e-16；（收斂誤差界值），net.trainParam.min_grad=1e-10；（最小梯度），net.trainParam.lr=0.1；（學習步長）

測試中將BP神經(jīng)網(wǎng)絡(luò)模型的最大訓練次數(shù)設(shè)定為2000，最小均方誤差為10-16，設(shè)定遺傳算法的種群規(guī)模為50，遺傳代數(shù)為100。在網(wǎng)絡(luò)訓練到2000次時，均方誤差已經(jīng)達到10-15（圖1）；在進化到80代左右，誤差平方和接近0值，適應(yīng)度也趨于穩(wěn)定并達到預(yù)定要求（圖2、圖3）。

以下表格為BP算法和GA優(yōu)化方法的訓練結(jié)果對比分析（表4、表5）。

從兩種方法所需要的迭代（表4）及GA同時優(yōu)化BP的結(jié)構(gòu)和權(quán)值實驗結(jié)果（表5）可以看出，隱含神經(jīng)元最優(yōu)數(shù)目為6和7。在相同條件下，由于隱含神經(jīng)元數(shù)目能夠通過自適應(yīng)方式進行確定，因此嘗試次數(shù)減少，收斂速度明顯提高。

4 評價結(jié)果分析與建議

根據(jù)建立好的網(wǎng)絡(luò)，導(dǎo)入研究地區(qū)2008-2012年各區(qū)各項指標值，得出各區(qū)5年內(nèi)城市土地集約度分值，分別為0.610 7，0.644 3，0.661 8，0.701 2，0.705 8。導(dǎo)入轄區(qū)各區(qū)、縣、開發(fā)區(qū)指標（不包括鄭州新區(qū)、航空港新區(qū)），得到各子區(qū)土地集約利用分值（圖4）。

4.1 城市土地利用集約利用水平表現(xiàn)為顯著的時空分異特征

分析結(jié)果表明，鄭州市近5年的土地集約利用程度逐年提高，逐步從適度利用向集約利用過渡。各區(qū)縣分值大體趨勢與市區(qū)類似，土地利用整體趨向于集約利用。各區(qū)土地集約度存在一定區(qū)域差異，整體分布表現(xiàn)為從城市中心到城市外圍由高到低的趨勢：中原區(qū)、二七區(qū)5年間的集約度都是最高的，處于集約狀態(tài)；管城區(qū)、金水區(qū)、上街區(qū)和惠濟區(qū)次之，與所轄各縣級市的土地集約度持平，屬于適度到集約狀態(tài)；經(jīng)濟開發(fā)區(qū)和高新技術(shù)開發(fā)區(qū)的集約度值較高，處于集約向高度集約發(fā)展態(tài)勢?？梢灶A(yù)測，在既定的城市發(fā)展目標的基礎(chǔ)上，各區(qū)通過土地投入和土地利用強度的不斷加強，土地的使用率和效益將得到提高。

4.2 經(jīng)濟發(fā)展水平是影響城市土地集約利用程度的主要因素

在本研究建立的評價指標體系中，土地利用效益的指標比重最大，因此評價結(jié)果受到經(jīng)濟發(fā)展水平的影響較大。從全區(qū)來看，中心城區(qū)是城市經(jīng)濟發(fā)展的重點區(qū)域，經(jīng)濟發(fā)展水平最高，遠遠大于城市各縣級市，是土地集約利用水平最高的區(qū)域。開發(fā)區(qū)本身就是集約利用的典型區(qū)域，單位面積上的土地利用效益較高，在高資金投入的同時，單位工業(yè)產(chǎn)值較高，土地利用效益較大。相對來說，城市外圍縣市在產(chǎn)業(yè)結(jié)構(gòu)產(chǎn)出和經(jīng)濟效益方面都與前兩者存在較大差距，土地集約利用總體水平相對較低。

