BP神经网络在城市建成区面积预测中的应用——以江苏省为例

城市建成区规模的迅速扩张是目前江苏省土地利用变化中的一个显著特点，其面积从1985年的426 km2扩大到2003年的2 200 km2，平均年增加98.56 km2。城市建成区规模的扩张受到社会、经济、人口等多种因素的影响，用传统方法对其进行预测比较困难。鉴于BP神经网络在非线性领域预测中的广泛应用，以江苏省为研究对象，构建一个11-3-1结构的BP神经网络预测模型，以1985~2001年和2002年的相关数据作为模型的训练和测试样本，以2003年的社会、经济数据作为网络的预测输入，对该年的建成区面积进行预测。结果表明，BP神经网络预测结果与实际面积的相对误差为3.96%，其预测精度与多元回归预测模型相比有较大改善。     

多重组合神经网络模型在湖库总磷预测中的应用研究

湖库总磷(TP)含量与环境因子的相关性往往并不显著,导致总磷预测精度不高,效果不理想。为提高总磷的预测精度,提出一种基于BP、Elman、RBF、GRNN(以下简称BP等4种)神经网络算法原理的组合预测模型,将影响总磷预测精度的NH+4-N、CODMn和透明度3个相关因子作为BP等4种模型的输入向量,总磷实测值作为输出向量,构建3输入1输出的单一预测模型;以BP等4种单一模型预测结果作为下一BP等4种模型的输入向量,总磷实测值作为输出向量,从而构建4输入1输出的一次组合预测模型;再以一次组合神经网络模型预测结果作为下一BP等4种模型的输入向量,总磷实测值作为输出向量,构建4输入1输出的二次组合预测模型;依次类推,构建8种方案的多重组合预测模型。并构建GA-BP模型作为对比预测模型,预测结果与BP等4种单一模型及GA-BP模型的预测结果进行比较。结果表明:(1)组合模型随着组合重数的增加,预测精度显著提高,表明多重组合模型用于湖库总磷预测是合理可行的,模型具有较好的预测精度和泛化能力,是提高预测精度的有效方法;(2)方案2~8中各模型的预测结果均优于GA-BP模型(除方案2中的GRNN外),表明组合模型具有较高的预测精度和泛化能力。其中,方案3中的BP模型、方案4~8中的BP、Elman和RBF模型的平均相对误差均小于10%,预测精度均令人满意,尤以方案6~8中的BP、Elman和RBF模型的预测精度为最高(平均相对误差均在9%以内),均优于其他组合模型。     

基于神经网络的土壤重金属预测及生态风险评价

采用单隐层RBF神经网络模型预测土壤重金属Cr、As、Ni、Pb、Zn 5种元素的含量,实测35组数据做为训练数据,另用6组做验证数据,该模型是以利用采样的10组数据预测其后的连续5组数据,输入层的神经元个数是10,输出层是5,隐含层的传递函数为径向基函数radbas,输出层的传递函数为线性函数Purelin,其结果表明:采用RBF神经网络模型预测有较高的精度。通过多元统计分析采样样品与预测样品,研究区域As、Ni、Zn的均值超过了上海市土壤环境背景值,As元素达到高度变异,Pb、Zn、Ni 3种元素达到中度变异。通过因子分析,前2个因子基本包含了全部元素变量的主要信息,第1因子中载荷最高是元素Ni(0.946),第2因子中则为元素As(0.930)。通过潜在生态风险指数评价,研究区域整体呈轻度生态风险水平。采用RBF神经网络模型可以降低采样分析成本,更好的评价区域土壤重金属的生态风险。     

土地利用规划中建设用地预测方法比较

为探索提高建设用地预测精度和预测方法比较,该文运用多元线性回归模型、GM(1,1)模型和BP神经网络模型对晋城市建设用地进行预测,预测结果说明三种模型的平均相对误差和预测精度均存在一定差异。研究表明:建设用地预测中应结合数据本身的特点和数据收集的难易程度选择不同模型;多角度多方法进行预测比较,可得到预测精度较高的预测结果;对于建设用地预测方法比较,可以从模型本质特性、数据采用形式和数据获取难易程度等7个方面进行综合比较。该研究为科学选择建设用地预测方法、探索预测方法比较提供一种思路,为土地利用规划修编和土地资源可持续利用提供科学依据。     

