北京大学城市与环境学院 北京大学景观设计学研究院 北京100

北京大学城市与环境学院 北京大学景观设计学研究院 北京100871

基金资助:

摘要/Abstract

城市建成区规模受社会、经济、城市环境等诸多因素影响 传统统计方法难以准确预测城 市建成区的面积。人工神经网络具有良好的非线性映射逼近性能 在各类预测研究中得到了广泛 的应用 尤其是BP 神经网络。主成分分析可以在有效保留数据信息前提下对数据进行降维 它 与BP 神经网络的结合主要在数据输入端 通过减少输入层神经元个数 增强网络性能 提高预 测精度。本文以北京市为例 综合运用主成分分析和BP 神经网络方法建立预测模型 以1986~ 2003 年数据为学习样本 以2004 年数据为检验样本 对2005 年北京市城市建成区面积进行模 拟预测。预测结果表明 基于主成分分析的BP 神经网络预测结果与实际值的相对误差为2.8% 比传统BP 神经网络预测精度提高1.8 个百分点 网络训练收敛速度也更快 其预测精度和效率 都有不同程度的改善。

相关文章 15