基于BP神经网络的城市蓝绿开放空间社会介质属性评价

摘要：【目的】通过对城市蓝绿开放空间中使用者使用需求和活动方式的分析，识别城市蓝绿开放空间服务于人的社会介质属性，科学构建评价体系，为丰富“人-蓝绿开放空间-社会”关系的研究及相应管理规划提供参考。【方法】基于文献分析、网络数据抓取及实地调查，从蓝绿开放空间作为城市社会介质的视角出发，构建城市蓝绿开放空间社会介质属性评价模型，并以南京市的3个城市公园为例，运用BP神经网络进行模型验证及指标权重定量分析。【结果】基于样本构建的评价模型包含4项一级指标、12项二级指标，其中一级指标包括空间本底、连接类型、参与方式和空间意义，空间本底（权重0.440）是评价社会介质水平的关键要素；二级指标中影响较大的是自然支持水平（权重0.157），其次是基础设施完善度（权重0.127）、微气候舒适度（权重0.125）和地方认同（权重0.121），其余参数的影响相对较小。分析认为，空间本底质量是吸引使用者进行社会活动的基础，“人-蓝绿开放空间-社会”的亲近关系有助于提升空间的社会介质水平。【结论】采用BP神经网络通过对调查数据的学习，能够实现对城市蓝绿开放空间社会介质属性的评价。将社会学与风景园林领域理论与实践相耦合，从人与空间关系的角度出发，可为城市蓝绿开放空间社会效益的识别与评价提供新的研究思路和方法。

关键词：蓝绿开放空间；BP神经网络；社会介质；属性评价；南京市

中图分类号：TU984.115"""""" 文献标志码：A开放科学（资源服务）标识码（OSID）：

文章编号：1000-2006（2024）06-0193-08

Evaluating the social media attributes of urban blue-green openspace using a back propagation neural network

XU Haishun， QIAN Chen， QIN Xue

（College of Landscape Architecture， Nanjing Forestry University， Nanjing 210037， China）

Abstract： 【Objective】Through the analysis of the needs and activity patterns" of urban blue-green open space （BGOS） users， the social media attributes of urban BGOS can best serve people were identified. The aim was to construct a scientifically based evaluation system that enhanced the “People-BGOS-Society” relationship and provide a reference for corresponding management planning.【Method】 Based on literature research， field surveys， and network data collection， from the perspective of BGOS as the urban social medium， an evaluation model of the social media attributes of urban BGOS was constructed based on four dimensions： space background， connection type， participation mode， and spatial significance. Taking three urban parks in Nanjing as an examples， a back propagation （BP） neural network model was used for model verification and a weighted quantitative analysis. 【Result】 By studying the survey data， the BP neural network evaluated the social media attributes of urban BGOS. The evaluation model included four first-level indicators and 12 second-level indicators. The first-level indicators included spatial background， connection type， participation mode， and spatial significance， among which spatial background （weight 0.440） was the key factor for evaluating the social media attributes. Among the secondary indicators， the natural support level （weight 0.157） had the greatest impact， followed by infrastructure perfection （weight 0.127）， microclimate comfort （weight 0.125）， and local identity （weight 0.121）， while the remaining parameters showed relatively little impact. The quality of the spatial background was the basis for attracting users to carry out social activities. The close “People-BGOS-Society” relationship helped to improve the spatial level of social media attributes. 【Conclusion】 This study combined sociology with the field of landscape architecture. From the perspective of the relationship between people and space， the application of a BP neural network model was a novel research concept and methods were developed for the identification and evaluation of the social benefits of BGOS.