基于GF-1号遥感影像的武汉市及周边湖泊综合营养状态指数反演

湖泊水体富营养化的监测评价是湖泊水资源管理和水环境保护的基础性工作。基于GF-1号WFV遥感影像和综合营养状态指数法,通过82个站点实测数据建立多元线性回归和RBF神经网络模型,对武汉市及其周边地区主要湖泊综合营养状态指数进行了反演。反演的结果显示,武汉市及周边大部分湖泊水域处于轻度富营养和中营养状态,局部湖区为中度富营养状态。验证结果表明:GF-1号WFV多光谱数据用于监测大面积湖群水质变化是可行的;两种模型都可以建立实测数据与遥感信息的函数关系,根据函数可以反演湖泊水质综合营养状态指数,进而实现大面积湖泊水质动态监测;而RBF神经网络模型预测的R2为0.742 3,均方根误差为3.72,其反演精度更高,更适合于监测内陆湖泊水质变化。     

城市脆弱性动态演变的模拟预测研究

对城市脆弱性的动态演变进行模拟预测可以得到城市脆弱性的未来发展趋势和水平,由此为调控城市脆弱性、为制定城市可持续发展政策提供科学的决策依据。遵循"测度、降维、预测"的总体技术路线,首先从城市经济、社会和环境3个方面定量测度城市脆弱性指数(UVI),其次利用相关系数分析法提取影响UVI的主导指标因素,最后构建预测模型并优选出精度最高的模型用于预测。以合肥市为实证,对其城市脆弱性动态演变进行了模拟预测,研究表明:1998-2012年,合肥UVI总体上呈下降趋势,但在2011年发生突变反弹,从2010年的0.276 8增加到2011年的0.506 6,增加了83.02%;影响合肥UVI的主要有6个指标因素;以这6个主导指标为基础,分别构建SLR、MLR和RBF神经网络预测模型,SLR、MLR和RBF神经网络模型的预测相对误差分别为6.61%、4.64%和1.89%,综合对比分析表明RBF神经网络模型的预测精度最高;利用RBF预测模型得到合肥2013-2017年的UVI,结果显示合肥2015年的UVI为0.284 3,和2010年的UVI(0.276 8)基本持平,由此表明,只要6个主导指标能保持目前的发展趋势,合肥UVI将重新回到2011年发生突变反弹前的水平和状态。研究显示,RBF神经网络能为城市脆弱性动态演变的模拟预测提供一种新思路和新方法,进而为完善城市脆弱性研究体系和类似城市的相关研究提供参考借鉴。     

基于ARIMA和BP神经网络组合模型的我国碳排放强度预测

预测我国碳排放强度的长期变动趋势, 对国家进行宏观经济管理和节能减排工作具有重要的参考价值。运用深入分析自回归移动平均模型和神经网络的特性，并在此基础上建立ARIMA模型和BP神经网络组合模型，将碳排放强度的时间序列的数据结构分解为线性和非线性残差部分，对我国碳排放强度的变化趋势进行了综合分析与预测。结果显示:今后10 a我国碳排放强度总体是逐步下降的，但到2020年我国碳排放强度仅比2005年下降34%，比我国政府提出碳排放强度下降40%~45%的目标还有一定的差距。因此，要在2020年实现我国碳排放强度目标，必须要调整宏观经济政策，采取各种政策措施以实现目标     

长江上游月降水人工神经网络预测模型

长江上游月降水量预测对于三峡库区及整个长江流域水资源管理具有重要意义。根据长江上游不同气候区降水差异，选取玉树、九龙和宜宾3个代表性气象站点近60 a的月降水量数据，运用反向传播神经网络、径向基函数神经网络、广义回归神经网络和多元线性回归法，确定降水时滞和降水月份，建立月降水预测模型，来预测未来一个月的降水量，并采用均方误差和判定系数来验证和对比各种模型的模拟效果。结果显示：人工神经网络模型总体上优于多元线性回归，特别是反向传播神经网络的模拟结果各站表现较好，在确定合理的输入变量和网络结构后，可以尝试作为长江上游各站月降水预测模型。〖     

基于相空间神经网络耦合模型的径流降尺度分析

基于混沌理论和神经网络理论，研究水文科学的尺度问题，将混沌神经网络分析方法应用于径流的降尺度分析。首先通过对年径流量分解到月径流量的分解系数的分析，证明了分解系数具有混沌特性；其次利用相空间BP神经网络模型对分解系数进行预测，并根据预测结果进行月径流量的降尺度计算。实例研究表明，用神经网络拟合分解系数相空间的相点演化非线性关系和用相空间神经网络模型对径流作降尺度分析是可行的。     