4.3 土地投入強度和利用強度對土地集約利用有重要影響

與現(xiàn)有土地投入強度和利用強度相對應(yīng)的是城市發(fā)展表現(xiàn)方式，城鎮(zhèn)外延擴張速度高于內(nèi)涵發(fā)展。對于建成區(qū)而言，老城區(qū)雖然綜合土地集約利用程度相對較高，但尚有較大的挖潛能力。從分析結(jié)果可以看出，雖然具體到各年份中土地集約度數(shù)值有一定波動，但整體上鄭州市土地集約利用度是逐步提高的，這表明在一定發(fā)展階段，通過政策規(guī)劃調(diào)控、市場調(diào)節(jié)和技術(shù)手段，加強土地投入和利用強度，老城區(qū)的土地集約利用還具有提升空間。對于所轄區(qū)、縣及開發(fā)區(qū)而言，由于前期城鎮(zhèn)化建設(shè)偏重于城鎮(zhèn)占地規(guī)模的擴展與城鎮(zhèn)人口數(shù)量的增加，對城鎮(zhèn)經(jīng)濟功能和社會功能的發(fā)展關(guān)注較少，城市擴張多以量取勝，土地面積增加的同時，城市基礎(chǔ)設(shè)施及居民生活保障不到位，土地整體利用方式粗放，集約度相對較低。

分析結(jié)果還表明，鄭州市對外交通、道路和市政公用設(shè)施用地較少，市區(qū)工業(yè)和倉儲等生產(chǎn)用地比例偏高，在一定程度上占據(jù)了其他用地需求。同時，城鎮(zhèn)用地空間布局不合理，城區(qū)缺乏統(tǒng)一規(guī)劃，工業(yè)、居住和商服用地分布規(guī)劃性不強，城市容積率較低，導(dǎo)致土地產(chǎn)出率低，阻礙了城鎮(zhèn)化中心商務(wù)區(qū)功能的發(fā)揮。而且工業(yè)區(qū)和居民區(qū)交叉分布，影響了城鎮(zhèn)整體的環(huán)境效益和社會效益。

開發(fā)區(qū)內(nèi)部的土地集約利用問題主要表現(xiàn)為建設(shè)用地規(guī)模增長過快，土地后備資源不足。從已有開發(fā)區(qū)資料來看，開發(fā)區(qū)農(nóng)用地和未利用土地的主要用途為公共設(shè)施和倉儲用地，土地利用狀況基本以第二、第三產(chǎn)業(yè)為主，第一產(chǎn)業(yè)主要存在于尚未被完全征用的零星農(nóng)村居民點周圍，產(chǎn)業(yè)用地的建筑密度和建筑容積率較低，土地利用強度較低。

4.4 對策建議

土地集約利用度與城市發(fā)展方向和產(chǎn)業(yè)結(jié)構(gòu)有密切關(guān)系。鄭州市作為中原城市群的核心城市，《中原經(jīng)濟區(qū)鄭州都市區(qū)建設(shè)綱要》對城市發(fā)展建設(shè)思路十分明確：以中心城區(qū)為中心，東西兩向均衡發(fā)展。這表明未來城市發(fā)展重點：一是中心城區(qū)的改造，二是新區(qū)的規(guī)劃。在此背景下，針對前述分析結(jié)果，建議城市發(fā)展中心側(cè)重于內(nèi)涵式發(fā)展，調(diào)整和完善土地利用方式和結(jié)構(gòu)，具體到各區(qū)域，建議如下[9-21]。

1）對于中心城區(qū)，需要在現(xiàn)有規(guī)劃基礎(chǔ)上，開展城區(qū)土地清理，整合各類功能用地，通過土地置換、土地開發(fā)整理等多種方式提高城市土地利用效率。對城市現(xiàn)有關(guān)破企業(yè)用地進行收回，盤活存量土地，加強現(xiàn)有建成區(qū)的再開發(fā)；積極有序推進舊城區(qū)和城中村的改造，加大基礎(chǔ)設(shè)施建設(shè)的投入力度，提高低效利用土地的利用；遷出能耗高污染大的企業(yè)，創(chuàng)造宜居環(huán)境。