Keywords：blue-green open space （BGOS）; BP neural network; social media; attribute evaluation; Nanjing City

城市蓝绿空间（blue-green space，BGS）作为城市开放空间的重要组成部分，是承载居民公共活动的重要场所，发挥着生态和美学作用，是人-社会-自然交往的关键媒介，然而伴随城市化的发展，蓝绿空间生态服务功能供需错配[1-2]、价值属性差异[3]等问题逐渐显现。同时，居民对蓝绿空间认知和需求的提升使得城市蓝绿空间服务于“人”的社会属性发生变化，居民参与方式和意愿出现较大改变[4]。

城市蓝绿空间不仅具有雨洪管理、缓解热环境等基础性生态服务功能[5-6]，还能提供文化、经济等综合社会效益。蓝绿空间的社会效益以公共性为度量，其范围的广泛性与内容的多样性已得到普遍认可[7-8]。多项研究表明蓝绿空间的暴露与居民健康[9-10]、幸福感[11]具有正相关关系，其意识文化价值[12-13]逐渐受到重视，而随着研究视角由生态-水文向社会-生态综合效益转变，基于人本视角的蓝绿空间使用评价逐渐成为热点话题，包括蓝绿空间使用者偏好与行为特征研究、使用者行为的影响因素等。刘颂等[14]通过对城市公园居民满意度的影响因素分析发现，城市公园的游憩环境、活动环境与设施水平对总体满意度的影响显著，不同人群的关注点存在极大差异。Ayala-Azcárraga等[15]的研究结果显示，游客使用模式与城市公园的组成部分，如树木丰富度、安全性、游乐场质量和清洁度之间存在密切关系。郭庭鸿[16]也指出公园的情感促进功能受使用者年龄、文化水平、家庭关系以及公园距离等因素的影响。城市蓝绿空间使用评价一方面取决于环境特征、面积、可达性等客观本底条件[17]，另一方面也受到管理水平、交往活动、个人感受等主观情感的影响[18]。这些社会因子往往被传统空间规划设计所忽视，其内涵和影响机制尚未得到充分认知，且从微观个体角度揭示蓝绿空间内部设计要素与居民使用特征及其影响的系统性研究仍相对较少。因此，为强调城市蓝绿空间中人的参与、体验与认知的重要性，本研究将蓝绿空间进一步界定为城市蓝绿开放空间（blue-green open space，BGOS），即由城市水体（蓝色空间）和植被（绿色空间）组成的具有生态、社会等多种生态系统服务功能的城市复合开放空间。

目前，城市蓝绿开放空间评价多采用介入型数据，存在数据获取难度大、数据跨度不足等问题，网络媒体等非介入式数据的引入可丰富数据来源，易于获取且不受时空的限制，在城市公共空间活力、游客活动时空特征测度等方面已得到广泛应用[19-20]。当处理数据量庞大、整体复合系统相互关系复杂、无法用传统模型来表示时，BP神经网络（back propagation neural network，BP）作为一种具有高非线性动态处理能力的网络信息处理系统，可以轻松实现系统间的高度非线性映射关系，被用于模式识别、预测等多个领域[21]。本研究从“人-开放空间-社会”的视角出发，以南京市为样本，通过典型城市蓝绿开放空间的网络评价与实地调研分析，以期识别蓝绿开放空间社会介质属性的基本构成要素，构建蓝绿开放空间社会介质属性模型和评价体系，明确主要驱动因子，为城市蓝绿开放空间的规划和发展提供依据。

1 材料与方法

1.1 样地概况及评价指标选择

基于开放性、具有良好蓝绿本底和较高使用频率的原则，经筛选和实地调研选取南京市河西生态公园、情侣园、小桃园为研究样地。经对网络媒体和现场调研数据筛选，共得到可精确定位的主要聚集空间24个、可识别组织方式1 893次、可识别活动类型5 785次。研究样点编号为H1—H4、Q1—Q11、X1—X9（图1）。

基于环境行为学研究，根据高频词段统计，从空间本底（basis of space）、连接方式（connection type）、参与方式（way of participation）及空间意义（meaning of space）着手，构建社会介质评价模型，简称BCPM评价模型，确定具体评价指标和量化标准（表1）。其中，蓝/绿视率为2021年7—9月晴朗白天取样拍摄采用“猫眼象限”平台处理计算得到。微气候舒适度通过测量温湿度与风速，代入人体舒适度指数公式[22]得到，具体如下：