基于五种模型比较的湖南省生态旅游需求预测研究

从供求关系视角对湖南省生态旅游需求预测有利于生态旅游资源的优化配置与生态旅游产业的可持续发展。为了进一步了解湖南省生态旅游市场需求，以2008~2017年生态旅游相关数据为样本数据，运用GM（1，1）预测模型、线性回归预测模型、非参数模型、BP神经网络预测模型、时间序列预测模型（2）五种预测模型对湖南省生态旅游需求进行预测，得到线性回归模型的模拟精度最高。因此，采用线性回归模型对湖南省生态旅游总收入和生态接待旅游总人数进行预测。结果显示：2021~2025年期间，湖南省生态旅游总收入和接待生态旅游总人数呈中低速曲线递增趋势，其中生态旅游总收入名列前5强的市州是长沙、张家界、岳阳、湘潭和益阳市；生态旅游接待人数名列前5强的市州是长沙、常德、衡阳、郴州、益阳市。在各市州之间，存在生态旅游总收入与生态旅游人数不对等现象，尤以常德和张家界两市最为典型。     

基于主要经济指标的城市建设用地规模预测模型——以广东省为例

随着经济的发展和人口的增长,建设用地规模不断扩大。本文采用线性回归分析法,选取GDP、人口规模、固定资产投资额和年份四个因素,分析了广东省1981—2000年间各类建设用地以及建设用地总规模与四个因素的相关性,并拟合了一元线性和三元线性预测模型。预测结果表明:除其他用地外,建设用地规模与四个因素存在显著的相关性,且以固定资产投资为自变量的一元线性模型和以GDP、人口规模、固定资产投资额为自变量的三元线性模型的模拟结果较好。由于建设用地的研究方法和影响因素较多,本研究只采用一元、多元线性回归模型法,选择部分影响因素,构建建设用地规模预测模型,旨在为制定建设用地供应计划,提高建设用地节约利用,建设用地高效管理提供基础参考依据。     

基于辅助变量和神经网络模型的土壤有机质空间分布模拟

为快速准确获取省域尺度下土壤有机质的空间分布状况。以江西省2012年测土配方施肥项目采集的16 582个耕地表层(0~20 cm)土壤样点数据,借助四方位搜索法、地统计学和遥感影像分析技术提取环境因子和邻近信息作为辅助变量,构建基于地理坐标与辅助变量的BP神经网络模型和普通克里金法结合的方法(BPNN_OK)、基于地理坐标与辅助变量的RBF神经网络模型和普通克里金法结合的方法(RBFNN_OK)和普通克里金法(OK法)3种方法,模拟省域尺度下耕地表层(0~20 cm)土壤有机质的空间分布。对2 416个验证样点进行独立验证的研究结果显示:基于辅助变量的神经网络模型较普通克里金法有较大提升。BPNN_OK法对土壤有机质预测结果的均方根误差、平均绝对误差、平均相对误差较OK法分别降低了2.76 g/kg、2.34 g/kg、9.83%,RBFNN_OK法较OK法分别降低了2.70 g/kg、2.29 g/kg、9.61%。研究显示,基于辅助变量的神经网络模型与OK法结合的方法明显地提高了土壤有机质空间分布模拟精度,并且存在改进和提高的空间。     

基于组合模型的能源需求预测

能源是人类生存和发展的重要物质基础,也是当今国际政治、经济、军事、外交关注的焦点。能源需求预测是合理制定能源规划的基础。能源需求预测的模型很多,总的来说,可以分为单一模型预测和组合模型预测。本文在分析几种常用单一模型的优缺点和适用范围的基础上,建立BP神经网络与灰色GM的优化组合模型,对江苏省未来十五年煤炭和石油的需求量进行预测。结果表明:①随着经济的发展,未来江苏省对煤炭和石油的需求量逐渐增加,其中煤炭从2008年的19 601.39万t标准煤增加到2020年的25 615.26万t标准煤,年均增长率为1.81%;石油从2008年的2 628.64万t标准煤增加到2020年的3 532.60万t标准煤,年均增长率为1.36%;②基于BP网络与GM(1,1)的组合模型克服了单一模型的缺点,实现了优化组合模型"过去一段时间内组合预测误差最小"的原则,且预测结果误差较小,不仅适用于能源的中长期预测,还可以推广到其他领域。     

