BP神经网络方法在城市土地生态安全评价中的应用——以武汉市为例

以武汉市为例,选取21个指标构建土地生态安全评价指标体系,选用BP神经网络方法,通过输入指标数据对网络进行训练,评定出武汉市土地生态安全等级。结果表明2,008、2009年武汉市土地生态安全为一般安全等级,2010年为较为安全等级。BP神经网络是一种切实可行的高信度的生态安全评价方法。     

基于PSR模型的太原市土地资源生态安全评价

以太原市作为研究对象,利用压力—状态—响应(PSR)模型,以国家土地资源安全评价应用性评估指标体系为基础,建立了土地资源生态安全评价指标体系,并对太原市2006—2012年土地资源生态安全水平进行了评价。结果表明,2006—2012年太原市土地资源生态安全水平基本处于较不安全的状态;生态环境、人文社会压力是影响太原市土地资源安全压力重要的因素,而太原市的响应力度不够,土地资源的压力仍有增长的趋势,政府必须采取更多适当的手段和政策来保护土地资源。针对评价结果和影响因素分析结果提出了相应的安全对策。     

基于概率神经网络的广东省土地资源评价

用概率神经网络的方法,以广东省土地资源为对象进行了土地资源评价的研究,并与BP网络的评价结果作了比较,结果表明,用概率神经网络进行评价的结果比BP网络的评价结果更加准确,更加切合实际情况,一定程度上避免了人为因素的干扰,提高了土地资源评价的准确性．     

南宁市土地资源生态安全评价

[目的]对南宁市土地资源生态安全状况进行评价,提出确保土地资源生态安全的对策,以促进南宁市土地资源的可持续利用.[方法]采用多指标综合评价法计算南宁市土地资源生态安全水平,并在此基础上提出相应的对策建议.[结果]南宁市辖区处于生态安全风险区,其人口密度过大,各项基础设施建设与之脱节,同时过快的人口增长速度也造成了人均耕地面积急剧下降,从而造成市区生态环境恶化;隆安县、马山县、横县处于生态安全敏感区,其在土地利用、环境保护、经济发展、社会进步等方面的发展均处于一般水平;武鸣县、上林县、宾阳县处于生态安全良好区,这些地区土地利用结构相对合理,在粮食自给、环境保护、生态建设等方面相对较好.[建议]编制土地生态建设规划,制定土地生态保护措施;严格控制城市规模,提高土地集约利用水平;提高宣传和教育力度,强化公众土地生态安全意识;严格执行土地利用总体规划,加强生态用地管制;积极控制人口数量,提高人口质量,以确保南宁市土地资源生态安全.     

基于P-S-R模型的湖南省土地资源生态安全动态评价

根据湖南省区域环境及土地利用特点,运用P-S-R模型建立湖南省土地资源生态安全评价的指标体系,采用熵权法法计算各指标权重和研究区域的土地资源生态安全值,对其2001～2010年的土地资源生态安全状态进行动态综合评价,划定安全等级。结果表明,湖南省土地资源生态安全压力指数呈减小趋势;2001～2010年湖南省土地资源生态安全状态指数总体为增加趋势,但是在2006～2008年出现小幅度下降;湖南省土地资源生态安全响应指数呈上升趋势;综合安全指数变化表现为增加趋势,但是至2010年仍为临界安全。湖南省土地资源生态安全面临的压力仍较大,区域土地资源状态仍不乐观,在人类的干预和维持下,生态安全受人类的影响逐渐加大。     

基于P-S-R模型的陕西省土地资源生态安全动态评价

【目的】利用压力—状态—响应（P-S-R）模型对陕西省土地资源生态安全进行动态评价,以期为陕西省土地资源的可持续利用提供科学参考。【方法】基于P-S-R模型,以国家土地资源安全评价应用性评估指标体系为基础,结合研究区域土地资源生态特点,构建陕西省土地资源生态安全评价指标体系;并以1997~2006年陕西省土地资源数据为例,对其土地资源生态安全的变化进行定量评价。【结果】1996~2006年,陕西省土地资源生态安全系统压力指数整体上呈减小趋势;土地资源状态系统安全指数波动显著;土地生态安全响应指数呈明显增长趋势;土地生态安全综合指数变化可分为两个阶段：第一阶段（1996~1999年）,土地资源生态安全综合指数波动明显,但总体上呈下降趋势,安全等级由临界安全转为较不安全,第二阶段（1999~2006年）,土地资源生态安全综合指数逐年上升,安全状态也由较不安全升至临界安全。【建议】应继续坚持控制人口数量、提高人口素质的政策,坚持退耕还林为主的生态环境建设,推进清洁生产和循环经济,控制建设用地规模,从根本上降低区域土地资源生态压力,维护区域土地资源的生态安全。     