K=1.8 t-0.55（1.8 t-26）（1-RH）-3.2v+32。

式中：K为舒适度指数；t为气温，℃；RH为相对湿度，%；v为风速，m/s。

1.2 BP神经网络模型构建

1.2.1 数据来源

1） 网络评价数据。数据时间跨度为2006年9月14日至2021年8月27日。运用Python爬取携程、马蜂窝、微博等社交媒体平台上研究样地对应的点评数据，最终筛选得到2 808条有效点评数据。

2）问卷设计与调查。问卷包括出游情况调查、公园游览感受和游客基本信息3部分，共35个问题，各项均按照利克特量表5分设计。研究于2021年9月13—21日在3个公园内进行随机抽样问卷调查，共发放问卷300份，回收问卷298份，有效问卷289份，问卷有效率为96.3%。

1.2.2 社会介质属性等级划分

参照公园规划设计、居民使用偏好及地方依恋等相关研究规范，对样本数据的值域区间设定评价等级。蓝绿开放空间的社会介质属性评价等级共分为5级。其中，Ⅰ表示社会介质属性低，Ⅱ表示较低，Ⅲ表示中等，Ⅳ表示较高，Ⅴ表示社会介质属性高（表2）。

1.2.3 BP神经网络模型的构建

BP神经网络模型一般由输入层、隐含层和输出层3个层次构成，输入信号从输入层经隐含层逐层处理直至输出层。如输出层达不到期望输出则转入反向传播，根据预测误差调整权重和阈值，不断逼近期望输出。具体算法框架如图2所示。

利用SPSS软件随机取样构造BP学习样本250 组作为训练样本，取各指标等级的临界值、中间值共25组作为测试样本。采用无量纲化方法对前期获得的所有数据进行标准化处理，构成输入的样本集。利用Matlab对BP网络进行训练，设置训练函数为trainlm，隐含层函数为tansig，输出层为输出值在[0，1]的logsig函数。反复训练逐渐减少网络的迭代次数和系统误差，学习率η为0.6，μ动量项为0.6，确定神经元的拓扑结构为12个输入节点、6个隐含层、1个输出节点、3层结构的BP神经网络社会介质属性评价模型。当所有样本训练结束并达到网络精度（Elt;Emin）条件后，输出输入层到隐含层的权重矩阵Ｖ，计算输入层节点到所有隐含层节点间权重的绝对值之和，并归一化得到m个指标的权重[23]。公式如下：

vij（n）=∑kl=1|vij|∑mi=1∑kl=1|vij|， j=1，2，...，m。

式中：vij（n）为综合权重指数；n为训练代数；vij为第i个训练样本第j个指标的权重；k为隐含层节点数；m为指标个数。

2 结果与分析

2.1 BP神经网络模型训练结果及回归试验分析

BP神经网络模型评价社会介质属性的本质是将指标体系的实际数据及调查结果与对应标准值构成的数组进行比较的过程，与调查结果构成的数组最为接近的标准值数组即为对应的社会介质水平。当训练精度，即数组比较误差，小于设置最佳精度时（图3），认为仿真效果良好，BP神经网络模型具有可行性，可以满足实际的运用。

将各评价指标与社会介质水平进行相关性分析，结果（表3）表明，城市蓝绿开放空间的社会介质水平与情感参与、地方依赖、地方认同存在极显著正相关，与绿视率、基础设施、社会支持和认知参与呈正相关，与微气候舒适度呈负相关关系。本研究选取与社会介质水平显著相关的要素进行后续分析，其余不相关指标予以剔除。

将社会介质评价水平作为因变量，各评价指标量化值作为自变量，进行回归分析，结果显示，社会支持、情感型参与、自然支持、地方依赖、地方认同、微气候舒适度、认知型参与等指标与社会介质水平存在显著相关关系（表4）。

2.2 蓝绿空间目标层构成对社会介质水平的影响

1） 空间本底的影响。空间本底中绿视率、微气候舒适度、基础设施与社会介质水平之间符合线性模型（图4），而蓝视率、景观美感与社会介质水平并无明显相关关系。随着绿视率和基础设施完善度的增加，社会介质水平逐渐上升，说明在空间物质本底条件中绿视率与基础设施完善度的提升均对社会介质水平有明显的改善作用；而社会介质水平随微气候舒适度的升高而明显下降，这与预想并不一致。

