基于灰色-BP神经网络模型的多情景交通用地需求预测——以长江中游城市群为例

为探索科学预测区域交通用地需求的合理途径,指导国土空间规划编制中交通用地规模的划定,拟通过灰色-BP神经网络模型识别主要社会经济影响因素,以长江中游城市群为例,在预测其远景交通用地需求规模的同时,基于城市群发展的阶段特征选取典型城市群样本设置3类情景,对不同情景下的交通用地需求分别进行预测。结果表明:1)城镇化水平、产业结构高度化程度和劳动力资源禀赋是当前影响长江中游城市群交通用地需求的主要社会经济因素。2)通过系统仿真试验对比不同方法的交通用地需求预测结果,可以发现基于灰色-BP神经网络模型的预测方法精度较高,误差较小,该预测方法对于区域交通用地规模的预测具有一定的适用性。预测得到的长江中游城市群2020和2030年交通用地需求分别为31.22万和49.07万hm2。3)不同情景下长江中游城市群交通用地需求预测结果存在明显差异,底线情景可作为划定交通用地规模的底限,一般情景可作为基准,极限情景可作为红线,长江中游城市群交通用地合理规模应以基准为参考,介于底线和红线之间。     

基于灰色-BP神经网络的重庆市城镇建设用地规模预测

以2000～2009年重庆市城镇建设用地规模为数据源,采用灰色-BP神经网络模型对城镇建设用地规模进行预测,结果表明模型的平均误差只有0.81%,精度远高于灰色预测模型,充分说明灰色-BP神经网络模型对城镇建设用地规模的预测具有较高的拟合度及可行性。     

基于灰色系统的杨凌建设用地预测

建设用地是城市发展的重要因素,尤其是建设用地的数量对城市整体经济提升有着不可替代的作用。本文以杨凌建设用地面临的问题出发,运用灰色预测系统,预测2015与2020年建设用地的合理规模,结果表明到2015年与2020年合理规模分别为4 040.1 hm2、4 930.98 hm2。     

基于灰色系统的湖北黄石市建设用地预测

建设用地是城市发展的重要因素,尤其是建设用地的数量对城市整体经济的提升有着不可替代的作用。本文选取2004～2008年黄石市建设用地变更数据为基础,采用灰色系统预测方法对湖北省黄石市2010～2020年建设用地规模进行预测,对预测结果进行分析,并对此种预测模型的适用性进行评价。     

基于PCA-RBF神经网络的成都市建设用地需求预测

为建立“突变”增长条件下建设用地需求预测模型以利于区域土地资源的可持续利用和土地利用总体规划的 定期修编,本文提出了基于主元分析(PCA)与径向基函数(RBF)神经网络模型相结合的建设用地需求预测方法.首 先,利用灰色关联分析筛选出主要驱动因子作为输入数据;然后,利用主元分析消除其相关性,并达到降维目的; 最后,以PCA结果为输入建立建设用地需求的RBF神经网络预测模型.实例研究表明,建设用地需求PCA-RBF 神经网络预测模型具有较好的预测效果,平均绝对误差(MAE)、误差均方根(RMSE)、平均相对误差(MRE)、分 年度残差和突变点残差都较常规的多元线性回归(MLR)模型更小,更适宜在复杂非线性条件下应用.     

宝鸡市城乡建设用地规模灰色系统模型预测

针对宝鸡2002—2007年城乡建设用地动态变化的特点和规律,根据灰色关联度,分析了宝鸡市城乡建设用地规模的驱动因子。结果表明,总人口因素的相关性最大;用灰色系统理论建立GM（1,1）预测模型,预测了2010和2020年宝鸡建设用地的变化情况,为宝鸡市合理利用土地,实现土地资源的可持续利用提供参考。     

基于改进算法的灰色马尔科夫模型的建设用地预测

改进灰色系统理论GM（1,1）模型的算法,并且将改进后的灰色模型与马尔科夫模型结合。通过对灰色系统预测数据的修正,既发挥了灰色系统预测精确的特点,又利用了马尔科夫模型对预测波动性数据准确的优势。结合西安户县的实例,对在时间序列上展开的具有一定的波动性的建设用地数据进行预测,达到很高的预测精度。     

