基于BP人工神經(jīng)網(wǎng)絡(luò)的開發(fā)區(qū)土地集約利用評(píng)價(jià)——以浙江省為例

李 煥，徐建春，李翠珍，徐知淵，范曉娟

(浙江工商大學(xué)a.土地研究所;b.旅游與城市管理學(xué)院，杭州310018)

開發(fā)區(qū)作為城市發(fā)展和土地利用的重點(diǎn)區(qū)域，已經(jīng)成為產(chǎn)業(yè)升級(jí)、區(qū)域發(fā)展的推動(dòng)器和科技創(chuàng)新基地。然而，由于存在功能定位不清、產(chǎn)業(yè)結(jié)構(gòu)趨同等問題，開發(fā)區(qū)的集聚效應(yīng)和規(guī)模效益并未得到充分體現(xiàn)，土地浪費(fèi)與低效利用現(xiàn)象仍然存在［1］。目前，在開發(fā)區(qū)土地集約利用評(píng)價(jià)研究中，運(yùn)用較多的是層次分析法和回歸分析法，通過構(gòu)建遞階層次結(jié)構(gòu)、確定權(quán)重、估算理想值等環(huán)節(jié)建立評(píng)價(jià)體系，從而度量土地集約利用程度的高低。但是，以上評(píng)價(jià)方法的各個(gè)環(huán)節(jié)都存在不同程度的主觀性判斷，進(jìn)而影響評(píng)價(jià)結(jié)果的科學(xué)性。本研究經(jīng)過大量的數(shù)據(jù)搜集，嘗試運(yùn)用BP人工神經(jīng)網(wǎng)絡(luò)建立一個(gè)合適的評(píng)價(jià)模型，擺脫主觀因素的負(fù)面影響，體現(xiàn)研究的客觀合理性。

1 樣本數(shù)據(jù)的采集與分類

研究樣本數(shù)據(jù)共有65組，占浙江省開發(fā)區(qū)總數(shù)的56%，樣本總面積為2 810.47 hm2，占浙江省開發(fā)區(qū)總面積的58.1%，覆蓋了浙江省全境，共11個(gè)市(表1)，除麗水和舟山市樣本量較小外，其他9個(gè)市的樣本數(shù)量均在5～10個(gè)之間。根據(jù)研究需要，將65組樣本數(shù)據(jù)細(xì)分為2類:第1類樣本數(shù)據(jù)采集時(shí)點(diǎn)為2010年，共11組，是從浙江省11個(gè)市中各選取1個(gè)具有代表性的開發(fā)區(qū)作為本研究的評(píng)價(jià)對(duì)象，每組樣本包括14項(xiàng)評(píng)價(jià)指標(biāo)(表2)。第2類樣本數(shù)據(jù)為剩下的54組，并隨機(jī)選取其中的45組樣本作為BP人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，9組作為測(cè)試數(shù)據(jù)。此類數(shù)據(jù)主要參考了2009年浙江省開發(fā)區(qū)土地集約利用評(píng)價(jià)的成果，不僅包括14項(xiàng)評(píng)價(jià)指標(biāo)，而且還有一項(xiàng)開發(fā)區(qū)土地集約利用集約度分值。研究運(yùn)用第2類樣本數(shù)據(jù)對(duì)BP人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和測(cè)試，并將第1類數(shù)據(jù)代入模型，預(yù)測(cè)這11個(gè)開發(fā)區(qū)2010年的土地集約利用集約度分值。

表1 樣本分布表 個(gè)Tab.1 The sample distribution item

表2 評(píng)價(jià)對(duì)象一覽表Tab.2 Table of the evaluated objects

2 BP人工神經(jīng)網(wǎng)絡(luò)概要

根據(jù)T.Koholen的定義:“人工神經(jīng)網(wǎng)絡(luò)是由具有適應(yīng)性的簡單單元組成的廣泛并行互連的網(wǎng)絡(luò)，它的組織能夠模擬生物神經(jīng)系統(tǒng)對(duì)真實(shí)世界物體所作出的交互反應(yīng)。”它的基本結(jié)構(gòu)如圖1所示。

圖1 人工神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)Fig.1 The basic structure of artificial neural network

圖1內(nèi)容可用一個(gè)數(shù)學(xué)表達(dá)式進(jìn)行抽象概括，即

式中:Qj(t)表示神經(jīng)元j在t時(shí)刻的狀態(tài);Wij表示神經(jīng)元i到j(luò)的突觸連接系數(shù);Xi(t)表示t時(shí)刻神經(jīng)元j接收的來自神經(jīng)元i的輸入信息;Kj=Oj(t)表示t時(shí)刻神經(jīng)元j的輸出信息;Tj表示神經(jīng)元j的閾值;F表示神經(jīng)元轉(zhuǎn)移函數(shù)。

