鄒永旺

摘 要：隨著經(jīng)濟的飛速發(fā)展，城市化進程的加快，建設用地已成為城市發(fā)展的稀缺資源，科學合理的安排城市建設用地規(guī)模顯得尤為重要。文章以南昌市2005-2010年有關城市建設用地規(guī)模的社會經(jīng)濟統(tǒng)計數(shù)據(jù)為依據(jù)，利用主成分分析方法，篩選出影響城市建設用地規(guī)模的主要因素有GDP、人口、城市化水平、園林綠地面積、財政收入、固定資產(chǎn)投資、工業(yè)總產(chǎn)值等。在此基礎上建立BP神經(jīng)網(wǎng)絡預測模型，測算出南昌市2020年城市建設用地規(guī)模，并對其進行驗證分析，以期對南昌市土地利用總體規(guī)劃中建設用地的指標劃分提供科學依據(jù)。

關鍵詞：BP神經(jīng)網(wǎng)絡模型；城市建設用地；規(guī)模預測；南昌市

中圖分類號：F293.2 文獻標識碼：A 文章編號：1006-8937（2014）14-0058-02

城市化的進城往往伴隨著城市建設用地的擴張，經(jīng)濟的飛速發(fā)展與建設用地的旺盛需求之間存在明顯的正相關系，土地已成為制約城市化發(fā)展的重要因素，人地矛盾越來越突出。而上一輪土地利用總體規(guī)劃實施過程中，許多地方的城市建設用地實際用地規(guī)模已經(jīng)超出規(guī)劃指標，從一定程度上講是因為現(xiàn)行的建設用地預測方法不盡完善。本文以南昌市為例，在大量搜集和整理相關統(tǒng)計數(shù)據(jù)的基礎上，運用BP神經(jīng)網(wǎng)絡模型對南昌市未來幾年城市土地需求量進行了預測分析，為正確制定下一輪南昌城市土地利用總體規(guī)劃提供參考依據(jù)。

1 數(shù)據(jù)的選取

城市建設用地規(guī)模的變化受到多方面因數(shù)的影響，不僅取決于社會因素、經(jīng)濟因素、環(huán)境因數(shù)，還受政策因數(shù)的影響，本文選取了GDP、第一產(chǎn)業(yè)產(chǎn)值、第一產(chǎn)業(yè)占生產(chǎn)總值的比重、固定資產(chǎn)投資、人均建設用地和固定資產(chǎn)、建設用地彈性比、人口、非農(nóng)人口、城市化率、園林綠地面積和工業(yè)總產(chǎn)值共11個指標，見表1。

2 主成分分析

應用SPASS軟件對選取的11個影響因子進行分析計算，得出特征值、主成分貢獻率、累計貢獻率和相關系數(shù)矩陣（見表2）。由表2特征值及主成分貢獻率可得，第一主成分貢獻率為77.659%，第二主成分貢獻率為11.956%，第三主成分貢獻率為6.953%，總獻率為96.569% 。也就是說前3個主成分包含了11個指標的96.569%的信息。因此，選取前3個主成分來代替原來的11個社會經(jīng)濟指標。

為說明3個主成分的含義，采用方差極大法旋轉主成分載荷矩陣得到第一主成分中人口載荷值為0.963最高，因此將其定義為人口因素；第二主成分中，城市化率的載荷值為0.935，0.935>0.8，故將其定義為城市化率；第三主成分中，人均建設用地面積的載荷值為0.978，在0.8以上，所以將其定義為城市人均建設用地面積。由此可得人口（X1）、城市化率（X8）和人均建設用地面積（X11）為主要影響因素。

3 BP神經(jīng)網(wǎng)絡模型的構建

本文構建的南昌市城市建設用地規(guī)模BP神經(jīng)網(wǎng)絡模型采用三層網(wǎng)絡結構，即輸入層、隱含層和輸出層。其中輸入層有3個神經(jīng)元，輸出層有1個神經(jīng)元，具體的網(wǎng)絡結構如圖1所示。

在DPS中計算輸出得到學習樣本的擬合值見表2。

從表2中可以看出，用BP神經(jīng)網(wǎng)絡預測的城市建設用地規(guī)模值與實際值相差不大，BP神經(jīng)網(wǎng)絡模型擬合情況很好，所以BP神經(jīng)網(wǎng)絡模型選用正確，可以對南昌市城市建設用地規(guī)模進行預測。結合2015年、2020年的各影響因子的預測值，最終得到2015年和2020年南昌市城市建設用地規(guī)模為256.32 km2和345.26 km2。

4 結 語

本文通過對南昌市2005～2010年有關城市建設用地規(guī)模的社會經(jīng)濟統(tǒng)計數(shù)據(jù)分析，綜合考慮了社會、經(jīng)濟和環(huán)境等因素，并從中選取了11個影響南昌市城市建設用地規(guī)模的影響因子。采用主成分分析法刷選了影響城市建設用地規(guī)模的主成分為人口、人均城市建設用地面積和城市化率，運用DPS軟件建立了BP神經(jīng)網(wǎng)絡預測，發(fā)現(xiàn)城市建設用地規(guī)模的預測值和實際值具有很好的的擬合度，這表明BP神經(jīng)網(wǎng)絡預測模型的預測精確度很高。從模型的預測結果看，南昌市城市建設用地規(guī)模到2015年和2020年分別為256.32 km2和345.26 km2。

引起城市建設用地規(guī)模變化的因素眾多而且復雜，本文雖然說選取了多個影響因子，但是并沒有考慮國家政策、自然條件等因素影響。如何將政策因素、自然條件等因素融入到預測模型中，以提高模型的精確度，未來需要更加深入的研究。

本文采取的BP神經(jīng)網(wǎng)絡模型對城市建設用地規(guī)模進行預測是一種經(jīng)典的預測方法，近年來GIS空間技術發(fā)展迅速，已經(jīng)得到廣泛的運用，如何將空間分析法引進到城市建設用地規(guī)模預測中，以提高預測的精確度，豐富預測方法是未來研究需要十分重視的問題。

參考文獻：

[1] Karen C，Seto，Robert K，et al.Modeling the drivers of urban land use change in the pearl river delta，China：integrating r-emote sensing with socioeconomic data[J].Land Economics，2003，（1）.

[2] 嚴金明.中國土地利用規(guī)劃[M].北京：經(jīng)濟管理出版社，2001.

[3] 孫善龍，東野光亮，劉喜廣，等.城鄉(xiāng)建設用地需求量預測研究[J].陜西農(nóng)業(yè)科學，2008，（5）.

[4] 曲三省.增加農(nóng)民收入與發(fā)展農(nóng)產(chǎn)品期貨市場研究[J].價格月刊，2008，（1）.

[5] 趙小敏，王人潮.城市合理用地規(guī)模的系統(tǒng)分析[J].地理學與國土研究，1997，（1）.

[6] 邱道持，劉力，粟輝，等.城鎮(zhèn)建設用地預測方法新探—以重慶市渝北區(qū)為例[J].西南師范大學學報（自然科學版），2004，（1）.