基于粗神经网络的旅游需求预测研究

旅游需求的合理预测是旅游业持续健康的重要前提之一,根据粗糙集理论提出一种旅游需求预测的粗神经网络模型,该模型通过消除噪声提高神经网络预测的精度,有效地克服神经网络算法中知识获取以及推理过程的黑箱性弱点。通过对云南近年入境旅游发展趋势的预测实例分析,验证模型的有效性。     

基于灰色系统理论的城镇建设用地预测模型的研究——以湖北潜江市为例

针对我国现行城镇建设用地预测中存在的问题,在预测潜江市城镇建设用地规模中引入灰色系统理论中的灰色关联度和灰色GM(1,1)预测模型,用灰色GM(1,1)模型对城镇人口进行预测,并通过关联度综合分析各因素(人口、固定资产投资)对城镇建设用地的影响,结合建设用地控制系数进行再次调整,从而提出一种集约型的预测模型。     

基于灰色关联度和BP神经网络的全国人口预测研究

文章首先运用灰色关联度分析,找出了影响人口变化的主要因素,将2009-2018年的主要因素数据作为BP神经网络的输入对网络进行训练;其次运用时间序列预测对2019和2020年的出生率、老龄人口数和农村人口数进行了预测,运用灰色预测对2019和2020年死亡率进行了预测;最后将2019和2020年各因素预测值输入已经训练好的BP神经网络中得到2019和2020年总人口预测值139900和140320,结果显示BP神经网络预测具有较高的准确性。     

基于食物安全的耕地需求分析与预测

为在耕地资源短缺与食物消费结构改变的大背景下合理分析用地需求,保障食物安全,以河南省居民的食物消费情况为研究对象,采用构建时间序列预测模型的方法,基于经济发展和食物结构对河南省未来15~30年的食物需求进行分析,并结合推算结果对不同食物类型所需土地分别计算,得出基于食物安全的耕地需求量。结果表明:1)2000—2019年河南省居民食物消费结构变化显著,植物类食物始终占据较大比重,动物类消费的所占比例呈增长趋势;2)河南省城乡居民耕地需求变化存在一定差异,农村居民的人均耕地需求由城镇居民的1.2倍下降至占城镇居民人均耕地需求的82%。耕地总需求变化趋势为缓慢减少后逐步上升且保持上升趋势,最高约508万hm²;3)河南省人口规模、作物单产水平和食物消费结构均对河南省耕地需求产生着重大影响。其中,主要影响因素是食物消费结构的改变,单产水平提高对缓解人口增长带来的耕地需求压力有重要作用;4)预测发现河南省现有耕地虽能够满足2035—2050年该省人民食物需求,但是河南省作为食物输出大省,无法在满足本省人民食物需求的同时,保持现有的食物供应比例。最后,根据预测结果与河南省耕地保护现状,基于食物安全以市场需求为导向提出相关建议。     

基于遗传神经网络的农村用电量需求预测

文章对标准BP神经网络的基本原理进行了简单的概述,并提出标准BP神经网络存在的缺点和不足,进而提出了用实数遗传算法优化神经网络的权重,解决了标准BP神经网络在训练过程中的缺点,并将遗传神经网络应用到我国农村用电量预测中,取得了良好的效果。     

基于BP神经网络的福建省耕地预测模型

福建省耕地严重短缺,人均占有耕地面积较小.随着经济的发展,人均占有耕地资源将进一步减少.针对这一现象,本文运用BP神经网络对福建省历年耕地面积进行拟合,建立预测模型,结果表明模拟效果理想.     

基于灰色神经网络与马尔科夫链的城市需水量组合预测

【目的】针对城市需水量预测系统具有非线性和随机波动性的特点,建立基于马尔科夫链修正的组合灰色神经网络预测模型,以提高模型的预测精度。【方法】比较分析灰色GM(1,1)模型、BP神经网络模型以及二者线性组合的灰色神经网络预测模型的预测效果,建立基于马尔科夫链修正的组合灰色神经网络预测模型,并以榆林市2000-2009年的用水量实际数据为研究对象,通过实例比较分析模型的检验预测精度。【结果】经马尔科夫链修正处理后,建立的基于马尔科夫链修正的灰色神经网络组合模型的预测精度更高,预测误差的绝对值均小于4%,且均方差σ为1.00,小于组合灰色神经网络模型与GM(1,1)模型、BP神经网络模型预测误差值的均方差。【结论】基于马尔科夫链修正的组合灰色神经网络需水量预测模型,对城市需水量的预测优于灰色神经网络及各单项预测模型,不仅预测精度高,而且能同时反映出数据序列发展变化的总体趋势和系统各状态之间的内在规律,适合描述随机波动性较大的预测问题。     