人工神經(jīng)網(wǎng)絡(luò)具有多種模型，其中，BP神經(jīng)網(wǎng)絡(luò)是一種單向傳播的多層前向神經(jīng)網(wǎng)絡(luò)，它是指誤差反向傳播的算法。BP算法是目前應(yīng)用最為廣泛、最具代表性的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，可以把BP人工神經(jīng)網(wǎng)絡(luò)看成是一個(gè)從輸入到輸出的高度非線性映射［2］。

3 BP人工神經(jīng)網(wǎng)絡(luò)的構(gòu)建與應(yīng)用

3.1 BP人工神經(jīng)網(wǎng)絡(luò)的構(gòu)建

3.1.1 確定網(wǎng)絡(luò)層數(shù)。Roberto等已證明，對(duì)任何在閉區(qū)間內(nèi)的1個(gè)連續(xù)函數(shù)都可以用1個(gè)3層BP網(wǎng)絡(luò)(即含1個(gè)輸入層、1個(gè)隱含層、1個(gè)輸出層)逼近［3］，因此，3層的BP網(wǎng)絡(luò)就可以完成任意的n維到m維的映射，故將BP網(wǎng)絡(luò)設(shè)計(jì)為3層。

3.1.2 確定輸入及輸出形式。土地集約利用評(píng)價(jià)指標(biāo)體系是直接反映土地集約利用目標(biāo)、內(nèi)容、程度等不同屬性特征的按隸屬關(guān)系和層次關(guān)系組成的有序集合。評(píng)價(jià)指標(biāo)體系必須具備解釋功能、評(píng)價(jià)功能及預(yù)測(cè)預(yù)報(bào)功能，使土地集約利用評(píng)價(jià)具有動(dòng)態(tài)發(fā)展的連續(xù)性［4］。因此，為了保證研究的科學(xué)合理性，筆者主要參考《浙江省開發(fā)區(qū)土地集約利用評(píng)價(jià)規(guī)程》中的14個(gè)評(píng)價(jià)指標(biāo)(輸入因子)作為BP神經(jīng)網(wǎng)絡(luò)的輸入層:土地開發(fā)率u1、土地供應(yīng)率u2、土地建成率u3、工業(yè)用地率u4、綜合容積率u5、建筑密度u6、工業(yè)用地綜合容積率u7、工業(yè)用地建筑密度u8、工業(yè)用地固定資產(chǎn)投入強(qiáng)度u9、工業(yè)用地產(chǎn)出強(qiáng)度u10、到期項(xiàng)目用地處置率u11、閑置土地處置率u12、土地有償使用率u13、土地招拍掛率u14。此外，因?yàn)?類樣本數(shù)據(jù)都具有一個(gè)開發(fā)區(qū)土地集約利用程度的集約度分值，因此，將BP網(wǎng)絡(luò)的輸出層設(shè)計(jì)為1個(gè)節(jié)點(diǎn)S。

3.1.3 確定隱含層節(jié)點(diǎn)數(shù)。在BP網(wǎng)絡(luò)中，隱含層節(jié)點(diǎn)數(shù)非常重要，它對(duì)神經(jīng)網(wǎng)絡(luò)模型的性能影響很大，是訓(xùn)練時(shí)出現(xiàn)“過擬合”的直接原因，但是，目前理論上還沒有一種科學(xué)和普遍的確定方法。本研究主要參考了嚴(yán)太山等［5－6］提出的經(jīng)驗(yàn)公式法，他們認(rèn)為最佳隱含層節(jié)點(diǎn)數(shù)與問題的要求、輸入輸出單元的多少以及訓(xùn)練樣本數(shù)都有直接的關(guān)系，并在實(shí)驗(yàn)的基礎(chǔ)上歸納出了一種直接估算最佳隱含層節(jié)點(diǎn)數(shù)目的簡單方法。其公式為:NH。式中:NH為最佳隱含層節(jié)點(diǎn)數(shù);Ni為輸入層節(jié)點(diǎn)數(shù);NO為輸出層節(jié)點(diǎn)數(shù);NP為訓(xùn)練樣本數(shù)。根據(jù)上式。至此，本次研究所運(yùn)用的BP人工神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)正式確立，具體如圖2所示。