2）對于縣區(qū)開發(fā)，在做好基礎(chǔ)設(shè)施建設(shè)的同時，要根據(jù)地區(qū)現(xiàn)狀考慮資源潛力、市場前景和社會環(huán)境。在借鑒其他地區(qū)發(fā)展成功經(jīng)驗的同時，立足本地資源環(huán)境承載力，根據(jù)自身條件構(gòu)建合理的產(chǎn)業(yè)結(jié)構(gòu)，形成新區(qū)的產(chǎn)業(yè)支撐。

3）對于開發(fā)區(qū)，由于開發(fā)區(qū)用地特點為單位面積土地投入產(chǎn)出高，土地利用強度高，因此，在開發(fā)區(qū)土地集約利用上，要從區(qū)域經(jīng)濟和社會發(fā)展等方面分析外部條件和本地產(chǎn)業(yè)特點，對開發(fā)區(qū)進行科學定位，合理規(guī)劃工業(yè)用地、商業(yè)居住用地、科教用地及公共設(shè)施與綠地比例，根據(jù)不同產(chǎn)業(yè)結(jié)構(gòu)制定企業(yè)入園開發(fā)規(guī)模標準，提出“企業(yè)用地經(jīng)濟指標”等指標限值，制定具有一定彈性的土地利用規(guī)劃框架，確保土地利用與開發(fā)規(guī)劃的科學性和可操作性。在開發(fā)區(qū)內(nèi)部，也要積極進行內(nèi)部土地資源挖潛，加強土地投資強度。在考核中要采取可持續(xù)發(fā)展的考察考核方式，穩(wěn)步提高資源利用率，統(tǒng)籌項目用地，鼓勵科技密集型項目的加入，將單位面積土地投入產(chǎn)出和土地利用強度作為項目考核的必要條件。借助科技、人才優(yōu)勢，大力發(fā)展土地集約利用程度高的高科技產(chǎn)業(yè)集群，形成開發(fā)區(qū)的產(chǎn)業(yè)核心競爭力，打造城市新的經(jīng)濟增長極，確保城鎮(zhèn)化的穩(wěn)步發(fā)展。

5 結(jié)論與討論

新型城鎮(zhèn)化建設(shè)要求在有度進行新區(qū)擴張的同時，合理利用現(xiàn)有城鎮(zhèn)土地。構(gòu)建科學合理的城市土地集約度評價指標體系，是評判其建設(shè)成效與否的一個重要指標。在進行城市土地集約利用評價時，要確保評價過程的客觀性、科學性和合理性。

1）采用GA-BP神經(jīng)網(wǎng)絡(luò)進行土地集約利用評價，評價結(jié)果具有科學性。與傳統(tǒng)評價方法相比，GA-BP網(wǎng)絡(luò)能夠真實反映輸入、輸出模型的非線性映射關(guān)系，在進行自組織自學習過程中，通過反向傳播不斷調(diào)整網(wǎng)絡(luò)的權(quán)值，優(yōu)化網(wǎng)絡(luò)的隱含節(jié)點和網(wǎng)絡(luò)結(jié)構(gòu)，實現(xiàn)網(wǎng)絡(luò)的動態(tài)自適應(yīng)，使得評價過程更為簡單快速，同時避免了主觀因素影響，評價結(jié)果更為客觀合理。

2）從土地投入強度、土地利用強度、土地利用效益及生態(tài)環(huán)境4個方面選取13個指標構(gòu)建了土地集約利用評價體系，采用GA-BP模型對鄭州市六區(qū)六縣及兩個開發(fā)區(qū)的土地集約利用進行評價，并根據(jù)結(jié)果分別分析中心城區(qū)、縣區(qū)、開發(fā)區(qū)的土地集約利用現(xiàn)狀及存在的問題，提出土地資源利用挖潛的合理化建議。

3）城鎮(zhèn)土地集約利用評價是一個動態(tài)的系統(tǒng)工程，本研究只是在已有指標體系下，采用GA-BP網(wǎng)絡(luò)方法對評價指標與評價結(jié)果間的關(guān)系進行了客觀分析。但實際上，這一類評價問題應(yīng)該是基于過程的動態(tài)模擬，在實證GA-BP網(wǎng)絡(luò)方法的有效性后，此后的研究需要嘗試以這類方法揭示土地集約利用過程的變化規(guī)律和趨勢，借鑒動態(tài)分析模型思路進行深入探索。

參考文獻：

[1] 張占倉.河南省新型城鎮(zhèn)化戰(zhàn)略研究[J].經(jīng)濟地理，2010，9（30）：1462-1466.