基于BP神经网络的鄱阳湖水位模拟

考虑到鄱阳湖水位受流域五河与长江来水等多因素的共同作用而表现出高度非线性响应,采用典型的三层BPNN神经网络模型来模拟鄱阳湖水位与其主控因子之间的响应关系。分别将湖口、星子、都昌、棠荫和康山水位作为目标变量进行BPNN模型构建和适用性评估。结果显示：综合考虑流域五河及长江来水（汉口或九江）的BPNN水位模型,空间站点水位模拟精度（R2和Ens）可达090以上,各站点的均方根误差（RMSE）变化范围约050～10 m,若忽略长江来水的影响作用,仅将流域五河来水作为湖泊水位的主控影响因子,模型训练期与测试期的纳希效率系数（Ens）和确定性系数（R2）显著降低,且低于050,均方根误差（RMSE）也明显增大（124～288 m）,意味着综合考虑流域五河与长江来水是获取结构合理、精度保证的鄱阳湖水位模型的重要前提。同时建议针对鄱阳湖湖盆变化对水位的影响,尽可能选择一致性较好的长序列数据集来训练和测试BPNN模型。所构建的BPNN神经网络模型可进一步结合流域水文模型,用来预测气候变化与人类活动下流域径流变化对湖泊水位的潜在影响,也可作为一种有效的模型工具来回答当前鄱阳湖一些备受关注的热点问题,如定量区分流域五河与长江来水对湖泊洪枯水位的贡献分量,为湖泊洪涝灾害的防治和对策制定提供科学依据     

基于粗糙集和BP神经网络的流域水资源脆弱性预测研究——以淮河流域为例

水资源是一种重要的自然资源和经济资源,对其未来的脆弱性进行预测可以预估研究区未来的水安全状况,对其脆弱性问题做出预警,从而及时采取治理措施。因此,合理科学的水资源脆弱性预测研究是缓解水资源脆弱性的有效手段。目前,水资源脆弱性研究主要是针对水资源现状进行评价,对其未来状况的预测较少。集成了粗糙集和BP神经网络两种方法,首先采用改进了的盲目删除法对构建的流域水资源脆弱性评价指标体系进行约简,其次通过BP神经网络拟合约简后的指标数据与脆弱度之间的映射关系,构建流域水资源脆弱性评价预测模型。基于之前研究的样本数据和脆弱性结果,探讨淮河流域未来的水资源脆弱性状况。结果表明:淮河流域2015年、2020年和2025年的水资源脆弱度分别为0.305、0.359和0.390,处于轻度脆弱和中度脆弱的状况,除2015年脆弱性状况有所好转以外,2020年和2025年的水资源脆弱性程度与近几年相比有所加剧,根据指标数据可知该现象主要是受年降水量、人均用水量、万元GDP废水排放量、垦殖指数、有效灌溉面积比和干旱面积受灾比6个指标的影响,为避免水资源脆弱性的加剧,应当有针对性的加强这几个方面的管理和控制。     

基于BP神经网络的油气储量价值等级划分

在广泛选取原始指标的基础上,从可采储量、油气价格、开发投资、经营成本4个方面,构建了基于主成分分析法的油气储量价值等级划分指标体系,建立了基于BP神经网络的油气储量价值等级划分模型,并对胜利油田的数据进行实证分析。本文的创新及特色一是通过用7个主成分保留了95%的原始信息建立指标体系,避免了指标间相关性对后期评价的影响,提高了后期评价的准确性。二是通过设置初始权重、学习率、动态系数等参数使基于BP神经网络的油气储量价值等级划分模型的精度高达96.61%,避免了传统评价中模糊随机因素和人为主观因素的影响,提高了评价的准确性和科学性。结果表明,采收率、储量丰度、储量规模、储层埋深、凝固点等5个指标是影响油气储量价值等级的关键因素。储量价值越高,采收率越大、储量规模越大、储量丰度越大、储层埋深越小、凝固点越低。     