圖2 BP人工神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖Fig.2 The topologic structure of BP artificial neural network

3.1.4 數(shù)據(jù)標(biāo)準(zhǔn)化處理。由于部分評(píng)價(jià)指標(biāo)量綱不同，這些原始數(shù)據(jù)無法建立統(tǒng)一的綜合評(píng)價(jià)網(wǎng)絡(luò)，因此，需要對(duì)這些搜集的指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。正效應(yīng)指標(biāo)與負(fù)效應(yīng)指標(biāo)分別采用極差標(biāo)準(zhǔn)化，即

式中:x′ij為標(biāo)準(zhǔn)化后某指標(biāo)值;xij為處理前某指標(biāo)值;xi，max為處理前某指標(biāo)值的最大值;xi，min為處理前某指標(biāo)值的最小值;i為樣本數(shù);j為指標(biāo)數(shù)。45個(gè)訓(xùn)練樣本的14個(gè)評(píng)價(jià)因子組成1個(gè)45行、14列的輸入矩陣X。

此外，輸出層樣本也構(gòu)成了一個(gè)45行、1列的輸出矩陣 S=(s1s3s3…s45)T;T表示矩陣轉(zhuǎn)置，行列互換。

3.1.5 網(wǎng)絡(luò)訓(xùn)練與測(cè)試。運(yùn)用Matlab軟件，將輸入矩陣X與輸出矩陣S導(dǎo)入已建立的BP人工神經(jīng)網(wǎng)絡(luò)，并設(shè)置參數(shù)，對(duì)BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。經(jīng)過2 462次訓(xùn)練，網(wǎng)絡(luò)收斂，最終的均方差為9.996 2×10－4。為了保證所建立并已經(jīng)收斂的BP網(wǎng)絡(luò)符合研究要求，從第2類樣本中抽取9個(gè)作為測(cè)試樣本，并對(duì)其進(jìn)行測(cè)試，結(jié)果如表3所示，測(cè)試的9個(gè)樣本誤差絕對(duì)值均小于3%。至此為止，BP人工神經(jīng)網(wǎng)絡(luò)模型建立完畢［7－8］。

表3 BP網(wǎng)絡(luò)測(cè)試結(jié)果表Tab.3 The test results of BP network

3.2 BP人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用

運(yùn)用在Matlab中已經(jīng)建立并通過測(cè)試的BP人工神經(jīng)網(wǎng)絡(luò)，將11組待估樣本分別進(jìn)行土地集約利用程度預(yù)測(cè)，預(yù)測(cè)結(jié)果見表4。

表4 開發(fā)區(qū)土地集約利用程度預(yù)測(cè)表Tab.4 Prediction of intensive land use

4 評(píng)價(jià)結(jié)果分析

4.1 浙江省開發(fā)區(qū)土地集約利用程度普遍較高

浙江省地處長江三角洲南翼，東臨東海，南接福建，西與江西、安徽相連，北與上海、江蘇接壤。憑借優(yōu)越的地理區(qū)位以及經(jīng)濟(jì)、科技和人才優(yōu)勢(shì)，大力發(fā)展電子、能源、計(jì)算機(jī)等土地集約利用程度高的高科技產(chǎn)業(yè)集群，形成開發(fā)區(qū)的產(chǎn)業(yè)核心競爭力，發(fā)展外向型經(jīng)濟(jì)［9］。經(jīng)過多年的發(fā)展，已經(jīng)形成了一套行之有效的管理體系，促進(jìn)了開發(fā)區(qū)土地的高效、有序、合理利用。如表5所示，82%的開發(fā)區(qū)集約度分值在0.8以上，屬于集約利用范圍。其中，36%的開發(fā)區(qū)集約度分值在0.9以上，屬于高度集約利用范圍。此外，浙江省開發(fā)區(qū)在用地效益和用地結(jié)構(gòu)狀況等各方面都顯示出了較高的土地集約利用水平。其中，開發(fā)區(qū)平均工業(yè)用地容積率為72%，土地開發(fā)率為78%，土地建成率89%，平均資產(chǎn)密度為2 926.8萬元/hm2，工業(yè)土地產(chǎn)出率為 4 357.65 萬元/hm2，工業(yè)土地稅收產(chǎn)出率2 250萬元/hm2，均高于全國平均水平，在長江三角洲地區(qū)也處于領(lǐng)先地位。

表5 浙江省開發(fā)區(qū)集約度分值表Tab.5 The evaluation result of land intensive use in development zone of Zhejiang Province