贵州省铜仁市土地资源生态安全评价研究

该文以贵州省铜仁市土地资源生态安全评价为实证研究,运用系统分析法,把评价的标准分解为土地资源自然生态安全系统、经济生态安全系统和社会生态安全系统,6个状态层,18项具体指标,构建出评价铜仁市土地资源生态安全的指标体系,进而运用相关数学方法,计算出铜仁市2010年和2013年的土地资源生态安全值分别为0.685和0.703。结果表明,2010年和2013年铜仁市土地资源生态安全状况均处于安全水平,且生态安全状况较2010年有了进一步的提高。     

西安市长安区土地资源生态安全评价分区研究

为了评价西安市长安区土地资源生态安全的现状。以长安区25个乡镇作为评价的基本单元,首先建立土地资源生态安全评价分区的指标体系,然后用综合评价模型对各个地区进行了生态安全评价。结果表明:长安区25个乡镇可分为3个生态分区生态良好区,生态待改善区和生态重点治理区。该研究较客观的反映了长安区土地资源的生态安全现状,对于保障长安区土地资源生态安全具有有一定的参考价值和重要的现实意义。     

桂西资源富集区生态特色农业产业发展分区研究

文章采用统计分析、典型调查、聚类分析等方法展开研究,全面掌握了桂西资源富集区生态特色农业产业发展现状;应用系统聚类划分生态特色农业区,并根据自然规律、市场经济规律和广西经济发展新常态的要求,对生态特色农业产业发展的制约因素进行科学分析。通过聚类分析,提出了该区域生态特色农业产业发展分区方案和发展方向。为该区域的农业和农村经济可持续发展提供决策参考。     

基于P-S-R 模型的贵州省土地资源生态安全评价

基于P-S-R模型构建土地生态安全评价指标体系,并结合熵权法和特尔斐法测算各指标权重,根据综合指数界定土地生态安全等级,对贵州省2005-2012年土地生态安全进行了评价.结果表明:2005-2011年,贵州省土地生态安全综合指数从0.7149上升到0.7970,安全等级为较安全;2011-2012年,土地生态安全综合指数从0.7970上升到0.8070,安全等级从较安全上升到理想安全.但是人地矛盾突出、自然灾害频繁、人均收入有待提高、财政收入整体水平仍较低、生活垃圾处理量较低、化肥使用量较高等仍是贵州省土地生态安全的较大隐患.     

基于BP神经网络的大气环境质量评价模型

依据BP人工神经网络原理,以MATLAB为工具,建立了某市大气环境质量评价模型,评价了该市1月上旬大气环境质量状况,并与灰色聚类法、模糊综合评价法的评价结果进行比较,得到了较为一致的评价结果。     

基于PSR模型的河北省土地生态安全评价的分区

为充分认识河北省的土地生态状况,从而有针对性地对河北省土地生态安全问题采取措施,保障区域土地资源可持续利用,采用压力-状态-响应(PSR)模型框架,选取28个评价指标,构建河北省土地生态安全评价分区指标体系,运用熵权法和综合指数法建立土地生态安全综合评价模型,对河北省各地区土地生态安全进行评价分区研究.结果表明:河北省各地区的土地生态安全状况差距较大.张家口市和秦皇岛市的土地生态安全处于良好状态,廊坊市、沧州市、石家庄市、承德市、唐山市、保定市和邢台市的土地生态安全处于预警状态,邯郸市、衡水市的土地生态安全处于中警状态.在此基础上,针对各地区土地生态安全状况特点,提出相应的对策和建议.     

