基于层次分析法和神经网络的景观设计评估

张洁， 张林

(商洛学院 数学与计算机应用学院， 陕西 商洛 726000)

0 引言

随着我国经济的不断发展提高，人们生活水平不断地提高，家庭、公共场所均进行了一些园林景观设计，园林景观设计可以给人们带来更加舒适的感觉，而每一个人对园林景观设计要求不一样，因此需要对园林景观设计效果进行准确评估，以更好地为人们提供最佳生活、工作、休闲环境，因此园林景观设计效果评估一直是人们关注的焦点[1-3]。

针对景观设计效果评估问题，国内外研究机构进行了深入的研究，当前存在许多有效的景观设计效果评估方法[4]。当前景观设计效果评估方法分为定性分析和定量分析两种，其中定性分析方法最具代表性的为层次分析法[5]，其对景观设计效果评估指标进行根据，根据各种指标的权值得到景观设计效果评估结果，该方法比较简单，属于线性建模方法，而景观设计效果与评价指标是一种非线性的映射关系，导致景观设计效果评估偏差比较大，实际应用价值低[6]；定量分析方法最具代表性的为人工神经网络[7]，如RBF神经网络、BP神经网络、极限学习机网络等，人工神经网络具有较强的非线性建模能力，得到比较好的景观设计效果评估结果[8-9]。由于景观设计效果评估十分复杂，单一层次分析法和神经网络均存在自己的不足，无法全面、准确描述景观设计效果，因此景观设计效果评估面临巨大的挑战[10]。

为了获得理想的景观设计效果评估结果，设计了层次分析法和神经网络的景观设计效果评估方法，该方法具有层次分析法、神经网络的优点，克服了它们的不足，仿真实验结果表明，本文方法获得了理想的景观设计效果评估结果，而且景观设计效果评估效率也明显优于层次分析法和神经网络的景观设计效果评估方法。

1 层次分析法和神经网络的景观设计效果评估方法

1.1 建立景观评估指标体系

为了高精度地对景观设计效果进行评估，必须建立最优的景观评估指标体系，本文基于代表性、可测性、可比性、有效性和科学性的原则，建立一个景观评估指标体系，如表1所示。

表1 景观设计效果综合评估指标体系

对景观设计效果进行量化操作，采用100分制形式，它们具体描述如表2所示。

表2 景观设计效果综合评估结果的评分标准

1.2 层次分析法确定景观设计评估指标的权重

(1) 对景观设计效果评估指标进行量化处理，并建立景观设计效果评估指标判断矩阵，具体形式如式(1)。

(1)

式中，ai,j为指标i相对于j的相对权重。

(2) 计算式(1)每一行元素的乘积，具体为式(2)。

(2)

(3) 计算Mi的n次方根，即有式(3)。

(3)

(4)

1.3 BP神经网络

BP神经网络的输入、隐含和输出节点数分别为N、L和M，输入向量为X=[x0,x1,…,xN-1]，隐含层点j与输入层点i、输出层节点k之间的权重分别为Vij和Wik，输出层和隐含层的阈值分别为θk和φj。隐含层节点和输出层的输出计算式为式(5)、式(6)。

(5)

(6)

计算yk与目标输出dk的偏差，具体如式(7)、式(8)。

δk=(dk-yk)yk(1-yk)

(7)

(8)

权重调整大小为式(9)、式(10)。

ΔWjk(n)=ηδkhj

(9)

(10)

权重的调整式为式(11)、式(12)。

Wjk(n+1)=

Wjk(n)+ΔWjk(n)+μΔWjk(n-1)

(11)

Vij(n+1)=Vij(n)+ΔVij(n)+μΔVij(n-1)

(12)

1.4 层次分析法和神经网络的景观设计评估流程

(1) 建立景观设计评估的指标体系。

(2) 采用层次分析法确定景观设计评估的指标的权值。

(3) 采集景观设计评估样本数据，并采用专家对景观设计评估效果进行打分，与其景观设计评估指标组成样本集合。

(4) 采用景观设计评估指标数量确定BP神经网络的输入节点数，景观设计评估效果作为BP神经网络的输出，并根据一定的公式确定BP神经网络的隐含节点数，从而建立BP神经网络的拓扑结构。

(5) 初始化BP神经网络的相关参数。

(6) 采用BP神经网络对景观设计评估的训练样本进行学习，以景观设计评估精度为训练目标，确定最优参数。

(7) 根据最优参数建立景观设计评估模型，并采用景观设计评估测试样本对模型性能进行测试。

综合上述，层次分析法和神经网络的景观设计评估具体流程如图1所示。

图1 层次分析法和神经网络的景观设计评估流程

2 景观设计评估方法的性能测试

2.1 测试环境的设置

为了测试层次分析法和神经网络的景观设计评估性能，采用具体实验对其性能进行测试，其测评环境如表3所示。

表3 测试环境的设置

为了使层次分析法和神经网络的景观设计评估结果具有可比性，选择层次分析法的景观设计评估、BP神经网络的景观设计评估方法进行对比测试，选择评估精度和评价时间作为性能评价指标。

2.2 测试对象

对于50个景观设计方案的效果，采用多个专家，多个同行根据景观设计指标的值以及自身的经验和知识进行打分，并统计每一种景观设计打分的结果，具体如图2所示。

图2 50个景观设计效果的得分值

从图2可以发现，不同景观设计效果的评分结果不一样，说明景观设计效果具有一定的随机性和非线性变化特点。

2.3 景观指标层评估精度对比

随机选择10个景观设计方案作为测试样本，其他作为训练样本，每一种方法进行5次仿真测试，以体现实验结果的公平性，景观设计效果评估精度如图3所示。

图3 不同方法的景观设计效果评估精度对比

对图3的景观设计效果评估精度进行对比可以知道，本文方法的景观设计效果评估精度平均值为91.52%，层次分析的景观设计效果评估精度平均值为84.20%，BP神经网络的景观设计效果评估精度平均值为86.3%，相对于对比方法，本文方法的景观设计效果评估误差大幅度下降，这主要是本文方法集成了层次分析法和神经网络的优点，解决当前景观设计效果评估误差大的缺陷，验证了本文景观设计效果评估方法的优越性。

2.4 景观指标层评估效率对比

统计每一种方法的5次仿真测试的景观设计效果评估时间，结果如图4所示。

由图4可知，本文方法的景观设计效果评估时间明显少于对比方法，克服当前景观设计效果评估效率低的弊端，提升了景观设计效果评估速度。

图4 不同方法的景观设计效果评估时间对比

3 总结

针对当前景观设计评估过程中存在的缺陷，基于组合优化理论，利用层次分析法和神经网络的各自优势，提出了层次分析法和神经网络的景观设计效果评估方法，采用层次分析法建立科学、客观的景观设计评估指标体系，采用神经网络的非线性拟合能力跟踪景观设计的变化特点，它们克服了单一层次分析法和神经网络的缺陷，最后测试结果表明，本文方法是一种精度高、速度快的景观设计效果评估方法，评估结果可以为景观设计工作人员提供有价值的参考意见，具有十分广泛的应用前景。