2） 连接方式的影响。连接方式中社会支持与社会介质水平之间符合线性模型，如图4所示。蓝绿空间的高社会支持会对社会介质水平起促进作用，社会支持涵盖出行人员关系、出行组织方式和活动人群数量，调查发现，居民以2～4人的家庭结伴出游居多，其次为独自出行的视听接触，社会支持指标值总体在0.6以下。不同使用人群类型彼此间社会关系相对独立，使用人群的类型多样性与数量的多寡决定了社会性活动发生的可能，蓝绿开放空间通过户外活动促进个人与群体的直接接触，提升社会支持程度。相较于图4其他指标，社会支持在更小的变化范围内使直线有较大的提升，表明社会支持在提高社会介质水平上具有较大潜力。

3） 参与方式的影响。参与方式中认知参与、情感参与和社会介质水平具有正相关关系。居民的认知参与水平集中在0.4～0.8，说明居民对公园的重要性及其参与意愿具有一定认知。随着居民认知程度的提高，城市蓝绿要素在居民生活中的重要性提升、象征意义显现，蓝绿开放空间与使用者之间的联结愈发强烈，这在很大程度上也促进了蓝绿开放空间成为城市的社会介质。情感型参与主要体现为居民在公园游览时所获得的乐趣大小，由图4可知，指标主要集中在0.5以上，说明当下居民在休闲娱乐活动中普遍认可蓝绿开放空间会带来心情的愉悦与精神上的享受，满意度较高。

4） 空间意义的影响。空间意义中地方依赖、地方认同与社会介质水平之间符合线性模型，如图4所示。研究区内蓝绿空间的社会介质水平随地方依赖性、地方认同的升高而缓慢提升，但总体指标评定等级值均主要集中在0.5以上，其中地方认同更是主要集中在0.8以上，这说明相较于功能层面所获得的满足感，使用者更多对公园产生精神层面的情感认同，愿意对空间中活动、行为、事件做出积极的反应，同时这也会产生更强的功能性依恋，增强人与蓝绿开放空间的亲近关系，从而提升空间的社会介质水平。

2.3 蓝绿空间评价指标权重分析

经过反复迭代，通过误差描述判定前向传播结果，并通过后向传播过程对权重参数进行修正，最终得到各指标权重（表5）。

评价体系包含4项一级指标、12项二级指标。在一级指标中，空间本底质量综合权重系数为0.440，其次是连接方式（0.216），两者之和约占总体的65.6%。空间本底对社会介质水平影响较大，是评价社会介质水平的关键性指标，提升蓝绿开放空间的本底质量对其社会介质属性的发挥具有重要意义。二级指标中影响较大的是自然支持水平，输出权重系数为0.157，其次是基础设施完善度（0.127）、微气候舒适度（0.125）和地方认同（0.121），其他参数影响相对较小。通过对测试样本集的线性回归分析，自然支持对输出结果影响最为显著，其在神经网络输出和多元线性回归中权重值均较高，对整体社会介质水平的影响显著。因此，调整自然支持因素，有助于促进人与蓝绿空间的亲近关系，从而促进城市蓝绿开放空间的社会介质水平提升。

3 讨 论

城市蓝绿开放空间整合自然、经济、社会等要素，受生态环境系统、人类行为活动等综合影响，是一个复杂的非线性复合系统，其状态方程难以用传统数学方法准确预测。相较其他计算处理方式，BP神经网络通过模拟人脑的生理结构和功能来研究智能行为，从大量可观测数据中不断接收样本的“刺激”而改变自身结构，从而实现主动“学习”行为，在非线性拟合中具有拟合速度快、精度高的特点，近年已成功应用于旅游文化需求[24]、情感机制分析[25]等人文领域。运用BP神经网络进行社会介质属性评价，可以规避不同决策者的经验判断和对有效信息的过分度量，适应随时间、空间推移产生而不断变化的评价要求，这也是BP神经网络分析解决问题的优势所在。