基于BP神经网络的宁夏耕地资源动态变化及预测

利用2000~2014年统计数据,分析了宁夏近15 a来的耕地动态变化特征,采用主成分分析法提取影响耕地变化的主要驱动因子,将驱动因子作为输入数据,构建了预测耕地资源变化趋势的BP神经网络,并开展预测研究。结果表明:宁夏耕地资源变化经历了增加—迅速减少—波动增长—迅速增长4个阶段,人均耕地经历了迅速减少—缓慢减少—迅速增加3个阶段;其中,2002~2004年和2010~2012年的土地利用动态度K0,2003年动态度最小(K=-7.673%),2005~2010年和2012~2014年的土地利用动态度K0,2014年动态度最大(K=11.424%);宁夏耕地资源主要驱动因子概括为农业发展、经济发展及退耕还林,经济发展对耕地产生巨大压力,而农业科技进步某种程度减小了人口对耕地的压力,退耕还林也是宁夏耕地减少的重要原因,三者相互作用共同对宁夏耕地产生影响;预测宁夏耕地资源的BP神经网络模型为3层(3×16×1),对2011~2014年的耕地资源预测取得较好效果,最小误差仅为376 hm~2。     

林地资产批量评估BP模型研究

在林地资产评估中,将BP神经网络与批量评估方法结合,通过对影响林地资产评估价值因子的数据处理,建立林地批量评估BP模型,运用贝叶斯方法估计正则化参数,提高BP网络模型泛化能力。结果表明,基于贝叶斯正则化的BP神经网络模型能够实现批量预估林地资产价值,其评估结果精度可靠,泛化能力很好,可为集体林区林地资产评估提供一种新的思路与方法。     

基于BP神经网络的林木资源资产批量评估模型优化

批量评估具有效率高、费用低且满足大量评估等优点。论文以中龄林为例,将BP神经网络应用于林木资源资产批量评估。通过比较学习算法、隐含层节点数,运用敏感性分析法确定影响因子对评估值的贡献程度,筛选输入层因子,从而优化了林木资源资产批量评估BP神经网络模型结构。结果表明：贝叶斯正则化法优于L-M算法;年龄、利率、蓄积、树种为强影响因子,这4个因子对评估值的贡献度超过60％;最优模型结构为BR 9-10-1,该模型平均绝对误差为32．46元/hm2,平均相对误差为1．28％,决定系数达0．9997,模型拟合精度高,泛化能力强,能够满足中龄林林木资源资产批量评估的要求。     

基于PSR-TOPSIS模型的山东省土地生态安全评价

为山东省土地生态安全保护工作的开展提供科学依据,论文基于PSR模型,从压力、状态、响应3个方面构建山东省土地生态安全评价指标体系;运用基于熵权改进的TOPSIS法对2013年山东省各地市间的土地生态安全状况进行空间差异性研究。结果表明：（1）山东省土地生态安全评价等级包括“较安全”、“临界安全”和“较不安全”,空间差异明显,呈现从东部沿海向西部内陆逐渐递减的规律;（2）影响山东省土地生态安全空间差异的主要因素为人均耕地面积、人均水资源量、土地产出率、单位播种面积粮食产量、经济密度、环保投资占GDP比重、农业机械化水平等,是今后工作的重点。     

BP神经网络模型在新增建设用地计划指标分配中的应用

新增建设用地计划管理关系着国民经济和社会的长期稳定发展,其中计划指标分配是否合理,直接关系到区域经济的发展。该研究以廊坊市为研究区域,在Matlab工作平台上,将BP神经网络模型应用到新增建设用地计划指标分配中,结果表明该模型可行、有效。     

基于BP神经网络的马铃薯气候产量预报模型

为了准确预测马铃薯气候产量达到趋利避害的目的,利用1980—2015 年山西省大同市马铃薯产量及同期国家基准观象台观测到的气候资料,选用传统的统计回归方法和BP神经网络方法分别建立马铃薯产量预报模型。结果表明：通过二次函数曲线和最小二乘法确定马铃薯敏感期的气候因子是气温、日照和降水,其中降水对马铃薯产量的影响最大。通过改进的气候产量算法可以更好地反映气候要素与作物单产之间的函数关系。在Matlab 平台上训练精度设为0.005、学习率0.01 的BP神经网络方法可以很好地逼近非线性函数。用大于1/3 样本进行预报检验表明,在预报精度和拟合精度上,BP神经网络模型都明显优于传统的回归模型,BP神经网络方法在马铃薯产量预报中有具有非常广泛的应用前景。