4.2 開發(fā)區(qū)土地集約利用程度存在空間差異

根據(jù)采集的樣本數(shù)據(jù)并結(jié)合評(píng)價(jià)結(jié)果，利用ARCGIS中的專題地圖制作工具對(duì)浙江省開發(fā)區(qū)土地集約利用程度劃分等級(jí)，并進(jìn)一步結(jié)合浙江省的實(shí)際情況，得出開發(fā)區(qū)土地集約利用程度在空間分布上具有以下特征:東高、中平、南北低(圖3)。東部沿海的寧波、溫州、臺(tái)州等地開發(fā)區(qū)土地集約利用水平較高，集約度分值均在0.9以上，屬于高度集約利用;紹興、金華作為浙江省的腹地，集約度分值在0.85～0.9之間，處于中間水平;南北兩端的湖州、嘉興、衢州、麗水等市的開發(fā)區(qū)土地集約利用程度相對(duì)較低，集約度分值在0.85以下。

圖3 浙江省開發(fā)區(qū)土地集約利用程度空間分布圖Fig.3 Directional distribution of the land intensive use in development zone of Zhejiang Province

開發(fā)區(qū)土地集約利用程度的空間差異與開發(fā)區(qū)內(nèi)部的產(chǎn)業(yè)結(jié)構(gòu)和發(fā)展方向具有密切聯(lián)系。浙江省東部沿海地帶的開發(fā)區(qū)主要以提高自主創(chuàng)新能力為目標(biāo)，以科技為支撐，發(fā)展外向型經(jīng)濟(jì)。生物醫(yī)藥、信息通信、新材料、先進(jìn)制造等科技含量高、經(jīng)濟(jì)效益大、土地需求小的高新技術(shù)產(chǎn)業(yè)的存在，保證了開發(fā)區(qū)土地得以高度集約利用。而以紹興、金華為代表的浙江中部地區(qū)的開發(fā)區(qū)多把紡織、五金冶煉等粗放型的制造業(yè)作為支柱型產(chǎn)業(yè)，雖然這些產(chǎn)業(yè)投入高、產(chǎn)出高，但是用地需求量也高，土地集約利用程度有待進(jìn)一步提高。與前兩者相比，浙江省南北兩端的開發(fā)區(qū)土地集約利用程度相對(duì)比較低，工業(yè)生產(chǎn)多為高污染、高能耗產(chǎn)業(yè)，土地利用相對(duì)粗放，因此，加快地區(qū)經(jīng)濟(jì)發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)是此類地區(qū)的重要任務(wù)，也是提高開發(fā)區(qū)土地集約利用程度的有效措施。

雖然浙江省開發(fā)區(qū)土地集約利用程度在空間上主要以東高、中平、南北低為特征，但也存在幾個(gè)特殊情況。其一，杭州市雖然地理位置比較靠西，在浙江省不屬于東部沿海城市，但是作為省會(huì)城市，是浙江省政治、經(jīng)濟(jì)、文化中心，杭州市開發(fā)區(qū)的規(guī)劃、投資與建設(shè)得到了從中央到地方的高度重視，土地集約利用程度也相應(yīng)較高。其二，舟山是浙江省最東端的一個(gè)、屬于東部沿海城市的范疇，但是作為國家的海防前線，其工業(yè)化發(fā)展受到一定限制，當(dāng)?shù)刂饕詽O業(yè)和旅游業(yè)作為經(jīng)濟(jì)來源，開發(fā)區(qū)內(nèi)食品加工和漁具生產(chǎn)類企業(yè)較多，產(chǎn)值低、用地量大是導(dǎo)致舟山開發(fā)區(qū)土地集約利用程度較低的主要原因［10－12］。

4.3 集約度與經(jīng)濟(jì)發(fā)展水平高度相關(guān)

土地集約利用是處理好經(jīng)濟(jì)發(fā)展與資源保護(hù)之間關(guān)系的重要措施。經(jīng)濟(jì)的快速發(fā)展是開發(fā)區(qū)土地集約利用的前提條件，土地集約利用又為經(jīng)濟(jì)持續(xù)發(fā)展提供了保障。隨著浙江省各市GDP由高到低排列，集約度曲線也呈下降趨勢(shì)(圖4)。

圖4 經(jīng)濟(jì)發(fā)展水平與土地集約利用程度Fig.4 Economic development and land intensive use