本研究表明，空间本底是决定城市蓝绿空间社会介质属性的主要影响因素，这与Ríos-Rodríguez等[26]的结论相一致。在空间本底各项指标中，与预想不同的是，微气候舒适度与社会介质水平呈现负相关，原因可能在于数据采集时间9月气温较高，多为30℃以上，居民并未获得最佳舒适度体验，这也从侧面说明季节等时间因素也会对评价结果造成一定影响[27]。研究发现，蓝视率与社会介质水平之间的关系相对较弱，这与此前蓝色空间较绿色空间更能增强社会活动与幸福感[28]的结论不尽相同，但Zhou等[29]曾指出蓝色空间对居民心理健康情感并没有直接促进作用，反而会在炎热季节抑制身体活动。研究样地中蓝视率测值差异较大，居民开展活动的空间多为相对封闭、有实物遮挡水面的安全活动场所，较高的蓝视率意味着临近水面，景观相对单调，多数只能进行相对静态的活动，这进一步证明使用者的行为活动特征对社会介质水平影响较大[30]。此外，自然支持和地方认同也是影响社会介质水平的关键要素。良好的公园可达性是居民充分享受公园生态与社会服务效益的先决条件，与居民身心健康程度呈显著正相关[31]，而高频率的绿地参观与停留时间的延长则进一步催发社会性活动的产生[32]，拉近“人-蓝绿开放空间-社会”的亲近关系，由此形成对居民外生吸引力和内生归属感，强化蓝绿开放空间作为社会介质对城市可持续发展的促进潜力。

另外，本研究提出构建“BCPM评价模型”并非确立一种完善的城市蓝绿开放空间社会属性评价体系，而是提出一种新的研究思路，以实现社会学与风景园林领域理论与实践的耦合。城市蓝绿开放空间社会介质属性的识别与评价是一项需要长期开展的系统性工作，由于研究获取样本有限，并不足以代表全部蓝绿开放空间的公众活动和体验情况，未来仍有待从不同的分类方式或结合经济社会等宏观层面以更为综合广泛的视角进一步地扩展与融合。

参考文献（reference）：

［1］WANG Y C，SHEN J K，XIANG W N．Ecosystem service of green infrastructure for adaptation to urban growth：function and configuration[J]．Ecosyst Health Sustain，2018，4（5）：132-143．DOI： 10.1080/20964129.2018.1474721．

［2］吴雪飞，谭传东．武汉中心城区生态系统服务额外需求量化评估：缘起绿色基础设施供需错配[J]．中国园林，2020，36（5）：127-132．WU X F，TAN C D．Evaluation of ecosy-stem services excess demand in the central area of Wuhan：a discussion based on mismatches between supply and demand of green infrastructure[J]．Chin Landsc Archit，2020，36（5）：127-132．DOI： 10.19775/j.cla.2020.05.0127．

［3］SANDER H A，ZHAO C．Urban green and blue：who values what and where？[J]．Land Use Policy，2015，42：194-209．DOI： 10.1016/j.landusepol.2014.07.021.

［4］常俪．关于移动社交对日常活动空间影响的实证研究：基于对手机用户的调查数据[J]．广告大观（理论版），2013（6）：77-87．CHANG L．Research of daily activity impacted by mobile social network：based on mobile phone users data[J]．J Advert Study （Acad Ed），2013（6）：77-87.

［5］LENG L Y，MAO X H，JIA H F，et al．Performance assessment of coupled green-grey-blue systems for Sponge City construction[J]．Sci Total Environ，2020，728：138608．DOI： 10.1016/j.scitotenv.2020.138608.

［6］ZHOU W，CAO W，WU T，et al．The win-win interaction between integrated blue and green space on urban cooling[J]．Sci Total Environ，2023，863：160712．DOI： 10.1016/j.scitotenv.2022.160712.

［7］曹先磊，刘高慧，张颖，等．城市生态系统休闲娱乐服务支付意愿及价值评估：以成都市温江区为例[J]．生态学报，2017，37（9）：2970-2981．CAO X L，LIU G H，ZHANG Y，et al．Willingness-to-pay for recreation services of urban ecosy stem and its value assessment：a case study in the Wenjiang District of Chengdu City，China[J]．Acta Ecol Sin，2017，37（9）：2970-2981．DOI： 10.5846/stxb201602010228.

