基于BP神经网络的城市建设土地分析模型

生一恒 李京儒 张天伟 孔令达 孙境蔚

摘要：本文建立BP神经网络模型，对于多年数据进行训练与预测，由此得到以上各指标的变化趋势，对于附加成本较高的指标，采用更加科学而有效的手段对其进行控制，由此可以判断土地项目决策者控制手段的效果。

关键词：BP神经网络

1.基本假设

各个统计网站上提供的相关数据真实有效;本文选取指标符合实际，客观、科学的反映出城市人才情况;本文选取的指标简单明了，均可以量化;本文采用的BP神经网络预测法对城市未来不确定因素发生概率基本正确。

2.模型分析

本文建立BP神经网络模型，对于多年数据进行训练与预测，由此得到以上各指标的变化趋势，对于附加成本较高的指标，采用更加科学而有效的手段对其进行控制，同时利用BP神经网络对于控制后的成本进行分析，由此可以判断土地项目决策者控制手段的效果。

我们计算发现，从2015年到2021年，水资源、矿产资源和废物总成本这3个权重较大的指标一直在提升，因此需要采取合理手段对其进行控制，才能够使得其成本得到控制。

在水资源成本方面：污水分流、部分排出污染水体中水量、引入清水冲污等措施虽然可以部分减轻污染水体的压力，但是工程巨大，而且将污染转移到分流区域，可能造成新的污染区。玄武湖和西湖的经验表明，污水分流和引水冲污难以取得预期效果，藻类繁殖在短暂受抑制（3个月）后又恢复原状。富含营养物质的底泥在一定条件下会释放出氮磷，成为水体的内源性污染源，因而底泥挖掘一度成为富营养化水体治理的重要措施。然而底泥挖掘工程巨大，挖出的底泥难以进一步处理，从经济上来说，这可能是最昂贵的措施。由于底泥中氮磷的吸收和释放过程复杂，目前尚无明确认识，底泥挖掘常常收不到预期效果。甚至因为破坏了水底部生物和水生植物环境，将深层底泥暴露，使其中所含的氮磷溶解到水体中，而在一段时期内加深水华。玄武湖和西湖的经验证明了该法弊病很多，必须慎重考虑。

在矿产资源成本方面：矿产资源高效节约利用有利于消除矿山废弃物的环境污染和安全威胁、实现矿业可持续发展。目前已经初步形成了一矿多开、吃干榨净的“无废生产”，降低了开发强度。将上一生产过程产生的废物依次转化为下一个生产过程的原料和能源，对固体废弃物和尾矿开展提纯、发电、填充置换资源、制备建材等再利用，对废气和粉尘回收发电或制备建材，对废水循环回收利用或二次回注，使系统内部企业之间形成协调、互补共生关系，最大限度地利用资源和减少对环境的负面影响，从源头上减少了废物排放量和再回收利用废弃物。总结推广国内已经形成的矿产资源综合利用先进技术和开发模式，无疑将成为节约资源和保护生态环境的重要举措，已经成为当务之急。

3.模型预测

本文利用神经网络进行了相关预测，能以任意精度逼近任何非线性连续函数。在建模过程中的许多问题正是具有高度的非线性。在神经网络中信息是分布储存和并行处理的，这使它具有很强的容错性和很快的处理速度。神经网络在训练时，能从输入、输出的数据中提取出规律性的知识，记忆于网络的权值中，并具有泛化能力，即将这组权值应用于一般情形的能力。

（作者單位：1.山东科技大学 2.西南交通大学 3.南昌大学）