基于熵值法的兰州市城市土地集约度与土地利用结构关系的研究

基于熵值法分析了兰州市城市土地集约度及其变化,采用相关系数指标、增量分析和回归分析法,探讨了城市土地集约度与土地利用结构之间的相关性与定量关系。结果表明:兰州市城市土地集约度较低,在1998~2007年兰州市城市土地集约度逐步提高,经历了由粗放到一般集约的4个阶段;城市土地集约度与土地利用结构之间呈现高度的相关性,兰州市城市土地集约度与工业用地、居住用地、公共设施用地、道路用地、绿化用地的相关系数分别为-0.971、0.969、0.884、0.949、0.960;增量分析表明:兰州市城市土地集约度每提高1个百分点,需要工业用地减少833.28 hm2,居住用地、公共设施用地、道路用地、绿化用地分别增加984.56、354.48、98.29、421.23 hm2;通过构建集约度和土地利用结构之间的关系模型,为进一步研究优化土地利用结构,提高城市土地利用率提供参考。     

基于BP神经网络和支持向量机的农用地分等方法研究

为建立农用地(耕地)质量评价模型,客观准确地进行农用地(耕地)分等,减少现行农用地分等方法中的人为因素影响,提高农用地分等的精度。以福建省长泰县丘陵山地区为实证研究区,通过无监督网络——自组织特征映射网络(SOM)筛选出2 602组典型样本,分别进行有监督网络——BP神经网络和支持向量机(SVM)的学习训练,将分等指标作为输入变量,以农用地自然质量等指数和等别作为输出变量,分别建立BP神经网络农用地分等模型与SVM农用地分等模型并对其精度进行分析。BP神经网络模型的评价正确率为89%,精度较高;支持向量机(SVM)模型的评价结果正确率为99%,达到高精度等级。2种模型均能满足农用地分等的精度要求,但SVM模型较BP神经网络效果更好,更适合应用于农用地分等工作。     

基于熵值法的农村居民点整治潜力测算及整治分区研究——以鹤壁市为例

科学合理地测算农村居民点整治潜力,尤其是现实潜力,是开展农村居民点整治和建设新型农村社区的重要依据。以鹤壁市为例,从各乡(镇)的自然、社会、经济和土地4方面的限制性因素进行分析,利用熵值法和聚类分析,对鹤壁市各乡(镇)农村居民点进行了现实整治潜力测算与整治分区。结果表明,鹤壁市农村居民点整治现实潜力综合修正系数为0438　7,增加耕地系数仅为2967%,农村居民点整治理论潜力转化为现实潜力的可行性较差。鹤壁市农村居民点整治潜力较大的地区主要位于城市郊区和浚县的粮食主产区,此区域地形基本以平原为主,土层深厚、质量较好,土地自然限制性较小。     

兰州市居民城市游憩目的地地域分布及功能分析

通过问卷调查的形式,调查了兰州市区(只包括城关、七里河区)居民周末出游的基本情况。对比分析了兰州市居民周末出游目的地分布空间特征、游憩动机、游憩目的及其消费行为。同时,还对兰州市居民对游憩目的地所提供服务的意见与建议进行了开放式调查。根据上述分析的结果,最后对兰州市周末旅游市场的开发提出意见与建议。     

兰州市耕地变化格局与驱动机制分析

以兰州市1999～2008年的统计资料为基础,运用耕地变化景观指数分析了兰州市耕地变化格局特征.通过多元线性回归分析法,对引起兰州市耕地数量变化的驱动力进行了研究.研究表明:兰州市耕地增加的方式有4种,即开发、复垦、整理和农业结构调整.10a间耕地增加最多的方式为土地开发(1 159.75hm2),其次为农业结构调整(159.39hm2),复垦增加为0;兰州市土地减少方式有生态退耕、农业结构调整、灾毁、建设用地等,其中,生态退耕减少15 516.28hm2,建设用地减少3 863.88hm2,灾毁面积1.13hm2,其他原因减少为351.65hm2.兰州市耕地增加的方式单一,优势度相对较高,均匀度低;耕地减少的方式较增加的方式多样,优势度低,均匀度高.经济发展、人口增长和土地生产力是影响兰州市耕地变化的3大驱动力.