BP人工神经网络在判定土地集约利用程度中的应用———以合肥市为例

张旭念，何如海

（安徽农业大学，安徽 合肥 230036）

前言

我国正处于经济发展的重要机遇期，随着城市化进程的加快，经济社会发展、产业机构升级对土地的需求量不断增加，粗放利用耕地现象严重，在不到十年的时间内耕地减少了1亿多亩，加之人多地少的基本国情使我国人地矛盾日益激化，越来越多的地区、部门意识到集约利用土地的重要性。国家要求建设节约型社会、发展循环经济、积极探索建立国土资源管理的新机制，全面落实土地管理的各项措施节约和集约使用土地，切实保护耕地特别是基本农田。其中，对城市土地集约利用情况进行研究与评价则是其中的一项重要举措。城市土地集约利用需要从全局的角度综合考虑，囊括城市规划、居民生活、生态环境效益等诸多因素，但从经济效益指标的高低评价集约利用程度是不科学的，它包括人口、就业、基础设施等多个方面的指标综合评价。对城市土地集约的研究不是追究无限的高度集约，而是找寻最佳集约度，实现土地经济、环境、社会三方面互相协调、共同发展。

近些年，我国关于评价土地集约利用的项目不断增多，传统的模式一般为首先建立评价指标体系，然后采用回归分析法、层次分析法或者特尔菲法确定权重，从而以加权值的高低度量土地集约利用程度。这种方法主观性、判断性强，计算繁冗，影响结果的科学性、客观性。本文通过搜集相关数据，尝试运用BP人工神经网络系统，建立一个合适的评价模型，以合肥市为例，对其土地集约利用做一个综合的评价。

1.BP人工神经系统模型简述

对BP人工神经网络的定义很多，其中T.Koholen是这样定义的：人工神经网络是由大量适应性处理单元互联组成的非线性、自适应信息处理系统网络，该系统网络模拟生物神经系统对真实世界的物体做出交互反应，结果如图一所示[1]。其中最具代表性的当属BP人工神经网络算法，该种算法被广泛的应用于各种评价、预测工作中，其网络构成简单、映射能力强，整个过程是一个从输入到输出的高度非线性映射。通过不断输入训练数据、得到输出数据，根据误差逆向修改网络权重达到调整各个单元连接权值的目的，使网络输出误差稳定的收敛于一个范围[2]。

图1 ：BP人工神经网络结构图

2.合肥市土地集约利用实例分析

2.1 研究区域土地利用概况

合肥是安徽省省会，是全省政治、经济、文化、信息、金融和商贸中心，截至2008年底，全市总人口696.55万人，市区面积838.14平方公里，其中建设用地面积293.3平方公里，占35.0%；居住用地面积85.73平方公里 ，占10.2%；公共设施用地 33.13平方公里，占 4.0%；工业用地面积48.76平方公里，占5.8%；仓储用地为 3.38平方公里，占0.4%；对外交通用地2.66平方公里，占0.3%；道路广场用地28.22平方公里，占3.4%；市政设施用地3.97平方公里，占0.1%；绿地87.45平方公里，占10.4%；特殊用地2.06平方公里，占0.2%。

2.2 评价模型指标的确定

土地利用具有区域性、动态性和连贯性。运用统一、固定的指标对所有对象进行集约利用评价较困难，而土地集约利用评价指标体系指标的选取将直接影响到最后评价的结果。该指标除了要体现研究对象城市的土地集约利用的目标和内容，还必须能够直接的反应其土地利用集约程度等不同属性。整个评价指标体系的各项指标是不断发展、变化、连续的[3]。笔者通过参考《安徽省统计年鉴》（2000~2009年）、《合肥市统计年鉴》（2000~2009年）、安徽省合肥市土地利用总体规划（2006~2020年）等资料，确定将指标分为三类，即土地利用经济效益指标、土地利用社会效益指标和土地利用生态效益指标。详细分为以下指标：地均GDP I1、单位面积工业总产值I2、城市人均可支配收入I3、地均社会消费品零售总额I4、单位面积固定资产投资额I5、人口密度I6、城市燃气用水普及率I7、每万人拥有公交车数量I8、城市人均居住面积I9、人均公共绿地面积I10、建成区绿地覆盖率I11、城市工业废水排放达标率I12等12个指标。

表1 ：合肥市土地集约利用评价指标体系

2.3 评价模型网络结构

BP人工神经网络一般由三部分组成：输入层、隐含层和输出层，研究表明三层网络可完成任意n维到m维的映射。故本研究将拟建立的BP人工神经网络模型设定为3层。

BP神经网络模型中，隐含层节点数关系到数据分析的最终结果，到目前为止，还没有明确统一的标准来确定隐含层节点数。常用的方法有静态设计法、动态构造法、进化法等[4]。本篇文章借鉴严太山等提出的经验公式法，其公式为：NH=公式中：NH为隐含层节点数，NI为输入层节点数，NO为输出层节点数，NP为训练样本数[5]。根据此式得，本研究的隐含层节点数为11。按照本文前已建立的土地集约利用评价指标体系，将已经确定的区域地均GDP等12个指标额作为输入层，构建出三层的BP神经网络结构。

图2 ：BP神经网络结构图

2.4 评价水平标准确定

通过搜集其它与合肥市城市规模水平，经济发展程度相近的省会城市对应的指标的相关值、国家标准、经验值确定评价指标的分级标准，分为粗放利用、适度利用和集约利用三个水平，量化为：在[0，0.4]范围之内为低度利用、在[0.4，0.7]范围之内为适度利用、在[0.7，1]范围之内为集约利用。

