基于BP神经网络的城市增长边界预测——以北京市为例

研究目的:构建城市增长边界预测模型,以北京市为例,研究该模型的可行性。研究方法:尝试采用BP人工神经网络方法,结合GIS和RS技术,并选定绿地、建筑物、行政中心、主要道路、次要道路、坡度、坡向和海拔8个对城市边界扩张影响较大的因子,建立城市增长边界模型(UGBM),并应用该模型预测了北京市2020年城市增长边界,同时用面积匹配值法评估了模型的精度。研究结果:使用UGBM模型预测城市增长边界,总的面积匹配值为106%,稍微高估了城市扩张面积。研究结论:基于BP神经网络的UGB划定方法对确定城市未来扩张方向有指导作用,可为城市规划和发展政策的制定提供指导。