《城市规划系统工程》课程论文.doc

《城市规划系统工程》课程论文 论文中文名：基于BP 人 工神经网络的小城镇生态 规划研究——以大通湖河 坝镇为列 论文英文名：BP artificial neural network based on small towns ecological planning - Taking Chase Lake Creek is listed Nanba 专业班级 0701104-10 姓 名 段 欣 学 号 1 0 完成日期 2011-6-16 基于BP 人工神经网络的小城镇生态规划研究——以大通湖河坝镇为列 摘要：试图将人工神经网络方法引入生态规划，采用BP（Back- Propagation）神经网络建立生态适宜度评价模型，并用于实际的生态适宜度分析中，从而为生态规划提供一种新的方法。人工神经网络是20世纪40年代产生、80年代发展起来的模拟人脑生物过程的人工智能技术，是由大量简单的神经元广泛互连形成的复杂非线性系统。 脑生物过程的人工智能技术，是由大量简单的神经元广泛互连形成的复杂非线性系统 它不需要任何先验公式，就能从已有数据中自动地归纳规则，获得这些数据的内在规律，具有自学习性、自组织性、自 适应性和很强的非线性映射能力，特别适于对因果关系复杂的非确定性推理、判断、识别和分类等问题的处理。 关键词：生态规划；BP 人工神经网络；生态适宜度；小城镇 小城镇作为分布于我国广大农村的经济、政治、文化和商业中心，代表着我国农村经济发展、居民生活、文化教育的最高水平。“小城镇大战略”是党中央、国务院对发展和建设小城镇的战略定位，它对带动农村社会和经济的发展具有十分重要的作用。小城镇的迅速崛起，极大的促进了农村经济的发展和繁荣，加速了城镇化进程。在实现社会进步、改变人们生活方式，提高农村居民的生活质量等方面发挥着重要的作用，充分体现了小城镇作为农村地域性经济文化及各种社会服务中心的地位。在小城镇建设过程中如不进行合理的规划，将会对生态环境造成难以预知的损害。 研究地区与研究方法 1.1研究去概况 河坝镇位于湖南省洞庭湖平原中部，东临漉湖，北接南县、岳阳，南连沅江，全镇积雨面积89平方公里，耕地面积88980亩，全区地势平坦，坡度一般小于千分之一。境内成土母质均系河湖沉积物，主要由长江上游和沅、澧两水冲积而成。土壤质地较好，粒径小于0.1毫米，以粘壤土居多，占总面积的46.5%，其次为砂壤土和壤土，占38%。全区境内一级土壤71075亩占耕地面积的29.4%，二级土壤136000亩，占耕地面积的56.2%。人均拥有耕地3亩。 适应性和很强的非线性映射能力，特别适于对因果关系复杂的非确定性推理、判断、识别和分类等问题的处理。 bp人工神经网络是ANN 技术中应用最广泛的一种网络类型，是一种多层前向型神经网络，其权值的调整采用反向传播学习算法，体现了神经网络理论中最为精华的部分，它是一种包含输入层、隐含层和输出层的中向传播的多层前向网络（图1），可解决多层网络中隐含单元连接权的学习问题。 其输入信号从输入节点依次传过各隐含层，然后传到输出节点，每一层节点的输出只影。 1.3数据来源与处理 采用bp神经网络方法建模的首要和前提条件是有足够的典型性好、精度高的样本。而且，为监控训练（学习）过程使之不发生“过拟合”，以提高网络模型的性能和泛化能力，必须将收集到的数据随机分成训练样本、检验样本（10%以上）和测试样本3部分。此外，数据分组时还应尽可能考虑样本模式间的平衡。 1.3.1训练样本 生态环境质量评价本质上是模式 识别问题，即将生态环境质量评价指标系统的实际监测结果与对应生态环境质量评价标准值构成的数组进行比较，与监测值构成的数组最为接近的标准值数组所对应的生态环境质量等级即为bp人工神经网络模型的识别结果，也就是对应区域的生态环境质量评价结果。 bp人工神经网络模型的建立与验证 2.1 bp人工神经网络层数的确定 在bp人工神经网络拓扑结构中，输入层与输出层是必须具备的，因而隐含层层数是确定网络层数的关键所在，隐含层层数选择的恰当与否直接影响到网络性能的优劣。 关于bp人工神经网络模型隐含层的层数，有研究证明，当各节点具有不同的界限时，对于在闭区间内的一个连续函数可用一个隐含层的网络来逼近，一个3层的bp网络可以完成任意的n维到m维的映射。因此，本研究中小城镇生态环境质量评价的bp人工神经网络模型层数取3层，即输入层、隐含层和输出层。 2.2传递函数和训练参数的确定 为保证bp人工神经网络模型的非线性，从输入层到隐含层采用非线性s型传递函数tansing函数；从隐含层到输出层采用线性函数purlin函数% 为保证bp网络模型的快速收敛，采