[2] 方創(chuàng)琳，馬海濤.新型城鎮(zhèn)化背景下中國的新區(qū)建設(shè)與土地集約利用[J].中國土地科學，2013，27（7）：4-8.

[3] 常 青，王仰麟，吳健生，等.城市土地集約利用程度的人工神經(jīng)網(wǎng)絡(luò)判定[J].中國土地科學，2007，21（4）：26-31.

[4] 李 煥，徐建春，李翠珍，等.基于BP人工神經(jīng)網(wǎng)絡(luò)的開發(fā)區(qū)土地集約利用評價——以浙江省為例[J].地域研究與開發(fā)，2011， 30（4）：122-126.

[5] 朱紅梅，周子英，黃 純，等.BP人工神經(jīng)網(wǎng)絡(luò)在城市土地集約利用評價中的應(yīng)用——以長沙市為例[J].經(jīng)濟地理，2009，29（5）：836-839.

[6] 蔣宗禮.人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論[M].北京：高等教育出版社， 2003.

[7] 丁世飛，蘇春陽.基于遺傳算法的優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法與應(yīng)用研究[A].第二十九屆中國控制會議論文集[C]北京：中國自動化學會控制理論專業(yè)委員會，2010.

[8] 李偉超，宋大猛，陳 斌.基于遺傳算法的人工神經(jīng)網(wǎng)絡(luò)[J].計算機工程與設(shè)計，2006，27（2）：316-318.

[9] 趙小風，黃賢金，陳 逸，等.城市土地集約利用研究進展[J].自然資源學報，2010，25（11）：1979-1996.

[10] 朱天明，楊桂山，萬榮榮.城市土地集約利用國內(nèi)外研究進展[J].經(jīng)濟地理，2009，29（6）：977-983.

[11] 趙思凡.對集約用地內(nèi)涵的在思考——基于對香港措施土地集約利用模式的分析[J].中國土地科學，2009，23（8）：73-77.

[12] 雷廣海，劉友兆，盧效平.江蘇省13城市土地集約利用度時空變異及驅(qū)動因素[J].長江流域資源與環(huán)境，2009，18（1）：7-13.

[13] 李偉超，宋大猛，陳 斌.基于遺傳算法的人工神經(jīng)網(wǎng)絡(luò)[J].計算機工程與設(shè)計，2006，27（2）：316-318.

[14] 陳 逸，黃賢金，陳志剛等.城市化進程中的開發(fā)區(qū)土地集約利用研究——以蘇州高新區(qū)為例[J].中國土地科學，2008，22（6）：11-16.

[15] 曹銀貴，袁 春，王 靜等.1997-2005年區(qū)域城市土地集約度變化與影響因子分析[J].地理科學進展，2008，27（3）：86-93.

[16] 林 堅，馬 珣.中國城市群土地利用效率測度[J].城市問題.2014（5）：9-14，60.

[17] 方創(chuàng)琳，關(guān)興良.中國城市群投入產(chǎn)出效率的綜合測度與空間分異[J].地理學報，2011（8）：1011-1022.

[18] 李景剛，張效均，高艷梅，等.基于改進熵值模型的城市土地集約利用動態(tài)評價：以廣州市為例[J].地域研究與開發(fā)，2012，31（4）：118-123.

[19] 朱一中，曹 裕.基于PSR模型的廣東省城市土地集約利用空間差異分析[J].經(jīng)濟地理，2011，31（8）：1375-1380.

[20] 馮 科，鄭娟爾，韋仕川，等.GIS和PSR框架下城市土地集約利用空間差異的實證研究——以浙江省為例[J].經(jīng)濟地理，2007，27（5）：811-818.

[21] 張占倉，蔡建霞，陳環(huán)宇，等.河南省新型城鎮(zhèn)化戰(zhàn)略實施中需要破解的難題及對策[J].河南科學，2012，30（6）：777-782.