為了能更精確地研究兩者之間的關(guān)系，借助SPSS17.0軟件對(duì)GDP與集約度進(jìn)行了相關(guān)性分析，結(jié)果顯示兩者之間的相關(guān)系數(shù)高達(dá)0.903。因此，開發(fā)區(qū)土地集約利用程度與經(jīng)濟(jì)發(fā)展水平之間是相互聯(lián)系、相互影響的，一方面只有經(jīng)濟(jì)發(fā)展了，土地集約利用所需要的各種投入才能有所保證;另一方面，土地集約利用為實(shí)現(xiàn)經(jīng)濟(jì)包容性增長提供了條件［13］。

5 結(jié)論

開發(fā)區(qū)土地集約利用評(píng)價(jià)是一個(gè)綜合性的系統(tǒng)工程，不僅需要構(gòu)建一套全面合理的評(píng)價(jià)指標(biāo)體系，而且要凸顯出科學(xué)性與合理性。與傳統(tǒng)評(píng)價(jià)方法相比，BP人工神經(jīng)網(wǎng)絡(luò)的最大優(yōu)點(diǎn)在于評(píng)價(jià)的客觀性。它能學(xué)習(xí)和存貯大量的輸入－輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小［14］，從而避免了人為因素對(duì)評(píng)價(jià)結(jié)果的影響。通過本次研究，不僅準(zhǔn)確客觀地評(píng)價(jià)了浙江省開發(fā)區(qū)土地集約利用水平，而且證明了BP人工神經(jīng)網(wǎng)絡(luò)在土地集約利用評(píng)價(jià)工作中的實(shí)用價(jià)值。因此，隨著模型本身不斷發(fā)展和完善，BP人工神經(jīng)網(wǎng)絡(luò)技術(shù)可成為土地集約利用非線性定量評(píng)價(jià)的一個(gè)好方法。

［1］龍花樓，蔡運(yùn)龍，萬軍.開發(fā)區(qū)土地利用的可持續(xù)性評(píng)價(jià)［J］.地理學(xué)報(bào)，2000，55(6):719 －728.

［2］Li Chaoqun，Guo Shenglian，Zhang Jun.Modified NLPMANN Model and Its Application［J］.Journal of Hydrology，2009(1－2):137－141.

［3］苑韶峰，呂軍.利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行國有土地價(jià)格評(píng)估的探討［J］.上海交通大學(xué)學(xué)報(bào)(農(nóng)業(yè)科學(xué)版)，2004，22(2):188 －203.

［4］周偉，王秀蘭.節(jié)約和集約用地評(píng)價(jià)指標(biāo)體系研究［J］.安徽農(nóng)業(yè)科學(xué)，2007，35(2):491 －493.

［5］嚴(yán)太山.基于BP神經(jīng)網(wǎng)絡(luò)的玻璃瓶裂紋檢測(cè)模型［J］.科技情報(bào)開發(fā)與經(jīng)濟(jì)，2005，15(8):182 －183.

［6］李雙成，鄭度.人工神經(jīng)網(wǎng)絡(luò)模型在地學(xué)研究中的應(yīng)用進(jìn)展［J］.地球科學(xué)發(fā)展，2003，18(1):68 －78.

［7］常青，王仰麟，吳健生，等.城市土地集約利用程度的人工神經(jīng)判定——以深圳市為例［J］.中國土地科學(xué)，2007，21(8):26 －31.

［8］Joseph P Bigus.Data Mining with Neurak Networks［M］.McGraw:Hill Companies，1996:88 －89.

［9］蔡昕，曾維忠，張華，等.中國南方經(jīng)濟(jì)開發(fā)區(qū)土地集約利用評(píng)價(jià)——以浙江、四川、貴州、海南為例［J］.中國農(nóng)學(xué)通報(bào)，2010，26(14):314 －318.

［10］吳旭芬，孫軍.開發(fā)區(qū)土地集約利用的問題探討［J］.中國土地科學(xué)，2000，14(2):17 －21.

［11］曲福田，吳郁玲.土地市場(chǎng)發(fā)育與土地利用集約度的理論與實(shí)證研究［J］.自然資源學(xué)報(bào)，2007，22(3):445－454.

［12］葉劍平，蔣妍，羅伊·普羅斯特曼，等.2005年中國農(nóng)村土地使用權(quán)調(diào)查研究——17個(gè)省調(diào)查結(jié)果及政策建議［J］.管理世界，2006(7):77－84.

［13］陶志紅.城市土地集約利用幾個(gè)基本問題的探討［J］.中國土地科學(xué)，2000，14(5):1 －5.

［14］楊建剛.人工神經(jīng)網(wǎng)絡(luò)實(shí)用教程［M］.杭州:浙江大學(xué)出版社，2001:23－24.