［8］JIAO X X，ZHAO Z M，LI X，et al．Advances in the blue-green space evaluation index system[J]．Ecohydrology，2023，16（3）：2527．DOI： 10.1002/eco.2527.

［9］JIANG X R，LARSEN L，SULLIVAN W．Connections-between daily greenness exposure and health outcomes[J]．Int J Environ Res Public Health，2020，17（11）：3965．DOI： 10.3390/ijerph17113965.

[10]WANG K，SUN Z H，CAI M，et al．Impacts of urban blue-green space on residents’ health：a bibliometric review[J]．Int J Environ Res Public Health，2022，19（23）：16192．DOI： 10.3390/ijerph192316192.

[11]MACKERRON G，MOURATO S．Happiness is greater in natural environments[J]．Glob Environ Change，2013，23（5）：992-1000．DOI： 10.1016/j.gloenvcha.2013.03.010.

[12]SIKHULULEKILE N，SCOTT A．Influence of blue-green and grey infrastructure combinations on natural and human-derived capital in urban drainage planning[J]．Sustainability，2021，13（5）：2571．DOI： 10.3390/SU13052571.

[13]杨青娟，梅瑞狄斯·弗朗西丝·多比．雨洪管理多功能景观文化生态系统服务的重要性-满意度研究[J]．景观设计学，2019，7（1）：52-67．YANG Q J，DOBBIE M F．Importance-satisfaction analysis of cultural ecosystem services of multi-functional landscapes designed for stormwater management[J]．Landsc Archit Front，2019，7（1）：52-67．DOI： 10.15302/J-LAF-20190105.

[14]刘颂，杨莹，贾虎，等．基于多源数据的上海城市公园使用满意度关键影响因素[J].中国城市林业，2020，18（2）：51-56．LIU S，YANG Y，JIA H，et al．Research on influe-ncing factors to Shanghai urban parks satisfaction based on multi-source data[J].J Chin Urban For，2020，18（2）：51-56．DOI： 10.12169/zgcsly.2019.11.20.0004.

[15]AYALA-AZCRRAGA C，DIAZ D，ZAMBRANO L． Characteristics of urban parks and their relation to user well-being[J]．Landsc Urban Plan，2019，189：27-35．DOI： 10.1016/j.landurbplan.2019.04.005.

[16]郭庭鸿.城市绿色空间健康效益的社会生态调节因素研究[J].西部人居环境学刊，2019，34（3）：35-41．GUO T H.Study on social-ecological moderators differing the relation between urban green space and human health[J].J Hum Settl West China，2019，34（3）：35-41.DOI： 10.13791/j.cnki.hsfwest.20190305.

[17]秦诗文，杨俊宴，冯雅茹，等．基于多源数据的城市公园时空活力与影响因素测度：以南京为例[J].中国园林，2021，37（1）：68-73.QIN S W，YANG J Y，FENG Y R，et al.Spatio-temporal vitality and influencing factors of urban parks based on multi-source data：a case study of Nanjing[J].Chin Landsc Archit，2021，37（1）：68-73.DOI： 10.19775/j.cla.2021.01.0068.

[18]YANG B，LI M H，LI S J．Design-with-nature for multifunctional landscapes：environmental benefits and social barriers in community development[J]．Int J Environ Res Public Health，2013，10（11）：5433-5458．DOI： 10.3390/ijerph10115433.

[19]毛国栋．多源数据视角下城市活力空间特征与影响机制研究[J]．测绘技术装备，2023，25（2）：31-38．MAO G D．The spatial characteristic analysis and influence mechanism of urban vitality space based on multi-sourced data[J]．Geomat Technol Equip，2023，25（2）：31-38．DOI： 10.20006/j.cnki.61-1363/P.2023.02.007.

[20]何仲禹，李岳昊．基于开放数据的上海城市公园使用活跃度时空特征研究[J]．中国园林，2020，36（10）：45-50．HE Z Y，LI Y H．The temporal-spatial characteristics of usage activ-eness of urban parks in Shanghai based on open data[J]．Chin Landsc Archit，2020，36（10）：45-50．DOI： 10.19775/j.cla.2020.10.0045.