基于GIS数据的县域人口密度空间降尺度模拟——以广东省惠东县为例

人口调查统计以行政区划为基本单元,数据精度不能满足栅格尺度上的空间结构分析,也难以与生态环境综合研究中的自然地理数据相匹配,而人口数据降尺度空间模拟是解决这一问题的有效途径。本文基于统计学方法和GIS技术,对惠东县乡镇人口数据与空间因子进行相关性分析,并筛选出建设用地指数、高程、到居民点距离等因子用于回归分析,分别采用一元和两种多元回归方法建立人口密度数据空间化模型,最终在GIS平台中实现人口密度的降尺度模拟,获取200m×200m栅格尺度的人口密度数据。一元回归分析中,建设用地指数因子的模拟结果最优,R2为0.734,可作为快速、粗略模拟惠东县人口密度的模型;多元回归分析中,逐步和向后回归模型的R2分别达到0.775和0.886,模拟结果均较为理想。通过对模型的分析可知:①多元模型明显优于一元模型;②向后回归模型优于逐步回归模型。研究结果表明此人口密度模拟方法具有较强的操作性,可为县域尺度人口密度空间化的应用研究提供借鉴。     

芜湖市土地资源人口承载力与可持续发展研究

作为人类赖以生存和发展物质基础的土地资源有限性与人口的增长加剧了人地间的矛盾 ,土地资源人口承载力问题日益引起社会关注。在总结芜湖市土地资源利用现状、特点和当前人口食物消费水平的基础上分析了土地现实生产能力 ,同时为预测芜湖市 2 0 0 0、2 0 0 5、2 0 10年人口数量、复种指数、耕地面积及粮食单产发展趋势而分别建立了一元线性回归模型与灰色系统 GM(1,1)模型 ,通过取其平均值以提高其精度 ;并结合温饱型、宽裕型、小康型与富裕型四种消费水平分别探讨了预测期内芜湖市土地资源人口承载力状况 ,最后从耕地总量动态平衡、提高粮食单产与质量及控制人口增长等方面提出了可持续发展对策 ,为芜湖市建立稳定、协调、持续发展的人地关系提供科学的理论依据     

基于下垫面年地表温差的武汉市PM_(10)空间分布的估计

城市可吸入颗粒物(PM_(10))某一时刻或短期的空间分布,主要受气象条件控制,而一年或多年平均分布则主要取决于排放源。这些排放源与城市交通道路、工业区、城市建成区和开发区等的下垫面分布密切相关,而年地表温差可以综合反映下垫面的这些特性,所以可以利用这种相关关系,建立模型来估计年平均PM_(10)的空间分布。以武汉市为例,首先利用Landsat 8热红外遥感数据反演出2013年和2014年夏天和冬天的地表温度,计算出地表温差值;然后,根据影响随距离衰减的地学原理,利用反距离加权法(IDW),得到任意像元处年地表温差加权值,并与地面实测的2013年和2014年PM_(10)年均值做一元线性回归,通过精度对比寻找到最佳年地表温差加权值,并得到空间分布估计模型,其拟合优度R2达到0.655和0.752;最后利用该模型得到武汉市2013年和2014年PM_(10)年均值空间分布图。结果表明,武汉PM_(10)年均值浓度高值区主要集中于主城区,郊区部分人口相对集中的区域PM_(10)也较高,低值区分布在郊区乡镇、偏远山区以及有大型水体的地方。由于新方法充分考虑了下垫面的影响,与克里金内插相比,更能精细地刻画和反映PM_(10)的分布特征和规律,而且简单有效,有一定的应用价值。     

基于效益分析的济南市城市合理用地规模研究

城市用地规模研究是城市社会经济发展战略的基础研究之一,与土地利用效益密切相关。土地利用效益既是衡量土地利用水平的一项重要指标,也是衡量城市规模的基本出发点,它在一定程度上反映了城市的经济发展水平,通过对用地效益的分析能够反映城市土地利用的集约程度。本文以二、三产业产值与城市建成区面积之比作为衡量城市用地效益的指标,通过计算1997-2007年的建设用地与第二、三产业增长弹性系数分析济南市建成区用地规模与用地效益的关系及城市扩张的合理性,并选取广州市、南京市、青岛市、北京市、上海市作为比较对象,通过2000-2007年城市间用地规模与用地效益的关系对比,进一步分析济南市未来城市发展过程中充分合理利用土地的必要性及继续扩大城市规模的可行性。最后运用回归分析方法、增长弹性模型和逻辑斯蒂模型对未来济南市的合理用地规模做出预测。结果发现,济南市未来城市规模为2015年401 km2,2020年450 km2。研究结果可为编制济南市土地利用规划提供参考。