2.5 BP神经网络训练

将搜集到的数据进行汇总，由于每个评价值单位不同，不便于后期进行统计计算，对每个评价指标值进行无量纲化处理，即将数据的变化范围控制在[0，1]之间。

本文通过查阅《安徽省统计年鉴》（2000~2009年）、《合肥市统计年鉴》（2000~2009年）、安徽省合肥市土地利用总体规划（2006~2020年）等资料，采用安徽省2000~2009年数据作为样本进行训练，用合肥市2000~2009年数据作为测试样本，以下为部分训练数据。

表2 ：合肥市土地集约利用BP神经网络部分训练数据

在经过次训练过，得到的结果如下图所示。

图3 ：训练结果

利用训练好的BP人工神经网络模型，将合肥市2000~2009年的各项指标值逐年输入，得出2000~2009年间合肥市土地集约利用程度值分别为：0.2363、0.3243、0.3878、0.4653、0.5543、0.5657、0.6459、0.7573、0.8021、0.8807。 根据前面确定的土地利用集约程度标准，结果如表3所示：

表2 ：合肥市土地集约利用BP神经网络部分

3.结论和建议

3.1 结论

从上表可以得出，合肥市土地集约利用程度呈逐年上升的趋势，但从数据上看，城市土地集约利用可挖潜力还比较大。

合肥市近10年来单位面积工业总产值从2000年的192.55万元/平方公里上升至2009年的1192.02万元/平方公里，但相对于许多国内大城市而言，投入力度还有待进一步加强。合肥市城镇用地结构配置近年来变化不大，单位面积工业产值还有进一步上升的空间。但其中存在“征而不用，多征少用，乱征乱用”的现象，使得合肥市城市土地低效、闲置现象时有发生，政府应加大对此方面的整治，以提高建设用地的利用效益，尽量避免城市扩张占用农用地，努力实现建设用地零增长。随着土地集约利用政策的不断贯彻实施，规划条件和技术不断完善的基础上、集约利用意识不断加强上，合肥市土地集约利用朝着有序的方向发展。

对照合肥市历年各指标值发现，有关经济益类的指标值增速较快，有关社会效益和生态效益的指标值增速一般。合肥作为中部城市，战略地位特殊，发展意义重大，经济的快速发展固然重要，可是在发展经济的同时，要兼顾社会和生态的同步发展，以科学的视角审视当今我们已取得的成就也是我们应该采取的态度。经济、社会、生态相互影响、相互制约，过分强调其中一方都不利于城市健康的发展。作为安徽的省会城市，合肥市今后的发展应在现有的基础上，坚持走可持续发展道路，积极提高土地集约利用水平，避免减少土地的闲置浪费，建立健全城市基础设施，推进整个城市的可持续发展。

3.2 对策和建议

我国在2008年发文通知，集约利用土地是我国必须长期坚持的根本方针，大力集约节约利用土地，严守18亿亩红线不动摇，走出“资源节约、环境友好”的社会土地制度新模式，为了推进合肥市城镇土地集约利用集约水平，本文根据最后评价结果，特提出以下对策和建议，仅供参考。

3.2.1 加强合肥的生态建设

“资源节约、环境友好”要求我们要兼顾经济效益和社会效益、生态效益，在经济高速发展的时期要十分重视其中出现的环境问题，历史的经验告诉我们，以环境为代价的经济发展是不可取的。因此，在进行合肥市城镇建设的同时，也应该加强对环境的保护，要彻底贯彻可持续发展的思想。

3.2.2 合理规划工业区

鼓励城镇中零散的工厂企业搬迁到工业园区，这样不仅可以改善市区环境，有利于居民的居住环境，而且企业的集聚使土地资源得到优化配置，基础设施的共享和专业化有助于实现土地效益和结构的最大化和生态化。

3.2.3 推进旧城区的改造和土地整理工作

随着合肥市的发展，旧城区的一些房屋老化、破损现象严重，丧失了原有的规划作用，政府需要妥善处理这些旧的房屋或工厂厂房，课在改造的基础上另立新用，或通过建立新城区与拆除就城区并举的方式，促进新旧城区的共同发展，要积极开展土地整理的工作，以提高土地的利用效益。

3.2.4 加强合肥市基础设施建设

虽然合肥市城镇基础设施建设水平发展速度较快，但是在全国范围内来讲，还需进一步加强，在公共绿地方面、交通方面的数据显示，政府应该加强基础设施的建设，逐步改善城镇居民的生活环境。

通过利用BP神经网络分析方法得出的结果，比以往结果更客观，减少了人为因素的影响。BP利用其强大的映射能力，将多方面因素综合考虑，统筹兼顾，有能力对大批量的数据进行反复训练，计算能力强，这是其他方法无法比拟的。同时，该方法也存在局限性，一是收集资料的困难性与有限性，本文将安徽省年鉴、合肥市年鉴作为研究数据进行分析对结果也有一定的影响。如果搜集的数据更广泛、研究的时间段更长，得出的结论将更加客观、科学[6]。

[1]陶志红.城市土地集约利用几个基本问题的探讨[J].中国土地科学，2000，14（5）：1-5.

[2]李双成，郑度.人工神经网络模型在地学研究中的应用进展[J].地球科学进展，2003，18（1）：68-76.

[3]陈静，付梅臣，陶金，等.唐山市土地利用效益评价及驱动机制[J].资源与产业，2010，12（2）：60-63.

[4]朱红梅，王小伟，谭洁.长沙市城市土地集约利用评价[J].经济地理，2008，28（3）：442-444.

[5]严太山.基于神经网络的毕业设计质量评价方法[J].科技创业月刊，2006，（1）.

[6]李祚泳，汪嘉杨，熊建秋，等.可持续发展评价模型与应用[M].北京：科学出版社，2007.221.