基于BP神经网络的城市增长边界预测——以北京市为例

被引：36

作者：

付玲

胡业翠

郑新奇

机构：

[1] 中国地质大学(北京)土地科学技术学院

来源：

中国土地科学 | 2016年 / 30卷 / 02期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

土地管理; 城市增长边界预测; BP人工神经网络; 训练;

D O I：

暂无

中图分类号：

F299.27 [地方城市经济]; TP183 [人工神经网络与计算];

学科分类号：

摘要：

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。

引用

页码：22 / 30

页数：9

共 30 条

[11] 基于CA-Markov模型的香格里拉县城市增长边界设定研究[D]. 勒明凤.云南大学. 2014
[12] 成都市中心城区城市空间增长边界研究[D]. 蒋玮.西南交通大学. 2012
[13] 哈尔滨城市空间增长边界设定研究[D]. 李旭锋.哈尔滨工业大学. 2010
[14] 武汉市城市发展边界的设定研究[D]. 石伟伟.华中农业大学. 2008
[15] Methods and Considerations for Determining Urban Growth Boundaries-an Evaluation of the Cape Town Experience
Sinclair-Smith K.
[J]. Urban Forum, 2014, 25 (3) : 313 - 333
[16] Assessing spatial dynamics of urban growth using an integrated land use model. Application in Santiago Metropolitan Area, 2010–2045[J] . Olga Lucia Puertas,Cristian Henríquez,Francisco Javier Meza.Land Use Policy . 2014
[17] Spatiotemporal simulation of urban growth patterns using agent-based modeling: The case of Tehran[J] . Jamal Jokar Arsanjani,Marco Helbich,Eric de Noronha Vaz.Cities . 2013
[18] Tracking dynamic land-use change using spatially explicit Markov Chain based on cellular automata: the case of Tehran[J] . JamalJokar Arsanjani,Wolfgang Kainz,AliJafar Mousivand.International Journal of Image and Data Fusion . 2011 (4)
[19] Two rule-based Urban Growth Boundary Models applied to the Tehran Metropolitan Area, Iran[J] . Amin Tayyebi,Bryan Christopher Pijanowski,Burak Pekin.Applied Geography . 2011 (3)
[20] A Spatially Heterogeneous Expert Based (SHEB) Urban Growth Model using Model Regionalization[J] . Jida Wang,Giorgos Mountrakis,Dimitrios Triantakonstantis.Journal of Geographic Information System . 2011 (03)

← 1 2 3 →