[21]范佳辉，张亚丽，李明诗．基于空间光谱信息协同的城市不透水层提取方法比较研究[J]．南京林业大学学报（自然科学版），2021，45（1）：212-218．FAN J H，ZHANG Y L，LI M S．Comparing four methods for extracting impervious surfaces using spectral information in synergy with spatial heterogeneity of remotely sensed imagery[J]．J Nanjing For Univ（Nat Sci Ed），2021，45（1）：212-218．DOI： 10.12302/j.issn.1000-2006.201911012.

[22]刘超，李卓欣，陈芷凝，等．基于微气候模拟与人体舒适度指数的校园微更新研究：以同济大学四平路校区为例[J]．住宅科技，2021，41（3）：38-46．LIU C，LI Z X，CHEN Z N，et al．Study of campus regeneration through microclimate simulation and body comfort index approaches： a case of Tongji University Siping Road campus[J]．Hous Sci，2021，41（3）：38-46．DOI： 10.13626/j.cnki.hs.2021.03.008.

[23]王彬，吴海宏，李庚华．基于BP神经网络确定评价体系指标权重[J]．广州航海学院学报，2021，29（1）：55-59．WANG B，WU H H， LI G H．Determining the index weight of the evaluation system based on BP neural network[J]．J Guangzhou Mar Univ，2021，29（1）：55-59．DOI： 10.3969/j.issn.1009-8526.2021.01.014.

[24]SHI X F．Tourism culture and demand forecasting based on BP neural network mining algorithms[J]．Pers Ubiquitous Comput，2020，24（2）：299-308．DOI： 10.1007/s00779-019-01325-x.

[25]TANG Y S，SU J H，KHAN M A．Research on sentiment analysis of network forum based on BP neural network[J]．Mob Netw Appl，2021，26（1）：174-183．DOI： 10.1007/s11036-020-01697-y.

[26]ROS-RODRGUEZ M L，ROSALES C，LORENZO M，et al． Influence of perceived environmental quality on the per-ceived restorativeness of public spaces[J]．Front Psychol，2021，12：644763．DOI： 10.3389/fpsyg.2021.644763.

[27]CHEN J R，JIN Y M，JIN H．Effects of visual landscape on subjective environmental evaluations in the open spaces of a severe cold city[J]．Front Psychol，2022，13：954402．DOI： 10.3389/fpsyg.2022.954402.

[28]DE BELL S，GRAHAM H，JARVIS S，et al．The importance of nature in mediating social and psychological benefits associated with visits to freshwater blue space[J]．Landsc Urban Plan，2017，167：118-127．DOI： 10.1016/j.landurbplan.2017.06.003.

[29]ZHOU Y，YANG L Q，YU J N，et al．Do seasons matter？Exploring the dynamic link between blue-green space and mental restoration[J]．Urban For Urban Green，2022，73：127612．DOI： 10.1016/j.ufug.2022.127612.

[30]RIVERA E，TIMPERIO A，LOH V H，et al．Important park features for encouraging park visitation，physical activity and social interaction among adolescents：a conjoint analysis[J]．Health Place，2021，70：102617．DOI： 10.1016/j.healthplace.2021.102617.

[31]屈子雅，张青萍，张瑞，等．基于双重绩效的城市蓝绿空间布局优化研究：以上海市普陀区为例[J].南京林业大学学报（自然科学版），2023，47（4）：235-243．QU Z Y，ZHANG Q P，ZHANG R，et al．The optimization of urban blue-green spatial layout based on dual performances： a case study on Putuo District in Shanghai[J]．J Nanjing For Univ（Nat Sci Ed），2023，47（4）：235-243．DOI： 10.12302/j.issn.1000-2006.202111019.

[32]HONG S K，LEE S W，JO H K，et al．Impact of frequency of visits and time spent in urban green space on subjective Well-Being[J].Sustainability，2019，11（15）：4189．DOI： 10.3390/su11154189.

（责任编辑 郑琰燚）